Ein Viertel der PRs ist „KI-Müll“, die Linux Foundation veröffentlicht einen neuen Bericht: Die KI beschleunigt die Codeerstellung um 52 %, doch die Open-Source-Maintainer sind erschöpfter als zuvor.
KI-Programmierwerkzeuge verkürzen die Zeit, die Entwickler für das Schreiben von Code benötigen, erheblich, aber die Open-Source-Gemeinschaft zahlt möglicherweise einen anderen Preis für diese Effizienzsteigerung.
Am 20. Oktober veröffentlichte die Linux Foundation ihren neuesten Forschungsbericht mit dem Titel „Navigating Open Source Software Development in the Generative AI Era“, der die Auswirkungen generativer KI auf die Open-Source-Softwareentwicklung, Codebeiträge und die Pflege von Gemeinschaften untersucht.
Der Bericht enthält eine Gruppe von Daten mit deutlichem Kontrast: Die Befragten schätzen, dass der durchschnittliche Zeitaufwand für Code-Schreibaufgaben nach der Verwendung generativer KI um 52 % gesunken ist; gleichzeitig schätzen die Pfleger von Open-Source-Projekten, dass etwa 25 % der erhaltenen Pull Requests (PR, Pull-Anfragen) zu qualitativ minderwertigen Beiträgen gehören, die als „AI slop“ (KI-Müllinhalt) bezeichnet werden. Bei großen Open-Source-Projekten steigt dieser Anteil weiter auf 31 %. 59 % der Pfleger gaben an, dass die Anzahl der Codebeiträge, die das Projekt seit dem Aufstieg der generativen KI erhalten hat, gestiegen ist; bei großen Projekten erreicht dieser Anteil 69 %.
KI macht das Einreichen von Code immer einfacher, aber ob die Pfleger mit dem Wachstumstempo des Codes Schritt halten können, ist zu einem neuen Problem geworden.
1 KI schreibt Code schneller, aber bei komplexen Aufgaben spart sie nicht unbedingt Zeit
Diese Studie der Linux Foundation wurde von LF Research veröffentlicht, von Red Hat gesponsert und von Futurewei, OpenSSF sowie LF AI & Data unterstützt.
Die Linux Foundation erklärte in ihrer offiziellen Mitteilung, dass die Steigerung der Effizienz der Open-Source-Entwicklung durch generative KI mehrere Gliederungen abdeckt und weit über die Code-Generierung hinausgeht. Bei den sechs in der Studie behandelten Arten von Open-Source-Entwicklungsaktivitäten berichteten die Befragten über unterschiedlich starke Zeitersparnisse. Der durchschnittliche Rückgang des Zeitaufwands für das Schreiben von Code war mit 52 % am größten; selbst bei kommunikativen Aufgaben wie der Diskussion von Vorschlägen wurde eine Zeitersparnis von etwa 19 % erzielt.
Diese Effizienzsteigerung gilt jedoch nicht für alle Szenarien. Bei Aufgaben mit hoher Komplexität gaben 21 % der Befragten an, dass die Verwendung generativer KI im Gegenteil mehr Zeit in Anspruch nimmt. Das bedeutet, dass die Effizienzvorteile, die KI bei der Generierung von Code und der Bearbeitung routinemäßiger Entwicklungsaufgaben zeigt, nicht unbedingt direkt in eine Gesamteffizienzsteigerung bei komplexen Aufgaben der Softwaretechnik umgewandelt werden können.
Die eingesparte Zeit wurde auch nicht vollständig in mehr Code-Ausstoß umgewandelt. 66 % der Befragten gaben an, dass sie die Effizienzgewinne für die Verwaltung technischer Schulden verwenden, 63 % für die Entwicklung neuer Funktionen und 58 % für das Lernen und die Verbesserung ihrer Fähigkeiten.
Diese Daten zeigen, dass KI-Werkzeuge die Art und Weise verändern, wie Entwickler ihre Zeit verteilen. Die Verbesserung der individuellen Effizienz von Entwicklern bedeutet jedoch nicht, dass der gesamte Open-Source-Kooperationsprozess gleichermaßen von den Gewinnen profitieren kann.
2 Ein Viertel der PR wird als „KI-Müll“ eingestuft, der Druck auf die Pfleger steigt
Verglichen mit der Effizienz beim Schreiben von Code ist im Bericht der Druck, der auf der Pflegephase von Open Source lastet, bemerkenswerter.
59 % der Pfleger berichteten von einer Zunahme der Anzahl von Codebeiträgen, aber diese neuen Beiträge lassen sich nicht alle direkt in Projektwerte umwandeln. Nach Schätzungen der Pfleger gehört etwa ein Viertel der erhaltenen PR zu den Inhalten mit geringer Qualität. Bei großen Projekten erreicht dieser Anteil 31 %.
