Die Wahrheit über KI-Coding-Agents: Was 6.000+ echte Entwickler-Sessions zeigen

KI-Coding-Agents sollen die Softwareentwicklung revolutionieren. Weniger Code tippen. Schneller deployen. Die Maschinen übernehmen den Rest.

Doch bislang hat niemand genau gemessen, wie Entwickler diese Tools wirklich einsetzen. Bis jetzt.

Der neue Datensatz SWE-chat analysiert über 6.000 echte Sessions aus der Produktion. Die Ergebnisse sind aufschlussreich, verstörend und drehen vieles auf den Kopf, was wir über die Zusammenarbeit von Mensch und KI denken.

Der Boom des "Vibe Coding" – und warum das Sicherheits-Experten nervös macht

SWE-chat identifiziert drei klare Arbeitsweisen:

• Nur Mensch (22,7 %): KI erklärt, Entwickler coden selbst
• Kooperativ (36,5 %): Gemeinsames Feilen hin und her
• Vibe Coding (40,8 %): KI schreibt fast alles, Mensch nickt nur ab

"Vibe Coding" explodiert. In drei Monaten hat es sich verdoppelt und ist nun der Top-Modus.

Der Haken: Vibe-Coded-Code enthält 9-mal so viele Sicherheitslücken wie reiner Menschencode.

Das ist bitter. Wer der KI die Tastatur überlässt, liefert nicht nur schneller – sondern auch mit massiv mehr Fehlern. Jeder Modus schafft mehr Probleme, als er löst. Vibe Coding sticht besonders heraus.

Die harte Realität: Die meiste KI-Code landet im Papierkorb

Warum wirft man 55,7 % des KI-generierten Codes weg, obwohl Entwickler die Agents lieben?

44 % der Interaktionen enden mit Unterbrechung oder Ablehnung durch den User. KI fragt selten nach – Klärungsfragen kommen nur in 1,4 % der Runden.

Es wirkt wie ein Monolog, bei dem der andere ständig stoppt.

Entwickler nutzen KI zum Ausprobieren und schnellen Iterieren, nicht als reines Schreibwerkzeug. Die Tools dienen als superschnelle Gummienten – Vorschläge wegwerfen, Gute ausbauen.

Was Entwickler wirklich von KI erwarten

Überraschend: Die Top-Anfrage an KI-Agents ist nicht Code schreiben, sondern Code verstehen.

19 % der Prompts fordern Erklärungen zu bestehendem Code – mehr als Generierungsrequests. KI wird zum Reverse-Engineer, Doku-Helfer oder Einstiegs-Tool für fremde Codebasen.

Wir verkaufen "weniger coden", aber Entwickler wollen "besser kapieren".

Das Problem der "Experten-Picker"

47 % der Vibe-Coding-Nutzer sind "Expert Nitpickers" – sie hängen dran, prüfen jeden Vorschlag, flicken Kleinigkeiten.

Das ist ineffizient. Wenn du eh alles checkst und änderst, wozu Vibe Coding? Daten raten zum Kooperativen Modus: bessere Effizienz, weniger Risiko.

Diese Picker verschwenden Energie. Sie reviewen KI-Code, den sie selbst schneller schreiben könnten – nur langsamer.

Echte Fail-Beispiele aus dem Datensatz

SWE-chat zeigt echte Pleiten. Ein Dev bittet um Fix für lahme iOS-Animationen. Die KI bastelt am falschen Ort – Karte statt Container.

Mehrfache Korrekturen, null Erfolg. Kein Commit. Die KI checkt keinen Kontext, priorisiert falsch.

Ein anderer Nitpicker korrigiert endlos: "Kein extra Function", "UUID inline", "Konstante umbenennen". Der Dev wirkt wie Reviewer, nicht Programmer.

Was das für dein Team bedeutet

KI-Agents evaluieren? So raten die Daten:

Für Verstehen einsetzen, nicht Schreiben: Erklären klappt besser als Erfinden. Doku statt Creation.

Kooperativen Modus wählen: Die 36,5 % mit Hin-und-Her balancieren Sicherheit, Speed und Zufriedenheit optimal. Vibe Coding lockt, birgt aber hohes Risiko.

Review-Zeit einplanen: Bei KI-Code immer Semgrep, Snyk oder Ähnliches laufen. Die 9-fache Lücken-Steigerung ist real – jetzt in Produktion.

Erfolgsrate messen, nicht Volumen: Wie im Datensatz landest du mit 55 % Wegwerfquote. Das ist Feature, kein Bug. Bewerte Trefferquoten.

Der große Kontext

SWE-chats Stärke liegt in der Brutal-Ehrlichkeit. Echte Devs, echte Flows, echte Entscheidungen.

Es entlarvt den Hype. Keine autonomen Code-Maschinen. Stattdessen interaktive Denk-Hilfen: Vorschläge verwerfen, eng mitmischen.

KI ist stark. Aber kein Zauber. Gewinner sind Devs, die KI als Partner sehen – skeptisch, aktiv, kollaborativ.

Die Daten lügen nicht.

Tiefer einsteigen? Der volle SWE-chat-Datensatz ist open source. Für Tool-Bauer: Diese Patterns formen eure Roadmap. Echtverhalten analysieren schlägt Raten allemal.