15. Oktober 2026Aktualisiert am Fathy Shalaby14 Min. Lesezeit
Kosten von Features mit KI: Warum „1 Stunde“ nicht billig ist
„Das bauen wir mit KI in 1 Stunde“ ist eine Aufwandsschätzung, kein Produktargument. Was ein Feature nach der ersten Stunde kostet, ein durchgerechnetes 12-Monats-Beispiel und wie du Nein sagst, ohne das Team auszubremsen.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Die Kosten, Features mit KI zu bauen, sind für die erste Version dramatisch gesunken, aber das meiste, was ein Feature kostet, fällt nach dem Bauen an: Review, Security, Tests, Support, Wartung und die Roadmap-Aufmerksamkeit, die anderen Wetten fehlt. „Das bauen wir mit KI in 1 Stunde“ ist deshalb eine Aufwandsschätzung, kein Produktargument. Sie beweist, dass ein Prototyp billig ist. Sie beweist nicht, dass das Feature billig ist.
Kurze Antwort: Nein, allein ist das kein guter Grund. Es ist aber ein guter Grund für einen günstigen Test, wenn der Test eine echte Frage beantwortet und einen Owner sowie ein Enddatum hat. Es geht darum, das Gespräch von der Bauzeit auf die Gesamtkosten des Betriebs zu lenken.
Die wichtigsten Punkte
Wartung war schon vor der KI der größte Posten. In Stripes Umfrage von 2018 schätzten Entwickler, dass 17,3 Stunden einer 41,1-Stunden-Woche auf Wartungsarbeit entfallen, etwa Debugging, Refactoring und das Beheben schlechten Codes (Stripe, 2018).
KI-generierter Code muss trotzdem geprüft werden: 66 % der Entwickler in der Stack-Overflow-Umfrage 2025 nannten Antworten, die „fast richtig, aber eben nicht ganz“ sind, als größte Frustration, und 45,2 % sagten, das Debuggen von KI-Code dauere länger (Stack Overflow, 2025).
Veracode stellte fest, dass KI-generierter Code in 45 % seiner Tests riskante Sicherheitslücken enthielt, über mehr als 100 Modelle hinweg (Veracode, 2025).
KI macht Teams schneller, belastet aber weiterhin die Stabilität. Die DORA-Forschung 2025 ergab, dass 90 % der Befragten KI bei der Arbeit nutzen und dass die KI-Nutzung weiterhin negativ mit der Stabilität der Softwareauslieferung zusammenhängt (Google Cloud, 2025).
Im illustrativen Beispiel unten kostet ein Feature, das in 1 Stunde gebaut wurde, im ersten Jahr etwa 53 Stunden.
Ist „Das bauen wir mit KI in 1 Stunde“ ein gutes Produktargument?
Nur als Beleg dafür, dass ein günstiger Test möglich ist. Es sagt nichts darüber, ob das Problem wichtig ist, ob die Lösung das Verhalten ändert oder ob das Team das Ergebnis im Produktivbetrieb besitzen sollte.
Das Argument ist nicht neu; KI hat es nur lauter gemacht. 2013 zählte Des Traynor von Intercom „schnell zu bauen“ zu den üblichen schlechten Gründen, aus denen Teams Features hinzufügen – neben „die Konkurrenz hat es“ und „eine Führungskraft will es“. Seine Aussage: Eine schnelle Schätzung verbirgt Komplexität, denn „es gibt keine kleinen Änderungen“ (Intercom, 2013).
Was sich geändert hat, ist die Reibung. Früher lehnten Teams Ideen auch deshalb ab, weil die Umsetzung sichtbar teuer war: Eine Woche Engineering oder eine riskante Migration sorgte für eine natürliche Pause. KI-gestützte Entwicklung nimmt diese Pause weitgehend weg. Das neue Fehlerbild ist nicht nur, das Falsche langsam zu bauen. Es ist, das Falsche schnell zu bauen und dann die bloße Existenz von Software für einen Beweis zu halten, dass die Wette gut war.