Das hier genannte „AI slop“ bezieht sich in der Regel auf KI-unterstützte Beiträge von schlechter Qualität, die keine ausreichende Überprüfung aufweisen oder bei denen die Pfleger viel Aufwand betreiben müssen, um ihren Wert zu beurteilen. Es ist hervorzuheben, dass dieser Anteil auf Schätzungen der Befragten aus der Umfrage beruht und keine objektive Statistik darstellt, die von Forschern nach der Prüfung jeder einzelnen PR auf Plattformen wie GitHub ermittelt wurde. Es bedeutet auch nicht, dass alle qualitativ minderwertigen PR nachweislich von KI generiert wurden.
Aber der durch diese Daten widergespiegelte Pflegedruck verdient Beachtung.
In der Vergangenheit mussten Entwickler viel Zeit darauf verwenden, die Projektstruktur zu verstehen, Code zu schreiben und Tests auszuführen, bevor sie eine PR einreichen konnten. Mit der Verbreitung von KI-Coding-Werkzeugen ist die Schwelle für die Generierung von Code und das Einreichen von Änderungen deutlich gesunken. Für Beitragende kann das Einreichen einer Code-Änderung nur sehr kurze Zeit dauern; für Pfleger erfordert es nach wie vor Aufwand, um zu beurteilen, ob dieser Code korrekt ist, der Projektarchitektur entspricht und keine Sicherheitsprobleme einbringt.
Insbesondere bei großen Open-Source-Projekten müssen die Pfleger auch Probleme wie Code-Kompatibilität, langfristige Pflegekosten, Kommunikation mit Beitragenden und Projektverwaltung bearbeiten.
Die Linux Foundation weist in dem Bericht darauf hin, dass die Erschöpfung der Pfleger zu den auffälligsten Sorgen großer Open-Source-Projekte geworden ist.
Diese Veränderung führt auch zu einer neuen Messdimension für das Produktivitätsproblem von KI-Coding: Wenn die Kosten für die Code-Generierung stark sinken, aber die Kosten für die Code-Überprüfung, -Prüfung und -Pflege nicht gleichzeitig sinken, können die Effizienzgewinne unter verschiedenen Rollen neu verteilt werden.
3 71 % sind der Meinung, dass KI die Open-Source-Schwelle senkt, aber das Vertrauen in die Gemeinschaft steigt nicht gleichzeitig
Es gibt auch einen weiteren Widerspruch bei den Auswirkungen von KI auf die Open-Source-Gemeinschaft.
Die Umfrage zeigt, dass 71 % der Pfleger zustimmen, dass generative KI die Schwelle für die Teilnahme an Open-Source-Projekten senkt. Das bedeutet, dass mehr Entwickler ohne spezifische Kenntnisse in Programmiersprachen, Frameworks oder Projekterfahrung die Möglichkeit haben, mithilfe von KI-Werkzeugen an der Open-Source-Zusammenarbeit teilzunehmen.
Gleichzeitig stimmen 53 % der Pfleger der Aussage „Generative KI verbessert das Vertrauen in die Gemeinschaft“ nicht zu.
Die Zusammenarbeit in der Open-Source-Gemeinschaft hängt von vielen Faktoren ab, die über den Code hinausgehen. Die Pfleger müssen nicht nur wissen, ob ein Codeabschnitt ausgeführt werden kann, sondern auch beurteilen, ob der Beitragende den Inhalt der Änderung versteht, die Designentscheidungen erklären kann und in der Lage ist, den Code bei späteren Problemen weiter zu pflegen.
KI kann Entwicklern helfen, schnell Änderungsvorschläge zu generieren, aber sie kann nicht automatisch das Vertrauen zwischen Beitragenden und Pflegern aufbauen.
Der Bericht stellt zudem fest, dass 46 % der Pfleger der Meinung sind, dass generative KI den Bedarf an Anleitung für neue Beitragende erhöht; 32 % sind der Ansicht, dass dieser Bedarf verringert wurde.
Dies zeigt auch, dass KI zwar die technische Schwelle für neue Entwickler senkt, in die Open-Source-Gemeinschaft einzutreten, aber Neueinsteiger müssen dennoch Projektrichtlinien, Kooperationsprozesse und Praktiken der Softwaretechnik verstehen. Ein Teil der Arbeit, die ursprünglich für die Anleitung beim Schreiben von Code verwendet wurde, verschiebt sich möglicherweise hin zur Code-Prüfung, Erklärung von Problemen und Verwaltung der Qualität von Beiträgen.
