Entwickler-Favorit: Cursor übertrifft GitHub Copilot laut Report
Ein aktueller Bericht von LeadDev, einer Organisation, die sich auf Führung in der Softwareentwicklung konzentriert, bietet einen umfassenden Einblick, wie künstliche Intelligenz in die täglichen Arbeitsabläufe von Entwicklern und ihren Organisationen integriert wird. Der erste KI-Impact-Report zeigt eine Landschaft der schnellen Einführung, wobei eine beträchtliche Mehrheit der Engineering-Teams bereits KI-Tools nutzt.
Die Ergebnisse deuten darauf hin, dass zwei Drittel der Entwickler und Engineering-Organisationen aktiv KI-Tools und -Modelle verwenden, was eine weitreichende Akzeptanz der Technologie signalisiert. Weitere 20 % befinden sich in der Proof-of-Concept-Phase, während 13 % das Potenzial von KI erforschen. Bemerkenswerterweise gaben nur 2 % der Befragten an, keinerlei Pläne zur Nutzung von KI-Tools zu haben, was ihren Status als krasse Ausreißer in einer zunehmend KI-getriebenen Branche hervorhebt. Scott Carey, Chefredakteur von LeadDev, zeigte sich fasziniert von diesem kleinen Kontingent und stellte fest, dass KI schnell zu einem integralen Bestandteil der modernen Entwicklung wird.
Bei spezifischen Tools deckte der Bericht einige unerwartete Präferenzen auf. Cursor entwickelte sich zum führenden von Organisationen finanzierten KI-Tool, das von 43 % der Befragten genutzt wird. GitHub Copilot, oft als dominierender Akteur wahrgenommen, folgte dicht dahinter mit 37 %. Andere prominente Tools, darunter OpenAI, Google Gemini, Windsurf und Anthropic’s Claude, bildeten eine mittlere Akzeptanzstufe. Nischen- oder weniger verbreitete Optionen wie Amazon Q, Bedrock, Replit und Lovable verzeichneten minimale Anteile, was angesichts des Fokus der Umfrage auf professionelle Entwickler, die von Organisationen finanzierte Lösungen nutzen, verständlich ist.
Der Bericht beleuchtet auch die Hauptanwendungen von KI in der Entwicklung. Ingenieure nutzen KI und große Sprachmodelle überwiegend für Aufgaben wie Code-Generierung, Zusammenfassungen von Besprechungen, das Entwerfen von Dokumentationen und anderen Inhalten sowie die Erforschung neuer Konzepte. Ihre Nutzung von KI für fortgeschrittenere oder operative Funktionen bleibt jedoch begrenzt. Nur 7 % nutzen KI für Datenanalyse, 7 % für Tests und Qualitätssicherung, 3 % für die Automatisierung von IT-Operationen und lediglich 2 % für die Code-Bereitstellung. Carey bemerkte, dass, trotz der Begeisterung der Anbieter für „KI-DevOps“ und ähnliche Konzepte, Entwickler KI in diesen Bereichen noch nicht tiefgreifend über den gesamten Softwareentwicklungslebenszyklus hinweg integriert haben. Er stellte frustriert fest, dass dies genau die Bereiche sind, in denen KI potenziell den größten Einfluss haben könnte, doch fertige Lösungen sind rar und der Fokus der Anbieter liegt oft anderswo.
Eine kritische Frage, die der Bericht behandelt, betrifft den tatsächlichen Einfluss von KI auf die Produktivität von Entwicklern. Während die Mehrheit der LeadDev-Befragten glaubt, dass KI sie produktiver gemacht hat, gaben 5 % an, dass sich nichts geändert hat, und 10 % fühlten sich weniger produktiv. Bemerkenswerte 26 % waren unsicher oder wussten es nicht, ein Ergebnis, das Carey auf einen weit verbreiteten Mangel an robusten Systemen zur Verfolgung der Entwicklerproduktivität innerhalb von Organisationen zurückführte. Diese Wahrnehmung steht in scharfem Kontrast zu einem früheren Bericht von METR, der darauf hindeutete, dass Entwickler, obwohl sie dachten, KI würde ihre Produktivität verbessern, diese Tools sie tatsächlich um 19 % verlangsamten. Diese Diskrepanz hebt ein potenzielles „Produktivitätsparadoxon“ hervor, bei dem wahrgenommene Gewinne nicht immer mit messbaren Ergebnissen übereinstimmen.
Mit Blick auf die Zukunft untersuchte der Bericht auch die Auswirkungen der KI-Einführung auf die zukünftige Arbeitskraft, insbesondere für Junior-Ingenieure. Eine signifikante Mehrheit (54 %) der Befragten glaubt, dass ihre Organisationen langfristig weniger Junior-Entwickler einstellen werden. Diese Verschiebung deutet darauf hin, dass sich die Rollen von Einstiegsingenieuren entwickeln könnten, wobei der Fokus mehr auf der Überwachung von KI-Agenten als auf traditionellen Codierungsaufgaben liegen wird.