Wenn wir auf Shift/Work über KI im Digital Workplace diskutieren, ging es lange vor allem um persönliche Produktivität: Dokumente zusammenfassen, Texte formulieren, Informationen schneller finden. In der Softwareentwicklung ist die Debatte inzwischen weiter. Dort beauftragen Entwicklerinnen und Entwickler Agenten mit vollständigen Arbeitspaketen, verfolgen deren Ergebnisse und steuern die Weiterentwicklung eines Produkts zunehmend auf einer höheren Ebene. Uns interessiert dabei vor allem, was diese Veränderung über die künftige Organisation von Wissensarbeit insgesamt verrät.

Mit diesem Beitrag starten wir unsere Serie From Knowledge Work to Agentic Work. Im ersten Teil betrachten wir, wie sich die Aufgaben und Kompetenzanforderungen durch agentisches Coding verändern. Der zweite Teil widmet sich der Orchestrierung der Arbeitssysteme, der dritte der Frage, warum die Ordnung des Wissens wieder wichtig wird.

In der Softwareentwicklung wird die Verschiebung zuerst sichtbar

Die Softwareentwicklung eignet sich als Beobachtungsfeld, weil KI-Unterstützung hier früh und in unterschiedlichen Formen in die praktische Arbeit vorgedrungen ist. Dabei lassen sich drei Arbeitsmodi unterscheiden. Beim klassischen Human Coding schreibt der Mensch den Code selbst. Beim AI-Assisted Coding unterstützt KI mit Vorschlägen und einzelnen Implementierungsschritten, die Menschen prüfen und integrieren. Im Agentic Development werden auch größere Arbeitspakete delegiert: Agenten analysieren bestehende Implementierungen, setzen Features um, führen Tests aus, beheben Fehler und passen Dokumentationen an.

Diese Arbeitsmodi bilden keine feste Entwicklungsfolge. Sie existieren parallel und werden je nach Aufgabe, technischer Umgebung, erforderlicher Qualitätssicherung und Handlungsspielraum eingesetzt.

Wie früh sich eine andere Form der Zusammenarbeit mit KI abzeichnete, zeigt der Anthropic Economic Index zur Softwareentwicklung vom April 2025. Bei der Auswertung von 500.000 Coding-Interaktionen wurden im damals noch jungen Claude Code bereits 79 Prozent als Automatisierung klassifiziert, gegenüber 49 Prozent beim allgemeinen Chat-Assistenten Claude.ai. Die Zahlen beschreiben die damaligen Nutzungsmuster, nicht den Anteil automatisierter Entwicklungsarbeit. Angesichts der schnellen Weiterentwicklung agentischer Coding-Werkzeuge sind sie heute vor allem als historischer Befund interessant.

Wie sich die Arbeitsweise seitdem verändert hat, dokumentiert eine Anthropic-Untersuchung zur Agentenautonomie vom Februar 2026. Erfahrene Claude-Code-Nutzende lassen den Agenten häufiger ohne einzelne Freigaben arbeiten und greifen stattdessen gezielt während der Ausführung ein. Auch die Dauer besonders langer, zusammenhängender Agentenaktivitäten ist gestiegen. Damit verschiebt sich die menschliche Tätigkeit zunehmend von der Begleitung einzelner Coding-Schritte zur Steuerung und Überwachung länger laufender Arbeitsaufträge.

Die Arbeit wandert vom Code zu Konzepten und Backlogs

Konzepte, Tickets und Backlogs gehören seit Langem zur Softwareentwicklung. Bisher dienten sie vor allem dazu, menschliche Entwicklungsarbeit zu planen und zu koordinieren. Bei agentischer Entwicklung werden sie zunehmend zur unmittelbaren Grundlage der Ausführung. Anforderungen müssen dafür ausreichend präzise sein. Fachliche Unklarheiten, fehlende Randbedingungen oder widersprüchliche Vorgaben können sich unmittelbar auf die Implementierung auswirken.

Damit verändert sich auch der Gegenstand menschlicher Arbeit. Wer ganze Entwicklungspakete delegiert, beschäftigt sich stärker mit Produktideen, fachlichen Konzepten, Spezifikationen, Architekturprinzipien und Qualitätskriterien. Hinzu kommen die Bewertung der Ergebnisse und die Formulierung weiterer Aufträge. Während ein Agent ein Arbeitspaket bearbeitet, kann der Mensch bereits die nächste Anforderung ausarbeiten oder die Weiterentwicklung des Produkts planen.

Ob dadurch tatsächlich mehr Zeit für konzeptionelle und innovative Arbeit entsteht, ist allerdings offen. Zusätzliche Steuerungs-, Integrations- und Prüfaufgaben können die gewonnene Zeit teilweise oder vollständig beanspruchen. Entscheidend ist deshalb, wie die gesamte Arbeit organisiert wird und wie viel Aufwand für die verlässliche Fertigstellung eines Ergebnisses entsteht.

