Nach dem Überfluss an KI-Code sind die Anbieter von Diensten zur Beseitigung von unbrauchbarem Müllcode, die umgangssprachlich als „Code-Toilettenreiniger“ gelten, um das Zehnfache teurer geworden.

Wer regelmäßig KI zum Schreiben von Code nutzt, weiß, dass es nicht schwer ist, ein lauffähiges Programm zu erstellen – aber wenn man nicht aufpasst, wird die Datei aus unerklärlichen Gründen um ein Vielfaches größer.

Ich habe einmal aus einer Laune heraus die KI gebeten, eine Website für mich zu erstellen. Obwohl sie mit wenigen Sätzen generiert wurde, habe ich bei einem ersten Blick festgestellt, dass sie mir über zweitausend Zeilen chaotischen "Spaghetticode" erzeugt hat.

Bevor die KI-Programmierung verbreitet war, war das Schreiben von Code der zeitaufwendigste Teil der Arbeit. Aber heute ist KI so leistungsfähig, dass Code, der früher Stunden oder sogar Tage brauchte, um fertiggestellt zu werden, jetzt in wenigen Minuten erstellt werden kann.

Aber das Problem ist: Der Code stapelt sich, und die schmutzige Arbeit, um nutzbaren Code aus diesem Durcheinander zu filtern, stapelt sich ebenfalls.

KI kann Hunderte von Codezeilen in einer Minute schreiben, aber Unternehmen können diesen Code nicht direkt an Millionen von Nutzern weitergeben, nur weil er notdürftig läuft.

Ein Unternehmen, das für den von KI generierten Code die "notwendige Reinigungsarbeit" übernimmt, hat dadurch seine Bewertung um fast das Zehnfache gesteigert.

Am 12. August berichtete TechCrunch, dass Blacksmith, das Infrastruktur für Continuous Integration (CI) für GitHub Actions anbietet, eine Serie-B-Finanzierung in Höhe von 45 Millionen US-Dollar abgeschlossen hat, mit einer Bewertung von 550 Millionen US-Dollar. Vor weniger als einem Jahr lag seine Bewertung noch bei etwa 60 Millionen US-Dollar.

Blacksmith hat keine intelligentere KI erfunden und übernimmt auch nicht das Schreiben von Code für Programmierer. Es erledigt die Aufgaben, die übrig bleiben, nachdem die KI den Code geschrieben hat: Tests durchführen, Build-Prozesse ausführen und überprüfen, ob dieser von KI generierte Code sicher in die eigentliche Software integriert werden kann.

Was seinen Wert sprunghaft gesteigert hat, ist nicht das Testen an sich, sondern die Tatsache, dass die Menge an zu verarbeitendem Code immer größer wird.

Der von KI geschriebene Code ist für Menschen nicht mehr vollständig zu überblicken

Blacksmith hat schon früh festgestellt, dass die Menge an Code etwas zu groß geworden ist.

Im September 2025 gab das Unternehmen bei der Ankündigung seiner Serie-A-Finanzierung bekannt, dass nach Ausschluss des Einflusses der wachsenden Entwicklerzahl die Menge an ausgeführten Continuous-Integration-Aufgaben seiner bestehenden Kunden durchschnittlich um 60 % pro Quartal gestiegen ist.

Blacksmith führt diese Veränderung auf die Explosion von KI-Programmierwerkzeugen zurück – schließlich hat ein Mensch nur 24 Stunden am Tag, die Menge an Code, die er erstellen kann, ist begrenzt, und für die anschließenden Tests, Builds und Code-Reviews gibt es natürlich auch eine Obergrenze.

Aber die explosionsartige Verbreitung von Coding Agents hat diese Situation verändert.

Die meisten heutigen Programmieragenten können Codebasen lesen, mehrere Dateien bearbeiten, Tests ausführen und die Ergebnisse an Menschen weitergeben, statt Programmierern nur ein paar Zeilen Code zu ergänzen. Noch wichtiger ist: Agenten müssen weder Feierabend machen noch schlafen, sie können mehrere Subagenten einteilen, eine komplexe Aufgabe in Teile zerlegen und mehrere unterschiedliche Arbeiten gleichzeitig erledigen.

Damit löst sich die Codeproduktion von der Einschränkung "so viele Hände wie Programmierer" und geht von der handwerklichen Werkstatt in das industrielle Zeitalter über.

Die Arbeitsweise von Boris Cherny, Leiter von Claude Code, ähnelt bereits einer kleinen Code-Fabrik.

Dieses Jahr im Juni sagte Boris Cherny auf der Fortune Brainstorm Tech Konferenz, dass er seit 8 Monaten keine einzige Zeile Code mehr handschriftlich geschrieben hat.

