Der Engpass wandert
17x schneller coden. 1,3x schneller liefern. Wer nur auf das Coden schaut, verpasst, wo die Zeit tatsächlich hängen bleibt.
Es fallen keine Berufe weg. Es fallen Tasks weg. Code schreiben ist so eine Task: Mit KI-Agenten geht sie um ein Vielfaches schneller. Aber am Ende der Kette, beim Release, kommt davon erstaunlich wenig an.
Die Zahlen, die ich dazu gefunden habe, sind ernüchternd. Faros AI hat 22.000 Entwickler in 4.000 Teams gemessen, mit Telemetrie statt mit Umfragen. Das Ergebnis:
- Epics pro Entwickler: +66 %
- Deployments pro Woche: −12 %
- Lead Time bis Produktion: +480 %
- Bugs pro Entwickler: +54 %
Es wird mehr Code produziert und gemergt. Weniger davon erreicht die Produktion. Und was ankommt, verursacht mehr Incidents.
Goldratt hatte es 1984 schon aufgeschrieben
Eliyahu Goldratts Theory of Constraints sagt: In jeder Kette bestimmt das langsamste Glied den Durchsatz. Beschleunigt man ein anderes Glied, wird die Fabrik nicht schneller, sondern chaotischer. Vor dem Engpass staut sich die Arbeit.
Genau das passiert. Und es ist nicht ein Engpass, es sind mehrere:
- Review. KI-Code sieht richtig aus, idiomatisch, gut benannt. Die Fehler liegen tiefer: falsche Annahmen über die Fachlogik, fehlende Randfälle. Wer reviewt, kann nicht mehr überfliegen, sondern muss tief lesen. Die Review-Zeiten steigen, und gleichzeitig wird mehr ohne jedes Review gemergt.
- Aufmerksamkeit. Wenn sechs Agenten-Sessions gleichzeitig etwas von dir wollen, sucht das Gehirn den einfachen Weg. Es ist leicht geworden, etwas anzufangen. Es ist schwerer geworden, es abzuschließen.
- Die Entscheidung vor dem Code. Früher flog ein großer Teil der Ideen aus Kapazitätsgründen raus. Die Knappheit war der Filter. Jetzt ist plötzlich alles machbar, und es zählt nur noch die Qualität der Entscheidung. Die misst praktisch niemand.
Und dahinter die vergessene Kette: Jede Zeile, die live geht, muss betrieben und gewartet werden. Wer schneller baut, muss schneller warten. Mit denselben Menschen.
Mehr Kapazität hilft nicht
Die naheliegende Reaktion: mehr Reviewer, mehr QA, schnellere Pipelines. Goldratt erklärt, warum das nicht reicht. Zusätzliche Kapazität überall außer am Engpass erzeugt nur längere Warteschlangen. Man muss den Engpass selbst angreifen. Was dabei wirkt, hat einen gemeinsamen Nenner: Es verlagert die Arbeit des Menschen vom Erzeugen zum Beurteilen. Wie das konkret aussieht, beschreibe ich in Vom Code-Design zum Harness-Design.
Und dann wandert er weiter
Das ist die unbequeme Pointe der Theory of Constraints: Weitet man den aktuellen Engpass, wird sofort das nächste Glied zum limitierenden. Wenn die Entwicklung mit Agenten in Minuten liefert, sitzt der Engpass stromaufwärts. Bei der Person, die entscheidet, was gebaut werden soll.
In zwanzig Jahren agiler Projekte habe ich oft Product Owner erlebt, die nur zu einem Bruchteil ihrer Zeit verfügbar waren und fachliche Fragen in Tagen beantworteten. Das fiel kaum auf, solange die Entwicklung selbst langsam war. Bei Agenten-Tempo wird jede offene fachliche Frage sofort zum Stillstand. Und eine falsch verstandene Anforderung pflanzt sich schneller fort als je zuvor.
Es braucht deshalb beides in einer Person: Verfügbarkeit und Entscheidungsbefugnis. Ein Proxy, der Fragen beantwortet, aber nicht entscheiden darf, verschiebt die Warteschlange nur.
Was das für Architekten heißt
Für Architekten ist das eine vertraute und zugleich neue Lage. Vertraut, weil Architektur schon immer davon handelte, die richtigen Entscheidungen zur richtigen Zeit zu treffen und die teuren früh. Neu, weil sich die Kosten verschoben haben. Code ist billig geworden. Teuer sind die Entscheidungen, die vor dem Code liegen, und die Prüfung dessen, was danach herauskommt.
KI beschleunigt nicht das Team. Sie verschiebt den Engpass. Wer schneller werden will, muss ihm stromaufwärts folgen, bis zur Ausgangsfrage: Bauen wir überhaupt das Richtige?
Quellen
- Dieser Essay fasst meine LinkedIn-Serie vom Sommer 2026 zusammen: Der neue Engpass, Was gegen den Engpass hilft, Der Engpass wandert weiter: die Fachseite.
- Eliyahu M. Goldratt, Jeff Cox: The Goal, 1984.
- Faros AI: AI Acceleration Whiplash, Telemetrie-Studie mit 22.000 Entwicklern in 4.000 Teams.