Was die Studien über Produktivität zeigen und wo ihre Grenzen liegen

Die bisherigen Forschungsergebnisse zeichnen kein einheitliches Bild. Eine Auswertung von drei randomisierten Feldexperimenten bei Microsoft, Accenture und einem weiteren Großunternehmen mit zusammen 4.867 Entwickelnden (Cui et al., Management Science 2026) ermittelte im Durchschnitt rund 26 Prozent mehr abgeschlossene Aufgaben mit KI-Unterstützung. Weniger erfahrene Entwickelnde nutzten die Werkzeuge häufiger und profitierten stärker. Untersucht wurden allerdings Coding-Assistenten, die intelligente Codevervollständigungen vorschlagen, nicht die Delegation ganzer Entwicklungspakete an Agenten.

Einen Gegenbefund lieferte METR im Juli 2025. In einer randomisierten Studie mit 16 erfahrenen Open-Source-Entwicklern und 246 Aufgaben benötigten die Beteiligten mit KI im Durchschnitt 19 Prozent mehr Zeit, obwohl sie zuvor eine Zeitersparnis von 24 Prozent erwartet hatten. Auch dieser Befund beschreibt eine frühere Werkzeuggeneration und ein spezifisches Aufgabenspektrum. Er lässt sich nicht als Aussage über die Produktivität heutiger Coding-Agenten verwenden. Ein Update vom Februar 2026 deutet auf mögliche Zeitgewinne mit neueren Systemen hin. Wegen erheblicher Selektionseffekte und Messproblemen bewertet METR die neueren Ergebnisse jedoch nur als sehr schwache Evidenz.

Die Studien untersuchen unterschiedliche Werkzeuge, Aufgaben und Nutzungssituationen. Hinzu kommt die schnelle technische Entwicklung, durch die ältere Ergebnisse als Momentaufnahmen betrachtet werden müssen. Ihre Zahlen lassen sich deshalb weder unmittelbar gegeneinander aufrechnen noch als aktuelle Produktivitätswerte für agentische Entwicklung verwenden. Mit zunehmender Delegation wird zudem die Frage wichtiger, welche Arbeit überhaupt gemessen wird: die unmittelbare Bearbeitungszeit, die Zahl abgeschlossener Aufgaben oder der gesamte Aufwand einschließlich Steuerung, Integration und Qualitätssicherung.

Eine organisationale Perspektive ergänzt der DORA-Report 2025 von Google, der auf Befragungen von fast 5.000 Technologie-Fachkräften und umfangreicher qualitativer Forschung beruht. KI wirkt nach den Ergebnissen als Verstärker bestehender organisatorischer Stärken und Schwächen. Wie viel Nutzen KI-Unterstützung entfaltet, hängt damit wesentlich von den Arbeitspraktiken, technischen Voraussetzungen und organisatorischen Rahmenbedingungen ab.

Von der Ausführung zur Steuerung: Wie sich die Wissensanforderungen verändern

Die Verschiebung lässt sich mit etablierten Begriffen aus der Wissens- und Kompetenzforschung genauer beschreiben. In der Wissenstaxonomie von Anderson und Krathwohl (2001) wird unter anderem zwischen prozeduralem und metakognitivem Wissen unterschieden. Prozedurales Wissen (Procedural Knowledge) umfasst das Wissen über Methoden, Verfahren und die konkrete Ausführung einer Aufgabe. Metakognitives Wissen (Metacognitive Knowledge) betrifft das Wissen über eigene Denk- und Problemlösungsstrategien. Strategisches und konditionales Wissen, also das Verständnis, welche Vorgehensweisen unter welchen Bedingungen angemessen sind, ist in dieser Taxonomie den prozeduralen und metakognitiven Wissensbereichen zugeordnet. Die fachliche Grundlage bilden darüber hinaus Fakten- und Konzeptwissen.

Auf die agentische Softwareentwicklung übertragen, lässt sich eine Verschiebung der menschlichen Wissensanwendung beobachten. Während Agenten zunehmend einzelne Ausführungsschritte übernehmen, beschäftigen sich Menschen stärker mit der Auswahl geeigneter Vorgehensweisen, der Festlegung von Anforderungen und Grenzen sowie der Bewertung von Ergebnissen. Wir beschreiben diese Entwicklung als Verlagerung von ausführungsbezogener zu steuerungsbezogener Wissensanwendung. Es handelt sich dabei um eine Veränderung der Tätigkeitsschwerpunkte, nicht um neue Kategorien der Wissenstaxonomie.

Die Verantwortung für ein Ergebnis bleibt bestehen, obwohl Menschen nicht mehr jeden Schritt seiner Entstehung selbst ausführen oder unmittelbar verfolgen. In der Softwareentwicklung zeigt sich dies beispielsweise an einer Qualitätssicherung, die neben der Prüfung einzelner Codeänderungen stärker auf Anforderungen, Architektur, automatisierte Tests und das Verhalten des Gesamtsystems ausgerichtet wird. Gefordert sind damit strategisches und konditionales Wissen sowie fachliches Urteilsvermögen, das über die Überprüfung vorgegebener Kriterien hinausgeht.

