Entwickler sind erschöpft – und KI löst das Problem nicht

Die neue State-of-Devs-Auswertung trifft einen Nerv: Viele Entwickler fühlen sich ausgelaugt. Das ist mehr als eine Stimmungsnotiz. Es ist ein Warnsignal für Teams, die seit Monaten auf mehr Output, mehr Automatisierung und mehr Tempo getrimmt werden.

Der Punkt ist dabei ziemlich klar. Erschöpfung in der Softwareentwicklung ist kein Randthema mehr. Schon andere große Entwicklerumfragen und Burnout-Erhebungen lagen in den vergangenen Jahren auf auffällig hohen Werten. Wenn jetzt erneut viele Entwickler von Müdigkeit und Überlastung sprechen, dann passt das ins Bild einer Branche, die sich gern über Produktivität definiert, aber ihren Leuten immer mehr Reibung auflädt.

Besonders heikel wird das in einer Phase, in der rund um KI-Tools sehr große Erwartungen aufgebaut wurden. Der gängige Pitch lautet: schneller programmieren, weniger Routine, mehr Fokus. In der Praxis ist das Bild deutlich schmutziger. Studien und Diskussionen aus der Entwickler-Community weisen seit Monaten darauf hin, dass der subjektive Eindruck von mehr Tempo oft nicht sauber mit realen Ergebnissen zusammengeht. Erfahrene Entwickler fühlen sich mit KI zwar schneller, lagen in Messungen aber teils klar daneben. In einer viel diskutierten Untersuchung brauchten sie mit KI am Ende sogar länger.

Das ist für die Einordnung der State-of-Devs-Zahlen wichtig. Wenn Entwickler erschöpft sind, liegt das eben nicht automatisch an zu wenig Tools. Oft ist das Gegenteil näher dran: zu viele neue Werkzeuge, zu viele Erwartungen, zu viel Druck, jede neue Welle sofort produktiv zu machen. KI kann helfen. Aber KI beseitigt keine schlechte Priorisierung, keine Meeting-Last und keine unrealistischen Deadlines.

Für Unternehmen ist das unangenehm, weil es ein lieb gewonnenes Narrativ angreift. Wer Erschöpfung nur als individuelles Problem behandelt, macht es sich zu einfach. Burnout bei Entwicklern entsteht selten aus dem Nichts. Meist steckt System dahinter: ständige Unterbrechungen, fragmentierte Toolchains, unklare Anforderungen, wachsender Dokumentationsdruck und die Erwartung, neben der eigentlichen Entwicklungsarbeit noch jedes neue Plattform- oder KI-Thema mitzuschleppen.

Dazu kommt ein zweiter Effekt. Gerade erfahrene Entwickler tragen in vielen Teams die Hauptlast, wenn Prozesse holpern oder neue Tools nicht halten, was versprochen wurde. Sie sollen Code liefern, Architekturentscheidungen absichern, Reviews machen, Wissen weitergeben und nebenbei die Produktivitätsgewinne durch KI realisieren. Das ist eine ziemlich direkte Route in die Erschöpfung.

Auch für Nachwuchskräfte ist die Lage heikel. Wenn Firmen stärker auf generative KI setzen und zugleich weniger Junior-Stellen schaffen, steigt der Druck auf die, die schon im Team sind. Weniger Einstiegschancen außen bedeuten nicht automatisch weniger Arbeit innen. Oft bedeutet es eher: weniger Entlastung, weniger Zeit für Mentoring, mehr Engpässe.

Die wichtigste Lesart der aktuellen Zahlen ist deshalb nicht, dass Entwickler einfach empfindlicher geworden sind. Sondern dass der Arbeitsalltag vieler Teams schlechter skaliert als die Versprechen drumherum. Mehr Tools führen nicht automatisch zu mehr Luft. Mehr Automatisierung führt nicht automatisch zu besserer Entwicklererfahrung. Und wer Erschöpfung ignoriert, zahlt am Ende doppelt: mit schwächerer Softwarequalität und mit Leuten, die innerlich längst auf Abstand gegangen sind.

Für Engineering-Leads ist die Botschaft ziemlich nüchtern. Wenn Entwickler sich erschöpft fühlen, hilft kein weiterer Produktivitäts-Slogan. Dann muss Arbeit runter von den Schultern. Weniger Kontextwechsel. Klarere Prioritäten. Realistischere Erwartungen an KI. Sonst bleibt von der großen Effizienzoffensive am Ende vor allem eins übrig: noch müdere Teams.