4 Nur 35 % der Projekte haben eine formelle Richtlinie für KI-Beiträge festgelegt
Angesichts des rasanten Wachstums von KI-unterstützten Codebeiträgen haben die Verwaltungsmechanismen der Open-Source-Gemeinschaft noch nicht vollständig Schritt gehalten.
Die Umfrageergebnisse der Linux Foundation zeigen, dass nur 35 % der Projekte formelle Richtlinien festgelegt haben, die die Verwendung generativer KI bei Codebeiträgen ausdrücklich erlauben. Weitere 32 % der Projekte haben weder entsprechende Richtlinien noch Pläne, solche Richtlinien zu erstellen. Auf der Seite der Beitragenden gaben 61 % der Befragten an, dass sie vor dem Einreichen von KI-generiertem Code eine detaillierte Überprüfung und vollständige Funktionstests durchführen. Die Offenlegung der KI-Nutzung fehlt jedoch noch an einheitlichen Standards.
Dies führt zu einem praktischen Problem: Wenn Pfleger einen Codebeitrag erhalten, wissen sie möglicherweise nicht genau, welche Teile davon von KI generiert wurden, welche Überprüfungen der Beitragende vorgenommen hat und ob die Code-Änderung ausreichend getestet wurde. Für Open-Source-Projekte, die auf freiwillige Pfleger angewiesen sind, kann diese Informationsasymmetrie die Überprüfungskosten weiter erhöhen.
Die Linux Foundation empfiehlt, dass Open-Source-Projekte klare Richtlinien für KI-unterstützte Beiträge festlegen, Anforderungen an Codetests, Dokumentationserläuterungen und die Offenlegung der KI-Nutzung stellen und gleichzeitig Mechanismen für die Zuordnung und Überprüfung von Beiträgen verbessern. Verantwortliche von OpenSSF betonten in einer offiziellen Erklärung zudem, dass KI das Schreiben von Code beschleunigen kann, aber die Beitragenden müssen dennoch den Inhalt, den sie einreichen, verstehen und testen, und die Pfleger sollten nicht die gesamte Verantwortung für die Sicherheitsüberprüfung allein tragen.
5 Die Effizienzdividende von KI-Coding: Wer übernimmt die Prüfkosten?
In den letzten zwei Jahren drehte sich die Diskussion über KI-Coding weitgehend um die Geschwindigkeit der Code-Generierung, die Abschlussrate von Aufgaben und die Produktivität der Entwickler. Von der Code-Vervollständigung bis hin zu Coding-Agenten, die selbstständig Repositorys ändern, Tests ausführen und PR einreichen können, nehmen die Automatisierungsfähigkeiten stetig zu.
Dieser Bericht der Linux Foundation bietet einen weiteren Beobachtungswinkel: Wenn sich die Geschwindigkeit der Codeproduktion erhöht, kann sich der Engpass im Software-Engineering-Prozess allmählich zu den Phasen der Überprüfung, Prüfung und Pflege verlagern.
Diese Veränderung ist bei Open-Source-Projekten besonders deutlich. Codebeiträge zu Open-Source-Projekten können von jedem Entwickler auf der Welt stammen, aber die Pflegeberechtigungen sind in der Regel auf eine relativ begrenzte Anzahl von Kernpflegern konzentriert. KI-Werkzeuge können mehr Menschen ermöglichen, schnell Code zu generieren, aber sie können nicht garantieren, dass die Zeit und Energie der Pfleger mit der gleichen Geschwindigkeit wachsen.
Das bedeutet nicht, dass KI-unterstützte Beiträge zwangsläufig die Qualität von Open-Source-Software verringern. Der Bericht zeigt ebenfalls, dass KI die Teilnahmeschwelle senkt, Entwicklern hilft, technische Schulden abzubauen, neue Funktionen zu entwickeln und die Lerneffizienz zu verbessern.
Das Problem liegt darin, dass mit der Normalisierung von KI-generiertem Code die Open-Source-Gemeinschaft passende Mechanismen für die Prüfung und Verwaltung aufbauen muss. Um den Wert von KI-Coding künftig zu messen, muss neben der eingesparten Kodierzeit der Entwickler und der Anzahl der von Agenten abgeschlossenen Aufgaben auch der Anteil der endgültig akzeptierten Codes, der für die Überprüfung erforderliche Zeitaufwand, die Kosten für die Fehlerbehebung und die langfristige Pflegebelastung berücksichtigt werden.
KI macht die Codeproduktion immer einfacher, aber um diese Codes tatsächlich in zuverlässige Softwaresysteme zu überführen, muss nach wie vor Aufwand betrieben werden.
Link zum Bericht der Linux Foundation:
https://www.linuxfoundation.org/research/oss-development-gen-ai-era-2026