Stattdessen verwaltet er eine immer größer werdende Mannschaft von Agenten. Boris gab an, dass er am Morgen des Konferenztages gleichzeitig "Hunderte" von Agenten verwaltet; manchmal steigt diese Zahl auf Tausende oder sogar Zehntausende.

OpenAI hat auch ein ziemlich extremes Experiment durchgeführt, um zu sehen, wie weit diese Veränderung die Codeproduktion vorantreiben kann.

Ende August 2025 begann ein Team von OpenAI, das ursprünglich nur 3 Ingenieure umfasste, mit einer leeren Codebasis und entwickelte mit Codex eine interne Software.

Die Regeln waren einfach: Menschen schreiben keinen Code direkt, Anwendungslogik, Tests, CI-Konfiguration, Dokumentation, Observability und interne Tools werden vollständig von Codex generiert.

Fünf Monate später war diese Codebasis auf etwa 1 Million Zeilen angewachsen, und in dieser Zeit wurden etwa 1500 Pull Requests (PR) abgeschlossen. OpenAI schätzt, dass die gleiche Arbeit, wenn sie vollständig von Menschen handschriftlich erledigt würde, etwa zehnmal so viel Zeit in Anspruch nehmen würde.

Interessanterweise gab OpenAI an, dass sie oft sehen, dass einzelne Codex-Aufgaben länger als 6 Stunden ununterbrochen arbeiten, und oft arbeiten die Agenten weiter, wenn die Menschen schon schlafen.

Die Obergrenze der Codeproduktion löst sich so von der Arbeitszeit der Menschen.

Aber bald taucht ein neues Problem auf: Code wird so schnell geschrieben, dass Menschen ihn nicht mehr überblicken können.

OpenAI schrieb direkt in diesem Experiment: Mit steigendem Codedurchsatz wird der neue Flaschenhals, auf den sie stoßen, die "menschliche QA-Fähigkeit".

Denn egal wie viel Code ein Agent schreiben kann, die Zeit und Energie der Menschen ist schließlich begrenzt.

Dieses Team widmet jeden Freitag einen ganzen Tag ausschließlich der Beseitigung des sogenannten "KI-Slop", also des chaotischen Spaghetticode, den die KI erzeugt. Das kommt normalerweise von den Nebenwirkungen, die Agenten bei der schnellen Codeerzeugung mit sich bringen: zum Beispiel doppelte oder fehlerhafte Implementierungsmuster, inkonsistente Codestile und sich ständig ansammelnde technische Schulden im System.

Aber bald konnte auch diese Arbeit nicht mehr bewältigt werden.

Also übertrug OpenAI auch die Arbeit der "Nachbesserung" an Agenten: Hintergrund-Codex-Aufgaben scannen regelmäßig die Codebasis, entdecken Probleme und reichen automatisch Refaktorisierungs-PRs ein. Sogar eine große Anzahl von Code-Reviews wird inzwischen an Agenten übergeben, die sich gegenseitig prüfen, und Menschen greifen nur ein, wenn eine Beurteilung erforderlich ist.

Das heißt, KI taucht jetzt an beiden Enden der Produktionslinie auf: Auf der einen Seite erzeugt sie massenhaft Code, auf der anderen Seite hilft sie den Menschen, Probleme in diesem Code zu finden.

Aber die mittleren Aufgaben, die tatsächlich vollständig ausgeführt werden müssen – Tests, Builds und CI-Aufgaben – sind nicht verschwunden.

Blacksmith hat einen sehr direkten Satz formuliert: Wenn jede Codeänderung noch eine Stunde braucht, um getestet zu werden, hat ein Coding Agent, der 100-mal schneller als ein Mensch ist, keinen großen Nutzen.

KI hat den Flaschenhals der Softwareentwicklung nicht beseitigt.

Sie hat den Flaschenhals nur von "Wie schreibe ich diesen Code überhaupt?" zu "Wie überprüfe ich diese riesige Menge an Code überhaupt?" verschoben.

Nach dem Überangebot an KI-Code ist das Unternehmen, das den Code "reinigt", zehnmal so viel wert

Um zu verstehen, warum Blacksmith seine Bewertung in weniger als einem Jahr von 60 Millionen auf 550 Millionen US-Dollar gesteigert hat, muss man zuerst das Hauptgeschäft dieses Unternehmens klären.

Ein Stück Code hat noch einen langen Weg vor sich, nachdem es von einem Programmierer geschrieben wurde, bis es tatsächlich auf dem Handy oder Computer des Nutzers erscheint.

Wenn du zum Beispiel einen neuen Zahlungsbutton zu einer Einkaufswebsite hinzufügst, musst du nach dem Schreiben des Codes zuerst sicherstellen, dass er normal kompiliert werden kann; dann führst du automatische Tests aus, um zu sehen, ob der Button funktioniert; danach führst du weitere Tests durch, um zu bestätigen, dass diese Änderung nicht versehentlich die Anmelde-, Warenkorb- oder Rückerstattungsfunktion beschädigt hat.