Was kostet es insgesamt, Features mit KI zu bauen?
Eine Ein-Stunden-Schätzung deckt eine Zeile einer langen Rechnung ab. Hier der Rest, jeweils mit dem, was die Evidenz zu der Zeile sagt.
Kostenposten
Was dazugehört
Was die Evidenz sagt
Review und Korrektur
Generierten Code lesen, korrigieren und neu prompten
66 % der Entwickler nennen „fast richtige“ KI-Ergebnisse als größte Frustration; 45,2 % sagen, das Debuggen von KI-Code dauere länger (Stack Overflow, 2025)
Security und Berechtigungen
Auth, Datenzugriff, Eingabeverarbeitung
KI-Code enthielt in 45 % der Veracode-Tests riskante Lücken (Veracode, 2025)
Tests und Release
Tests, QA, Rollout, Rollback
In den DORA-Daten von 2024 sank die Auslieferungsstabilität, als die KI-Nutzung stieg (Google Cloud, 2024)
Dokumentation und Support
Hilfeartikel, Tickets, Änderungen am Onboarding
Jedes sichtbare Feature vergrößert, was Nutzer lernen und der Support erklären muss
Wartung
Bugfixes, Änderungen an Abhängigkeiten und APIs, Refactoring
Entwickler schätzten, dass 17,3 von 41,1 Wochenstunden in Wartung fließen (Stripe, 2018)
Produktkomplexität
Überladene Oberfläche, Randfälle, Konfiguration
Auch optionale Features tauchen an anderer Stelle im Produkt auf (Intercom, 2013)
Opportunitätskosten
Die Wette, die du nicht getestet hast, die verbrauchte Review-Zeit
In Pendos Daten erzeugen 12 % der Features 80 % der täglichen Nutzung (Pendo, 2019)
Rückbau
Nutzer wegmigrieren, falls es scheitert
Selten geplant, daher selten billig
„Billig zu bauen“ heißt nicht „billig zu besitzen“. Deshalb kann die Ein-Stunden-Behauptung technisch stimmen und trotzdem ein schlechter Grund sein, Ja zu sagen.
Wie viel kostet es, ein Feature zu warten?
Fast immer mehr als der Bau. Stripes Report Developer Coefficient, für den Tausende Führungskräfte und Entwickler in sechs Ländern befragt wurden, ergab: Entwickler schätzen, dass 17,3 Stunden einer durchschnittlichen 41,1-Stunden-Woche auf Wartung entfallen – schlechten Code und Fehler behandeln, debuggen, refaktorisieren und anpassen. Das sind etwa 42 % der Woche. Weitere 13,5 Stunden pro Woche setzten sie für technische Schulden an, und Stripe bezifferte die Opportunitätskosten schlechten Codes auf rund 85 Milliarden Dollar pro Jahr (Stripe, 2018). Das sind Umfrageschätzungen, keine Zeiterfassung, aber die Richtung ist klar: Code ist billig hinzuzufügen und teuer zu behalten.
KI-Tools verändern, wie schnell sich Code ansammelt. GitClears Analyse von 211 Millionen geänderten Zeilen von 2020 bis 2024 ergab, dass der Anteil kopierter Zeilen an den Änderungen zwischen 2021 und 2024 von 8,3 % auf 12,3 % stieg, während der Anteil beim Refactoring verschobener Zeilen von 25 % auf unter 10 % fiel (GitClear, 2025). Mehr Duplikate und weniger Konsolidierung: So wachsen Wartungsrechnungen.
Warum KI-Features im Unterhalt noch teurer sind
Wenn das Feature selbst KI nutzt, kommt eine zweite Ebene dazu. D. Sculley und Kollegen argumentierten 2015, dass Machine Learning es Teams ermöglicht, schnell nützliche Systeme zu bauen, dass es aber gefährlich ist, diese schnellen Erfolge als kostenlos zu behandeln: ML-Systeme in der Praxis verursachen häufig enorme laufende Wartungskosten (Sculley et al., NIPS 2015). Ihre Risikoliste passt direkt auf heutige KI-Features:
Datenabhängigkeiten: Das Feature bricht, wenn sich die Struktur der Daten ändert, die es liest.
