Zum Inhalt springen

Wissensbasis

Der DORA-Report zu KI-gestützter Entwicklung

Der DORA-Report 2025 zeigt: KI verstärkt das Engineering-System, in dem sie landet. Starkes Review, starke Pipelines und kleine Batches gewinnen Tempo, schwache gewinnen Instabilität. Telemetrie von Faros AI bestreitet, dass ein starkes Fundament ein Team vor nachgelagerter Verschlechterung schützt.

Verfasst von

Aktualisiert:

Belege 7

Unsere Position. Wir lesen den Befund von DORA so, wie wir arbeiten: KI multipliziert, was ein Team schon hat. Also repariert ihr zuerst das Fundament und multipliziert es dann (AI is a multiplier (öffnet in einem neuen Tab)). Lizenzen zu kaufen ist keine KI-Strategie. Eine KI-Strategie baut die Engineering-Umgebung auf, die den Nutzen von KI verstärkt.

Ein Artikel im DX-Newsletter zum DORA-Report 2025 stützt diese Position. Er nennt auch die Bedingungen, unter denen sich das Fundament auszahlt (What the 2025 DORA report means for your AI strategy (öffnet in einem neuen Tab)). KI muss auf Bottlenecks auf Systemebene zielen. Ihr messt sie mit robusten Frameworks und stützt sie mit klarem Change Management.

Behebt KI ein schwaches Engineering-System?

Die Kernthese des Artikels lautet: KI verstärkt die Praktiken, die schon da sind. Teams mit Dysfunktionen erleben mehr Instabilität und Reibung, Teams mit soliden Praktiken gewinnen Tempo und Resilienz. Sind Code Review, Deployment-Pipelines oder Priorisierung schwach, beschleunigt KI schlicht die negativen Effekte. Sind Versionskontrolle, Observability und das Ausliefern in kleinen Batches stark, beschleunigt KI positive Ergebnisse.

Worauf sollte ein KI-Rollout zielen?

Der Artikel beschreibt den DORA-Report 2025 als Warnung vor “spray and pray”-Rollouts von KI. Dabei bekommt jede:r Entwickler:in eine Tool-Lizenz, während die Bottlenecks im System unbeachtet bleiben. Der Artikel empfiehlt Value Stream Management und Techniken wie problembasiertes Lernen. Damit richtet ihr KI auf echte Engpässe im SDLC. Ihr beschleunigt dann nicht bloß einzelne Aufgaben, deren Gewinn anderswo im System verloren geht.

Was solltet ihr messen, wenn fast alle KI nutzen?

Der Artikel betont: Bei hoher KI-Adoption (rund 90 %) ist “are people using AI?” die falsche Leitfrage. Stattdessen wirbt er für eine breitere Messstrategie, etwa KI-spezifische Metriken plus bestehende DORA- und DX-Indikatoren. Sie kombiniert Umfrage- und Systemdaten. So beantwortet ihr, ob KI die Ergebnisse für Einzelne, Teams, Produkte und die Organisation verbessert.

Warum zählen interne Plattformen für KI?

Der Artikel stellt interne Developer-Plattformen als Schlüssel zum Skalieren von KI dar. Sie bieten Golden Paths, Self-Service-Fähigkeiten und einen Verteilkanal für KI über den ganzen SDLC. Investitionen in Developer Experience bringen laut Artikel in einer KI-gestützten Umgebung überproportional viel zurück. Schlecht gemanagt können Plattformen die Instabilität allerdings leicht erhöhen.

Mit welchen Hebeln zahlt sich KI-Adoption aus?

Klare, explizite KI-Richtlinien und Erwartungen gelten im Artikel als einer der stärksten Hebel für positive KI-Wirkung. Sie verringern Reibung und Risiko und machen sicheres Experimentieren möglich. Der Artikel vermerkt auch, dass DORA sich von den Performance-Clustern elite/high/medium/low abwendet. An ihre Stelle treten sieben aus Daten abgeleitete Teamtypen, die sich besser mit konkreten Verbesserungen von Fähigkeiten verbinden lassen. Das stützt den Gedanken, dass Messen kontinuierliche Verbesserung antreiben soll, nicht bloß Benchmarking.

Bestätigt Telemetrie die Verstärkerthese?

Die Verstärkerthese hat einen ernsthaften Herausforderer. Der Report 2026 von Faros AI beruht auf zwei Jahren Telemetrie von 22.000 Entwickler:innen und mehr als 4.000 Teams. Er findet, dass starke Engineering-Praxis aus der Zeit vor KI keinen Schutz bietet. Organisationen mit reifem DevOps, hohen DORA-Werten und disziplinierter Auslieferung zeigen dieselbe nachgelagerte Verschlechterung wie alle anderen (Faros AI – The AI Engineering Report 2026: The Acceleration Whiplash (öffnet in einem neuen Tab), Blogpost vom 12. April 2026; Faros verkauft die Telemetrie-Plattform). Faros erklärt die Abweichung methodisch, und diese Erklärung verdient es, ernst genommen zu werden. DORAs Befund beruht auf Umfragen, und Umfragen erfassen, wie sich Entwickler:innen fühlen. Auf individueller Ebene sind sie schneller. Die Wahrnehmung stimmt also, und die nachgelagerten Kosten bleiben für sie unsichtbar. Volllaufende Review-Queues, sich häufende Incidents und ungeprüft gemergte PRs zeigen sich in der Telemetrie Monate, bevor sie in der Stimmung ankommen. Die Wahrnehmung hinkt hinterher, die Telemetrie nicht.

Die beiden Befunde lassen sich nicht ganz versöhnen, und wir tun nicht so, als ginge das. Nehmt “AI amplifies your existing system” als Arbeitsmodell dafür, wo ihr investiert: Plattformen, kleine Batches und Change Management zahlen sich weiter aus. Nehmt die Zahlen von Faros als Warnung, dass ein starkes Fundament kein Freifahrtschein ist. Beide setzen an derselben Stelle an: Repariert den Code beim Schreiben, nicht erst im Review. Die Zahlen hinter dem Whiplash stehen auf KI-Produktivität: Evidenz und Qualität.

Verwandte Seiten

Quellen

Artikel