Diese Dinge werden normalerweise zu einer automatischen Pipeline organisiert: Jedes Mal, wenn ein Programmierer Code einreicht, zieht der Rechner den Code automatisch herunter, baut die Software neu aus, führt Tests aus und überprüft die Ergebnisse. Wenn Probleme gefunden werden, wird der Code zurückgeschickt. Erst wenn alle Prüfungen bestanden sind, ist der Code berechtigt, weitergeleitet zu werden.

Diese Pipeline heißt Continuous Integration (CI).

GitHub Actions von GitHub selbst ist eines der bekanntesten CI-Tools.

Was Blacksmith tatsächlich macht, ist die "Ausführungsebene" unterhalb dieser Pipeline.

GitHub Actions legt fest "Welche Tests sollen in welcher Reihenfolge ausgeführt werden", Blacksmith stellt die tatsächliche Rechenumgebung zur Verfügung, um diese Aufgaben auszuführen.

Mit anderen Worten: Blacksmith hilft dir nicht dabei, Testregeln zu schreiben, sondern stellt Rechner zur Verfügung, um die Aufgaben für Build, Test und Bereitstellung tatsächlich auszuführen.

Sein ursprüngliches Verkaufsargument war auch direkt: GitHub Actions schneller und günstiger zu machen.

Nach Angaben von Blacksmith nutzt es CPUs mit hoher Single-Core-Leistung, lokalen Cache und NVMe-Speicher, um diese Aufgaben auszuführen. Die meisten CI-Aufgaben laufen etwa doppelt so schnell wie auf den von GitHub gehosteten Servern; einige Docker-Builds erhalten eine noch stärkere Beschleunigung, wenn der Cache aktiv ist. Für Entwickler erfordert die Migration möglicherweise nur die Änderung einer Zeile in der GitHub-Actions-Konfiguration.

Der Gründer von Blacksmith beschrieb später, dass CI im Wesentlichen die "Rohrleitungsarbeit der Entwickler" ist. Sie scherzten sogar, dass sie CI "zumindest einmal sexy machen" wollen.

Aber die KI-Programmierung hat genau das, was früher unscheinbar war, zu einem Vorteil gemacht: Früher reichten Programmierer mehrmals am Tag Code ein, und CI lief entsprechend oft; jetzt können Agenten Code kontinuierlich ändern, wiederholt versuchen und parallel Subagenten aufrufen, jede Änderung löst eine neue Runde von Build, Test und Überprüfung aus.

Blacksmith erwähnte bereits bei der Serie-A-Finanzierung, dass mit der Entwicklung von KI-Code-Generierungstools die schnelle Zunahme der Codemenge CI an einen neuen Flaschenhals bringt. Aus diesem Grund verlässt sich Blacksmith nicht einfach auf allgemeine Cloud-Computing-Ressourcen, sondern optimiert seine eigene Hardware und Software-Stack für CI-Aufgaben, bietet schnellere Ausführungsgeschwindigkeit, höhere Parallelfähigkeit und eine für Testprozesse geeignete Rechenumgebung.

Je besser KI Code schreiben kann, desto mehr Rechner muss Blacksmith betreiben. Diese "schmutzige Arbeit", die früher im Hintergrund der Softwareentwicklung verborgen war, wird so von KI vergrößert.

Im September 2025 bediente Blacksmith bereits etwa 800 Organisationen; weniger als ein Jahr später ist diese Zahl auf über 5000 angestiegen.

Die Anzahl der Mitarbeiter des Unternehmens stieg von etwa 10 auf rund 30, und der annualisierte Umsatz erreichte den Bereich "mehrere zehn Millionen US-Dollar" von früher 10 Millionen US-Dollar. Nach Berichten von TechCrunch geben einige der größten Kunden inzwischen jährlich über 1 Million US-Dollar für Blacksmith aus.

Das heutige Blacksmith gibt sich nicht damit zufrieden, nur eine schnellere CI-Ausführungsebene zu sein, es fängt auch an, KI-Funktionen hinzuzufügen.

Zum Beispiel kann Codesmith Code-Repositorys lesen, Code ändern und PRs erstellen, auch kann es helfen, Probleme basierend auf CI-Fehlermeldungen zu lokalisieren und zu beheben; Test Analytics ist für die Zusammenfassung von Testfehlermeldungen zuständig; Testboxes erstellen für Agenten vorübergehend eine virtuelle Testumgebung, damit sie den gerade geänderten Code tatsächlich ausführen können, und bei Fehlern werden die Ergebnisse an den Agenten zurückgegeben, damit er weiter korrigieren kann.