Versteckte Feedbackschleifen: Die Ausgabe des Features verändert das Verhalten, aus dem es lernt.
Nicht deklarierte Konsumenten: Andere Teile des Produkts fangen an, sich auf die Ausgabe zu verlassen.
Veränderungen in der Außenwelt: Ein Modell-Update oder ein Anbieterwechsel verschiebt das Verhalten, ohne dass sich der Code ändert.
Jeder dieser Punkte braucht Evaluation, Monitoring, einen Fallback und jemanden, der das Ergebnis verantwortet. Nichts davon passt in eine Stunde. Das AI-Evaluation-Framework zeigt, was diese Verantwortung umfasst.
Was sind die Opportunitätskosten eines „billigen“ Features?
Opportunitätskosten sind das, worauf das Team verzichtet, wenn es seine Aufmerksamkeit hier einsetzt statt auf die nächstbeste Wette. Bei KI ist die knappe Ressource selten die Tippzeit. Knapp sind:
Review-Kapazität. Jedes generierte Feature braucht einen sorgfältigen Leser, und Senior-Reviewer sind der Engpass.
Roadmap-Aufmerksamkeit. Jedes Feature bringt Diskussionen, Statusupdates und Entscheidungen zu Randfällen mit sich.
Nutzeraufmerksamkeit. Jede sichtbare Option macht das Produkt ein bisschen schwerer zu lernen.
Lernzeit. Eine Stunde, die du in das Falsche steckst, ist auch eine Stunde, in der du die riskanteste Annahme nicht testest.
Die Basisraten sprechen nicht für das „billige“ Feature. Pendos Studie von 2019 zu 615 Software-Abonnements ergab, dass 80 % der Features selten oder nie genutzt werden und 12 % der Features 80 % der täglichen Nutzung erzeugen (Pendo, 2019). Schnelleres Bauen erhöht die Zahl der Features pro Quartal; an der Wahrscheinlichkeit, dass jedes einzelne relevant ist, ändert es nichts. Unsere Analyse, warum 80 % der Features ungenutzt bleiben, zeigt, was die Studie gemessen hat und was nicht.
Durchgerechnetes Beispiel: Was ein „1-Stunden“-Feature im ersten Jahr kostet
Angenommen, ein 6-köpfiges B2B-SaaS-Team baut mit einem KI-Coding-Tool in einer Stunde ein Feature „Wöchentlicher Slack-Digest“. Das Team und alle Zahlen unten sind illustrativ und bewusst bescheiden gewählt.
Kostenposten
Schätzung für Jahr eins
Stunden
Bau mit KI
Eine Session
1
Generierten Code prüfen und korrigieren
Zwei Reviewer, mehrere Durchgänge
6
Review von Security und Berechtigungen
Zugriff auf Workspace-Ebene, Slack-Scopes
4
Tests und QA
Randfälle: leere Wochen, Zeitzonen
3
Doku, Hilfeartikel, Release Note
Je eins
2
Support
3 Tickets pro Monat × 20 Minuten × 12 Monate
12
Wartung
1 Stunde pro Monat für API- und Abhängigkeitsänderungen
12
Ein Incident und Fix
Digest an den falschen Kanal gesendet
6
Planung und Diskussion
3 Diskussionen × 5 Personen × 30 Minuten
7,5
Gesamt
53,5
Das Feature, das eine Stunde gekostet hat, kostet im ersten Jahr etwa 53 Stunden – noch ohne zu rechnen, was das Team mit dieser Zeit stattdessen nicht getan hat. Diese Zahl für Jahr eins sind die Kosten, Features mit KI zu bauen, die eine Roadmap abwägen sollte, nicht die 1. Das macht es nicht zu einem schlechten Feature. Wenn der Digest nachweislich Accounts aktiv hält, sind 53 Stunden günstig. Es geht darum, den Wert mit 53 Stunden zu vergleichen.