Diese Entwicklung macht prozedurales Wissen allerdings nicht überflüssig. Tests erfassen nur die Anforderungen und Fehlerklassen, für die sie ausgelegt sind. Architekturprobleme, Sicherheitslücken oder fachliche Fehlannahmen können unentdeckt bleiben, wenn niemand mehr ausreichend versteht, wie die zugrunde liegenden Systeme funktionieren. Steuerungsbezogenes Wissen setzt deshalb in vielen Bereichen weiterhin fundiertes Ausführungswissen voraus. Wie viel praktische Erfahrung und fachliche Tiefe Menschen benötigen, um agentische Arbeit verlässlich beurteilen zu können, wird zu einer wichtigen Frage für Kompetenzentwicklung und Arbeitsorganisation.

Drei Lehren für die Reorganisation von Wissensarbeit

Softwareentwicklung ist kein Modell, das sich unmittelbar auf andere Bereiche der Wissensarbeit übertragen lässt. Versionskontrolle, automatisierte Tests und isolierte Ausführungsumgebungen bieten dort Kontrollmöglichkeiten, die beispielsweise in Kommunikation, Analyse oder Verwaltung häufig fehlen oder anders gestaltet werden müssen. Dennoch lassen sich aus der Entwicklung drei organisatorische Anforderungen ableiten.

Arbeitsaufträge werden zum Steuerungsinstrument. Wer Arbeit an Agenten übergibt, muss Ziele, Anforderungen, relevante Rahmenbedingungen und Qualitätskriterien so beschreiben, dass eine Ausführung ohne permanente Rückfragen möglich wird. Damit gewinnen Praktiken an Bedeutung, die in der Softwareentwicklung bereits etabliert sind: die systematische Beschreibung von Arbeitspaketen, die Pflege von Backlogs und die Definition von Abnahmekriterien. Für andere Wissensarbeit stellt sich die Frage, welche Aufgaben sich ähnlich präzise beschreiben lassen und wo ein stärker dialogisches Vorgehen notwendig bleibt.

Delegation braucht Prüfinfrastruktur. Die Softwareentwicklung zeigt, welche Möglichkeiten entstehen, wenn sich Ergebnisse systematisch prüfen lassen. Für andere Arbeitsbereiche muss geklärt werden, wie die Qualität einer agentisch ausgeführten Aufgabe beurteilt wird, welche Prüfungen automatisiert erfolgen können und wo menschliches Urteil notwendig bleibt. Der METR-Befund erinnert daran, dass Steuerungs-, Prüf- und Korrekturaufwand bei der Bewertung von Produktivität berücksichtigt werden müssen.

Kompetenzentwicklung muss die veränderte Arbeitsteilung berücksichtigen. Wenn Menschen operative Arbeit seltener selbst ausführen, können sich ihre praktischen Erfahrungsgrundlagen verändern. Gleichzeitig verändern sich die Anforderungen an strategisches und konditionales Wissen, fachliches Urteilsvermögen und den Umgang mit Unsicherheit. Unternehmen müssen deshalb klären, wie Mitarbeitende ausreichend prozedurales und fachliches Wissen aufbauen und erhalten, während ihre Tätigkeiten stärker auf die Steuerung und Bewertung agentischer Arbeit ausgerichtet werden.

Diese Verschiebung betrifft auch Führung und Organisation. Welche neuen Anforderungen daraus für Führung entstehen, haben wir in unserem Beitrag zu den fünf Entwicklungsstufen der Führung im KI-Zeitalter diskutiert. Die organisatorischen Konsequenzen werden auch in unserer Einordnung zu Frontier Firms und Work Charts aufgegriffen.

Wie es weitergeht

Agentische Softwareentwicklung macht eine Veränderung sichtbar, die auch für andere Wissensarbeit relevant werden kann: Die menschliche Tätigkeit konzentriert sich stärker auf die Beschreibung von Arbeit, die Bereitstellung fachlichen Kontexts und die Verantwortung für Ergebnisse. Wie weit sich diese Entwicklung übertragen lässt, hängt insbesondere davon ab, wie Aufgaben, Handlungsspielräume und Qualitätsprüfungen organisiert werden.

Damit stellt sich die nächste Frage: Wie gestalten Unternehmen Arbeitssysteme, in denen Menschen, KI-Agenten und festgelegte Prozessschritte gemeinsam Ergebnisse erzeugen? Dieser Frage widmet sich der zweite Teil unserer Serie From Knowledge Work to Agentic Work. Die übergreifenden Herausforderungen für die Neugestaltung von Arbeit und Zusammenarbeit greifen wir auch beim Shift/Work Smart Work & Employee Communications SUMMIT am 12. November 2026 auf.