Wie sagst du Nein, ohne zur „langsamen PM“ zu werden?
Ein starkes Nein ist kein Veto. Es ist eine Entscheidung, die man prüfen, anfechten und neu bewerten kann. Nutze fünf Schritte.
1. Benenne die Entscheidung
Vermeide „Das lohnt sich wahrscheinlich nicht.“ Sag stattdessen: „Wir nehmen das noch nicht in die Produktions-Roadmap auf“ oder „Wir parken das, bis wir Belege dafür haben, dass dieser Workflow ein wiederkehrendes Problem ist.“ Über eine benannte Entscheidung lässt sich leichter reden als über ein Bauchgefühl.
2. Trenne das Signal von der Geschichte
„Ein Kunde hat nach einem Export gefragt“ ist ein Signal.
„Drei Kunden im selben Workflow beschrieben dieselbe blockierte Aufgabe“ ist stärkere Evidenz.
„Ein KI-Assistent hat ein Export-Feature vorgeschlagen“ ist keine Kundenevidenz.
„Ein Wettbewerber hat ein Export-Feature“ ist Marktkontext, kein Beleg für Passung.
Behalte die Quelle immer dabei. Eine plausible Erklärung ist kein beobachtetes Problem.
3. Formuliere eine falsifizierbare Hypothese
Wenn wir [konkreter Nutzer] [konkrete Fähigkeit] in [konkretem Kontext] geben, dann ändert sich [beobachtbares Verhalten], weil [durch Evidenz gestützter Grund]. Wir machen weiter, wenn [Erfolgskriterium]. Wir grenzen ein oder stoppen, wenn [Misserfolgskriterium] bis zum [Review-Datum].
Ein KI-generiertes Briefing kann diesen Satz entwerfen. Das Team muss aber noch entscheiden, ob es den Satz genug glaubt, um ihn zu testen. Der AI-Produkt-Brief als Vertrag zeigt, wie du einen Entwurf an diesen Maßstab hältst.
4. Bepreise die ganze Wette
Frag, wer das Ergebnis besitzt, wer sein Verhalten prüft, was passiert, wenn es falsch liegt, welche Support-Last es erzeugt, ob es umkehrbar ist, welche Daten es berührt und ob du bereit bist, es zu betreiben, wenn es funktioniert. Bei KI-Features kommen Evaluation, Fallback-Verhalten, Missbrauchsfälle und menschliche Eskalation dazu. Die Umsetzung kann eine Stunde dauern, während die Verantwortung Jahre anhält. Nimm die Kostentabelle oben als Checkliste.
5. Gib dem Team einen nächsten Schritt
Ein Nein ohne nächsten Schritt fühlt sich nach Bürokratie an. Biete einen von vier Wegen an:
Lernen: mit Nutzern sprechen oder den Workflow beobachten.
Eingrenzen: ein Segment, einen Auslöser oder eine Aufgabe testen.
Proben: einen Wegwerf-Prototyp mit Ablaufdatum bauen.
Parken: die Idee und den Grund, warum sie nicht aktiv ist, in deinem Decision Log festhalten.
Der nächste Schritt sollte kleiner sein als die Verpflichtung, die du vermeiden willst. Wenn die schwierigere Aufgabe darin besteht, das Vertrauen eines Stakeholders zu behalten, während du ablehnst, lies wie PMs Nein sagen, ohne Vertrauen zu zerstören.
Wann ist „Das bauen wir in einer Stunde“ ein gültiges Argument?
Wenn das Team klar sagt, dass es einen Test durchführt und keine Produktverpflichtung eingeht. Nutze das Argument, wenn:
der Test eine klare Frage und eine definierte Zielgruppe hat;
das Ergebnis wegwerfbar oder sicher isoliert ist, hinter einem Flag oder außerhalb der Produktion;
das Experiment ein Ablaufdatum hat und jemand das Review verantwortet;
Erfolg und Misserfolg vor dem Bau definiert sind;
kein Kunden- oder Produktionsversprechen impliziert wird.
In diesem Rahmen ist Tempo ein Lernvorteil, und nicht zu testen ist die teure Entscheidung. Ron Kohavi und Stefan Thomke beschreiben eine Bing-Idee, die Darstellung von Anzeigenüberschriften zu ändern. Sie brauchte ein paar Tage Engineering, wurde niedrig priorisiert und blieb mehr als sechs Monate ungetestet. Ein einfacher A/B-Test zeigte dann rund 12 % mehr Umsatz, in den USA über 100 Millionen Dollar pro Jahr wert (HBR, 2017).
Das Argument wird schwach, wenn man damit Problem-Discovery, Priorisierung, Sicherheitsprüfung oder Ownership überspringt. Wenn der Prototyp wahrscheinlich dauerhaft wird, beurteile ihn vor dem Release mit dem Einbahn-vs.-Zweibahn-Türen-Test.
Eine Entscheidungsvorlage für KI-unterstützte Teams
Kopiere das in die nächste Roadmap-Diskussion:
Feld
Frage
Entscheidung
Zu was genau sagen wir Ja oder Nein?
Nutzer und Job
Wer versucht, was zu erledigen?
Evidenz
Welche Quellen zeigen, dass es ein echtes Problem ist?
Annahme
Worüber sind wir uns noch nicht sicher?
Hypothese
Welches Verhalten oder Ergebnis soll sich ändern?
Kleinster Test
Was ist der günstigste Weg zu lernen?
Kosten des Betriebs (12 Monate)
Review, Security, Support, Wartung, Aufmerksamkeit: grob wie viele Stunden?
Erfolg
Welches Ergebnis verdient die nächste Investition?
Misserfolg
Welches Ergebnis lässt uns eingrenzen, pausieren oder stoppen?
Ownership
Wer prüft das Ergebnis und trägt die Folgen?
Ablauf und Rückbau
Wann schauen wir wieder drauf, und wie würden wir es entfernen?
Non-Goals
Was bauen wir ausdrücklich nicht?
Das ist kein Prozess um des Prozesses willen. Es ist eine Grenze um die Aufmerksamkeit des Teams.
Was bedeutet die Forschung zur KI-Entwicklung tatsächlich?
Die Forschung stützt keines der Extreme: weder „KI ändert nichts“ noch „KI macht Produkturteil überflüssig“.
Die DORA-Forschung 2024 ergab, dass ein Anstieg der KI-Nutzung um 25 % mit 7,5 % besserer Dokumentationsqualität, 3,4 % besserer Codequalität und 3,1 % schnellerem Code-Review einherging, dass aber der Durchsatz der Auslieferung um geschätzte 1,5 % und die Stabilität der Auslieferung um 7,2 % sanken, je höher die Nutzung wurde (Google Cloud, 2024). 2025, mit knapp 5.000 Befragten, sah DORA einen positiven Zusammenhang mit dem Durchsatz, aber die KI-Nutzung hing weiterhin negativ mit der Stabilität zusammen. Das Fazit: KI repariert ein Team nicht, sie verstärkt, was schon da ist (Google Cloud, 2025).
Die Produktantwort lautet nicht, KI nicht mehr zu nutzen. Die Kosten, Features mit KI zu bauen, sind gesunken; die Kosten schlechter Entscheidungen nicht. Mach Evidenz und Entscheidungsschleife so schnell wie den Bau. Alle Belege zum Tempo, einschließlich der METR-Studien, findest du in KI-Coding-Produktivität: was die Daten 2026 zeigen.
Häufige Fehler
Die Bau-Stunde mit dem Wert vergleichen. Vergleiche stattdessen die Kosten für Jahr eins mit dem Wert.
Kosten als Veto benutzen. Manche günstigen Tests sind die beste Verwendung einer Woche. Bepreise die Wette, dann entscheide.
Den Prototyp zum Produkt werden lassen. Ohne Ablaufdatum wird aus einer Demo leise eine Support-Verpflichtung.
KI-Vorschläge als Evidenz zählen. Ein Modell, das ein Feature vorschlägt, ist kein Kunde, der danach fragt.
Kein Rückbauplan. Wenn du nicht sagen kannst, wie du es entfernen würdest, hast du es nicht bepreist.
Wo Specky ins Spiel kommt
Specky hält die Kette vom Signal zur Entscheidung sichtbar. Kundengespräche, Feedback, Support-Konversationen und Analytics landen im Product Graph. Wenn also jemand sagt „Das bauen wir in einer Stunde“, kann das Team prüfen, welche Evidenz das Problem stützt. Entscheidungen kommen mit ihrer Begründung ins Decision Log, PRDs tragen Inline-Zitate auf die Evidenz, und nach dem Launch kannst du prüfen, ob die Wette aufgegangen ist. Die KI entwirft und verknüpft; Menschen entscheiden und tragen das Ergebnis.
Häufig gestellte Fragen
Ist „Das bauen wir mit KI in 1 Stunde“ noch ein gutes Produktargument?
Nur als Beleg dafür, dass ein günstiger Test möglich ist. Es zeigt nicht, dass das Problem wichtig ist, dass die Lösung funktioniert oder dass das Team das Feature im Produktivbetrieb unterstützen sollte. Sieh es als Grund, einen begrenzten Test mit Owner und Ablaufdatum zu fahren, und bewerte die Kosten des Betriebs separat.
Wie viel kostet es, ein Software-Feature zu warten?
Eine allgemeingültige Zahl gibt es nicht, aber Wartung wiegt meist schwerer als der Bau. In Stripes Umfrage von 2018 schätzten Entwickler, dass 17,3 von 41,1 Wochenstunden, etwa 42 %, in Wartungsarbeit fließen. Eine praktische Gewohnheit: die Stunden für Review, Security, Support, Unterhalt und Diskussion im ersten Jahr schätzen; in unserem illustrativen Beispiel kamen so etwa 53 Stunden für einen einstündigen Bau zusammen.
Was sind die Opportunitätskosten, ein Feature zu bauen?
Sie sind der Wert der besten Alternative, auf die das Team verzichtet hat: die riskantere Annahme, die nicht getestet wurde, die Review-Zeit, die anderswo gebraucht wurde, die Nutzeraufmerksamkeit, die für eine neue Option draufging. Bei KI ist die knappe Ressource selten Coding-Zeit, sondern Review-Kapazität, Roadmap-Aufmerksamkeit und Lernzeit. Pendos Befund, dass 12 % der Features 80 % der Nutzung erzeugen, zeigt, warum dieser Tausch zählt.
Sollten Teams darauf verzichten, Prototypen mit KI zu bauen?
Nein. Nutze KI für Prototypen, wenn der Prototyp eine klare Frage beantwortet. Gib ihm eine Zielgruppe, einen Owner, ein Ablaufdatum und eine Review-Regel, damit er nicht leise zu einem dauerhaften Versprechen wird. Günstige Tests schlagen oft lange Debatten, wie Bings sechs Monate alte Überschriften-Idee zeigte, als ein einfacher A/B-Test den Umsatz um etwa 12 % steigerte.
Was sollten Produktteams statt der KI-Baugeschwindigkeit messen?
Miss Lernen und Ergebnisse: validierte oder verworfene Annahmen, Nutzerverhalten, Qualität, Stabilität der Auslieferung, Adoption, Retention, Support-Last und die Business-Kennzahl, die die Wette bewegen sollte. Die DORA-Forschung zeigt, dass Tempo und Stabilität sich in entgegengesetzte Richtungen bewegen können, also sind Codemenge und Bauzeit allein kein Produktfortschritt.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing