Zum Inhalt springen
Reality Graph

Daten

KI-Code-Statistiken 2026

Zuletzt aktualisiert: 2026-11-04Lesezeit ca. 5 Min.

Quellen geprüft am 2026-11-0228 belegte Zahlen

Diese KI-Code-Statistiken sind die veröffentlichten Zahlen zu KI-gestütztem Code, gelesen über die vier Kennzahlen, die ein Team aus dem eigenen Repository berechnen kann: Generierungs-zu-Prüfungs-Verhältnis, Review-Tiefe, Quote ungeprüfter Merges und 14-Tage-Churn. Jede Zahl behält Quelle, Jahr und Prüfdatum; die Lesart daneben ist die von Reality Graph, nicht die der Quelle, und sagt, was die Zahl für Verhältnis, Tiefe, Quote oder Churn eines Teams bedeutet. Wo eine Zahl keine der vier berührt, nennt die Zeile stattdessen die Lücke, die sie beschreibt.

moduleclassclassfnfnfnfncheckout.py:118
Inhalt

Adoption und die Verifikationslücke

Adoption hebt das Generierungs-zu-Prüfungs-Verhältnis fast aller Teams zugleich, und die 48 % setzen eine Start-Quote ungeprüfter Merges von rund der Hälfte, bis ein Team die eigene misst.
ZahlBelegbasisLesart von Reality Graph
Entwickler, die KI-Tools in der Entwicklung nutzen; die Umfrage nennt 14 % Anstieg, seit sie 2023 mit der Erhebung begann84 %Stack-Overflow-Umfrage, geprüft am 2. November 2026 · 2025Unabhängige UmfrageRedaktionelle Einordnung · 2026-11Gelesen über das Generierungs-zu-Prüfungs-Verhältnis: Adoption in dieser Höhe hebt das generierte Volumen fast aller Teams zugleich, während Review-Stunden nicht von selbst mitwachsen. Ein Team, das KI eingeführt hat, sollte sein Verhältnis steigen sehen und prüfen, ob die Review-Zeit mitgezogen ist.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Entwickler, die nicht voll darauf vertrauen, dass KI-generierter Code funktional korrekt ist96 %Sonar, State of Code, geprüft am 2. November 2026 · 2026Anbieter-StudieRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Misstrauen ist eine geäußerte Haltung, und kein Repository hält eine Haltung fest. Die Zeile beschreibt eine Bewusstseinslücke; erst die 48 % darunter werden zu einer Quote, die ein Team messen kann.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Entwickler, die KI-gestützten Code vor dem Commit immer prüfen48 %Sonar, State of Code, geprüft am 2. November 2026 · 2026Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Quote ungeprüfter Merges: Wenn nur rund die Hälfte der Entwickler immer prüft, sollte ein Team ohne eigene Prüfnachweise von einer Quote nahe der Hälfte ausgehen, nicht nahe null. Der Wert, den es aus festgehaltenen Nachweisen misst, ersetzt diese Annahme.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Entwickler, für die das Review von KI-generiertem Code mehr Aufwand ist als das von Code eines Kollegen38 %Sonar, State of Code, geprüft am 2. November 2026 · 2026Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Review-Tiefe: Wenn jede Änderung mehr Prüfaufwand kostet, sinkt zuerst die Tiefe, solange die Review-Zeit nicht wächst. Wer substanzielle Kommentare pro 100 geänderte Zeilen für KI-gestützte Pull Requests getrennt erhebt, sieht den Rückgang, bevor er im Churn ankommt.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Adoption hebt das Generierungs-zu-Prüfungs-Verhältnis fast aller Teams zugleich, und die 48 % setzen eine Start-Quote ungeprüfter Merges von rund der Hälfte, bis ein Team die eigene misst.

Zusammen gelesen geben die vier Zeilen einem Team seine Startwerte, bevor es selbst gemessen hat: ein Generierungs-zu-Prüfungs-Verhältnis, das mit der Adoption steigt, und eine Quote ungeprüfter Merges von rund der Hälfte aus den 48 %. Beides sind Standardwerte, die das Team durch seine eigenen Werte ersetzt. Die Lücke zwischen 96 % und 48 % selbst ist aufgeschlüsselt in der Verification Gap.

Der Review-Engpass

Mehr Volumen, größere Pull Requests, längere Review-Warteschlangen in beiden Faros-Datensätzen: ein steigendes Generierungs-zu-Prüfungs-Verhältnis und sinkende Review-Tiefe, keine universelle Wartezeit in Stunden.
ZahlBelegbasisLesart von Reality Graph
Gemergte Pull Requests je Entwickler in KI-intensiven Teams (Datensatz 2025; der Datensatz 2026 meldet einen deutlich kleineren Anstieg)+98 %Faros-AI-Telemetrie, Datensatz 2025, geprüft am 2. November 2026 · 2025Anbieter-TelemetrieRedaktionelle Einordnung · 2026-11Gelesen über das Generierungs-zu-Prüfungs-Verhältnis: Doppeltes Merge-Volumen bei unveränderter Review-Kapazität verdoppelt das Verhältnis, und genau das ist die Warnschwelle der Kennzahlen-Seite. Entscheidend ist der Vergleich des eigenen Verhältnisses vor und nach der Einführung.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Mediane Verweildauer eines Pull Requests im Review (Datensatz 2025; der Datensatz 2026 ist die Zeile mit +441 %)+91 %Faros-AI-Telemetrie, Datensatz 2025, geprüft am 2. November 2026 · 2025Anbieter-TelemetrieRedaktionelle Einordnung · 2026-11Gelesen über das Generierungs-zu-Prüfungs-Verhältnis: Verweildauer ist Wartezeit, keine Review-Stunden, also senkt ihr Anstieg das Verhältnis nicht. Sie ist die Warteschlange, die entsteht, wenn das generierte Volumen die Prüfstunden überholt.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Mediane Verweildauer eines Pull Requests im Review (Datensatz 2026, dieselbe Messgröße wie die Zeile mit +91 %)+441 %Faros-AI-Telemetrie, Datensatz 2026, geprüft am 2. November 2026 · 2026Anbieter-TelemetrieRedaktionelle Einordnung · 2026-11Gelesen über das Generierungs-zu-Prüfungs-Verhältnis: Dieselbe Messgröße stieg von einem Datensatz zum nächsten deutlich weiter, die Warteschlange wächst also, statt sich mit der Gewöhnung der Teams zu legen. Ein Verhältnis, das bei flachen Review-Stunden steigt, kündigt diese Warteschlange an, bevor die Durchlaufzeit sie zeigt.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Größere Pull Requests (Datensatz 2026)+51 %Faros-AI-Telemetrie, Datensatz 2026, geprüft am 2. November 2026 · 2026Anbieter-TelemetrieRedaktionelle Einordnung · 2026-11Gelesen über die Review-Tiefe: Die Tiefe zählt Kommentare pro 100 geänderte Zeilen, größere Pull Requests senken sie also, selbst wenn Reviewer so viele Kommentare schreiben wie vorher. Vergleicht die Tiefe bei ähnlicher Pull-Request-Größe, bevor ihr auf flacheres Review schließt.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Erfahrene Entwickler langsamer mit Früh-2025-KI (bei gefühlter Beschleunigung), 10. Juli 2025; von METR als veraltet markiert−19 %Randomisierte METR-Studie, geprüft am 2. November 2026 · 2025Akademisches RCTRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Die Studie maß Zeit je Aufgabe, und keine der vier Kennzahlen misst Geschwindigkeit. Die Zeile beschreibt die Lücke zwischen gefühlter und gemessener Geschwindigkeit, die ein Repository nicht festhält.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Zeit je Aufgabe mit KI von Ende 2025, zurückgekehrte / neue Entwickler, 24. Februar 2026; METR hält diese Daten für unzuverlässig−18 % / −4 %METR-Folgestudie, geprüft am 2. November 2026 · 2026Unabhängige Studie, von METR als unzuverlässig eingestuftRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Zeit je Aufgabe ist wieder ein Geschwindigkeitsmaß. Die Zeile beschreibt die offene Frage, ob KI einem bestimmten Team überhaupt Zeit spart, und die braucht einen kontrollierten Vergleich statt Repository-Daten.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Mehr Volumen, größere Pull Requests, längere Review-Warteschlangen in beiden Faros-Datensätzen: ein steigendes Generierungs-zu-Prüfungs-Verhältnis und sinkende Review-Tiefe, keine universelle Wartezeit in Stunden.

Die vier Faros-Zeilen beschreiben einen Mechanismus in zwei Datensätzen: Das gemergte Volumen stieg, Pull Requests wurden größer, und die Wartezeit im Review stieg vom Datensatz 2025 zum Datensatz 2026 weiter. Über die Kennzahlen gelesen ist das ein steigendes Generierungs-zu-Prüfungs-Verhältnis bei sinkender Review-Tiefe pro 100 geänderte Zeilen, das Muster, das der Review-Engpass im Detail nachzeichnet.

Dort steht auch die vollständige METR-Korrektur. METRs Studie vom 10. Juli 2025 fand erfahrene Entwickler mit KI-Tools von Anfang 2025 um 19 % langsamer, und METR hat dieses Ergebnis inzwischen auf der Studienseite als veraltet markiert. Die Folgestudie vom 24. Februar 2026 (57 Entwickler, mehr als 800 Aufgaben, KI-Tools von Ende 2025) schätzt etwa 18 % weniger Zeit je Aufgabe für zurückgekehrte Entwickler (Intervall −38 % bis +9 %) und etwa 4 % weniger für neue Teilnehmende (Intervall −15 % bis +9 %); METR selbst hält diese Daten für unzuverlässig, weil Entwickler, die nicht ohne KI arbeiten wollten, die Teilnahme ablehnten oder Aufgaben zurückhielten.

Codequalität und Churn

Der 14-Tage-Churn ist die eine veröffentlichte Zahl, die einer Verification-Debt-Kennzahl eins zu eins entspricht; Duplikate und verschobener Code beschreiben Wartbarkeit, die die vier Kennzahlen nicht abdecken.
ZahlBelegbasisLesart von Reality Graph
14-Tage-Churn, 2020 bis 2024, mit wachsender KI-Nutzung~3,1 % → 5,7 %GitClear, 211 Mio. Zeilen, geprüft am 2. November 2026 · 2025Anbieter-nahe AnalyseRedaktionelle Einordnung · 2026-11Gelesen über den 14-Tage-Churn: Das ist dieselbe Kennzahl mit demselben 14-Tage-Fenster, also die eine Baseline, mit der ein Team direkt vergleichen kann. Ein Wert über rund 6 % liegt über dem Stand von 2024; die eigene Drei-Monats-Baseline bleibt trotzdem der bessere Vergleich.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Anstieg von Code-Blöcken mit fünf oder mehr duplizierten Zeilen im Jahr 2024~8×GitClear, 211 Mio. Zeilen, geprüft am 2. November 2026 · 2025Anbieter-nahe AnalyseRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Ein kopierter Block taucht erst im Churn auf, wenn jemand eine der Kopien ändert, und keine der vier Kennzahlen zählt Kopien. Die Zeile beschreibt eine Wartbarkeitslücke, die ein Klon-Detektor misst.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Anteil verschobenen/refaktorierten CodessinkendGitClear, 211 Mio. Zeilen, geprüft am 2. November 2026 · 2025Anbieter-nahe AnalyseRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Weniger verschobener Code heißt weniger Konsolidierung, und das hält keine der vier Kennzahlen fest. Neben der Duplikat-Zeile gelesen, beschreibt sie eine Codebasis, die durch Hinzufügen wächst statt durch Wiederverwendung.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Der 14-Tage-Churn ist die eine veröffentlichte Zahl, die einer Verification-Debt-Kennzahl eins zu eins entspricht; Duplikate und verschobener Code beschreiben Wartbarkeit, die die vier Kennzahlen nicht abdecken.

Der 14-Tage-Churn ist die einzige Zahl auf dieser Seite, die einer der vier Kennzahlen eins zu eins entspricht, also die eine veröffentlichte Baseline, mit der sich der direkte Vergleich lohnt. Duplikate und verschobener Code beschreiben Wartbarkeit, die die Kennzahlen nicht abdecken. Was die Churn-Zahlen sagen und nicht sagen, steht in Code-Churn nach KI-Einsatz, ihre Euro-Übersetzung in der Kostenrechnung.

Sicherheit

Alle vier Veracode-Zeilen zeigen auf die Quote ungeprüfter Merges: Security gehört in die Prüfnachweise, die sie zählt, weil neuere Modelle den Durchfallanteil nicht gesenkt haben.
ZahlBelegbasisLesart von Reality Graph
KI-generierte Samples, die durch Security-Tests fallen (Ausgabe 2025)~45 %Veracode, Ausgabe 2025, geprüft am 2. November 2026 · 2025Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Quote ungeprüfter Merges: Wenn knapp die Hälfte der generierten Samples durch einen Security-Test fällt, lässt ein Team, das nur eine grüne Testsuite als Prüfnachweis zählt, diese Klasse ungemessen. Der Security-Check gehört in die Nachweise, die die Quote zählt.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Relevante Samples ohne XSS-Abwehr (CWE-80), Ausgabe 202586 %Veracode, Ausgabe 2025, geprüft am 2. November 2026 · 2025Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Review-Tiefe: Eine Schwachstellenklasse, die so oft durchfällt, verdient einen benannten Review-Kommentar statt eines allgemeinen. Bei Änderungen, die Nutzereingaben ausgeben, ist ein substanzieller XSS-Check der Kommentar, den die Tiefe zählen sollte.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Durchfallrate: Java / C# / JavaScript / Python (Ausgabe 2025)72 % / 45 % / 43 % / 38 %Veracode, Ausgabe 2025, geprüft am 2. November 2026 · 2025Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Quote ungeprüfter Merges: Der Durchfallanteil unterschied sich in diesem Test je Sprache, also lohnt es, die Quote nach Sprache zu trennen. Ein Java-lastiges Repository sollte nicht die Annahme eines Python-Teams übernehmen.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Security über Modellgenerationen, während die Funktionalität stieg (Ausgabe 2025; die Ausgabe 2026 vom 28. Juli 2026 meldet sie weiter flach)flachVeracode, Ausgabe 2025, geprüft am 2. November 2026 · 2025Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Quote ungeprüfter Merges: Wenn neuere Modelle die Security-Lücke nicht schließen, senkt ein Modellwechsel auch die Quote nicht. Das tut nur festgehaltene Prüfung.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Alle vier Veracode-Zeilen zeigen auf die Quote ungeprüfter Merges: Security gehört in die Prüfnachweise, die sie zählt, weil neuere Modelle den Durchfallanteil nicht gesenkt haben.

Die vier Veracode-Zeilen laufen auf eine Entscheidung hinaus: was ein Team als Prüfnachweis zählt. Reicht eine grüne Testsuite, bleibt die Quote ungeprüfter Merges blind für die Security-Klasse, die neuere Modelle nicht verbessert haben; ein festgehaltener Security-Check macht sie sichtbar. Die Klassen und Verteidigungen stehen in Sicherheitslücken in KI-Code.

Lieferkette und Secrets

Die meisten Zeilen beschreiben Lücken in Abhängigkeiten und Secrets, außerhalb der vier Kennzahlen; ein Registry-Check und ein Secret-Scan, je Änderung festgehalten, holen beide in die Quote ungeprüfter Merges.
ZahlBelegbasisLesart von Reality Graph
LLM-empfohlene Pakete, die nicht existieren19,7 %USENIX Security (Spracklen et al.), geprüft am 2. November 2026 · 2025Akademische StudieRedaktionelle Einordnung · 2026-11Gelesen über die Quote ungeprüfter Merges: Eine erfundene Abhängigkeit kommt durchs Review, wenn niemand sie gegen die Registry auflöst. Ein Team, das einen Registry- oder Lockfile-Check als Prüfnachweis festhält, deckt diese Klasse ab; eines, das es nicht tut, zählt solche Merges als geprüft.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Beobachtete einzigartige halluzinierte Paketnamen205.000+USENIX Security (Spracklen et al.), geprüft am 2. November 2026 · 2025Akademische StudieRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Die Zahl beziffert die Angriffsfläche für Slopsquatting über alle getesteten Modelle, nicht den Prozess eines Teams. Sie beschreibt eine Lieferketten-Lücke außerhalb der vier Kennzahlen.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Halluzinierte Namen, die in allen 10 Läufen wiederkehren43 %USENIX Security (Spracklen et al.), geprüft am 2. November 2026 · 2025Akademische StudieRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Wiederholbarkeit macht einen erfundenen Namen für Angreifer erst registrierenswert. Die Zeile beschreibt eine Lieferketten-Lücke, die ein Registry-Check schließt, keine Eigenschaft des Reviews eines Teams.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Neue hartkodierte Secrets auf öffentlichem GitHub 202528,65 Mio.GitGuardian, geprüft am 2. November 2026 · 2026Anbieter-StudieRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Die Zahl umfasst das ganze öffentliche GitHub, nicht ein Repository. Sie beschreibt eine Lücke in der Secrets-Hygiene, die ein Secret-Scanner misst.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Anstieg der KI-Dienst-Secret-Leaks Jahr über Jahr+81 %GitGuardian, geprüft am 2. November 2026 · 2026Anbieter-StudieRedaktionelle Einordnung · 2026-11Keine Kennzahl greift: Der Anstieg folgt der Zahl der KI-Dienste, die ein Stack anbindet. Er beschreibt eine Lücke im Umgang mit Zugangsdaten, nicht in der Prüfung.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Secret-Leak-Rate von Commits mit Claude Code gegenüber der Basis aller öffentlichen GitHub-Commits~2×GitGuardian, geprüft am 2. November 2026 · 2026Anbieter-StudieRedaktionelle Einordnung · 2026-11Gelesen über die Quote ungeprüfter Merges: Wenn KI-gestützte Commits Secrets etwa doppelt so oft preisgeben wie die Basis, gehört ein Secret-Scan in die Prüfnachweise für KI-gestützte Merges. Ohne ihn zählt ein Merge als geprüft, obwohl kein Check nach Zugangsdaten gesucht hat.Lesart von Reality Graph, nicht die der Quelle · 2026-11
Die meisten Zeilen beschreiben Lücken in Abhängigkeiten und Secrets, außerhalb der vier Kennzahlen; ein Registry-Check und ein Secret-Scan, je Änderung festgehalten, holen beide in die Quote ungeprüfter Merges.

Die meisten dieser Zeilen beschreiben Lücken außerhalb der vier Kennzahlen, in Abhängigkeiten und Secrets. Die Brücke ist die Definition des Nachweises: Ein Registry-Check und ein Secret-Scan, je Änderung festgehalten, holen beide Lücken in die Quote ungeprüfter Merges. Die Mechanik steht in Slopsquatting und Was KI-Tools alles mitlesen.

Was diese Zahlen nicht sagen

Drei Grenzen der Lesarten. Es gibt keine robuste Branchenzahl für „wie viel Prozent des Codes KI-generiert ist“, also stützt sich keine Lesart auf eine. Mehrere Kernquellen sind Anbieter oder anbieter-nah (Sonar, Faros, GitClear, Veracode, GitGuardian), deshalb nutzen die Lesarten sie als Startannahmen und Richtung, nie als Wert eines Teams. Und eine Lesart sagt, was eine Zahl für Verhältnis, Tiefe, Quote oder Churn allgemein bedeutet; die Werte eurer Codebasis kommen aus dem Messen, über die vier Kennzahlen, nicht aus unseren.

Zahlenregister

Jede externe Zahl, die drei oder mehr Seiten dieser Website nutzen, steht hier einmal, mit Primärquelle, dem Jahr der Ausgabe und dem Datum, an dem die Quelle zuletzt geöffnet und verglichen wurde. Diese Seiten verlinken die Zeile hier statt der Quelle, damit ein korrigierter Wert auf allen Seiten zugleich stimmt.

ZahlWertQuelleGeprüft
Entwickler, die KI-Tools in der Entwicklung nutzen84 %Stack-Overflow-Entwicklerumfrage, 20252026-11-02
Entwickler, die nicht voll darauf vertrauen, dass KI-generierter Code funktional korrekt ist96 %Sonar, State of Code Developer Survey (Pressemitteilung), 20262026-11-02
Entwickler, die KI-gestützten Code vor dem Commit immer prüfen48 %Sonar, State of Code Developer Survey (Pressemitteilung), 20262026-11-02
Entwickler, für die das Review von KI-Code mehr Aufwand ist als das Review von Code eines Kollegen38 %Sonar, State of Code Developer Survey (Pressemitteilung), 20262026-11-02
Entwickler, die eine negative Wirkung auf technische Schulden darauf zurückführen, dass KI Code erzeugte, der korrekt aussah, aber nicht verlässlich war53 %Sonar, State of Code Developer Survey (Bericht), 20262026-11-04
Anteil des committeten Codes, den Befragte KI zuschreiben42 %Sonar, State of Code Developer Survey (Pressemitteilung), 20262026-11-04
Anteil des committeten Codes, den Befragte bis 2027 von KI erwarten65 %Sonar, State of Code Developer Survey (Pressemitteilung), 20262026-11-04
Gemergte Pull Requests pro Entwickler in Teams mit hoher KI-Nutzung (Datensatz 2025)+98 %Faros-AI-Telemetrie, 20252026-11-02
Mediane Zeit, die ein Pull Request im Review liegt (Datensatz 2025)+91 %Faros-AI-Telemetrie, 20252026-11-02
Mediane Zeit, die ein Pull Request im Review liegt (Datensatz 2026)+441 %Faros-AI-Telemetrie, 20262026-11-02
Größere Pull Requests (Datensatz 2026)+51 %Faros-AI-Telemetrie, 20262026-11-02
Zeit pro Aufgabe für erfahrene Entwickler mit KI-Tools von Anfang 2025; von METR als veraltet markiert−19 %Randomisierte METR-Studie, 20252026-11-02
Zeit pro Aufgabe mit KI von Ende 2025, zurückkehrende Entwickler; von METR als unzuverlässig eingestuft−18 %METR-Folgestudie, 20262026-11-02
Zeit pro Aufgabe mit KI von Ende 2025, neue Entwickler; von METR als unzuverlässig eingestuft−4 %METR-Folgestudie, 20262026-11-02
Unteres Ende des Intervalls für zurückkehrende Entwickler−38 %METR-Folgestudie, 20262026-11-02
Oberes Ende des Intervalls für zurückkehrende Entwickler+9 %METR-Folgestudie, 20262026-11-02
Unteres Ende des Intervalls für neue Entwickler−15 %METR-Folgestudie, 20262026-11-02
Oberes Ende des Intervalls für neue Entwickler+9 %METR-Folgestudie, 20262026-11-02
14-Tage-Churn im Jahr 20203,1 %GitClear, AI Copilot Code Quality, 20252026-11-02
14-Tage-Churn im Jahr 20245,7 %GitClear, AI Copilot Code Quality, 20252026-11-02
Anstieg duplizierter Codeblöcke8×GitClear, AI Copilot Code Quality, 20252026-11-02
Generierte Code-Beispiele, die eine OWASP-Top-10-Schwachstelle einführten45 %Veracode, GenAI Code Security Report, 20252026-11-02
Relevante Beispiele, die Cross-Site-Scripting (CWE-80) nicht verhinderten86 %Veracode, GenAI Code Security Report, 20252026-11-02
Security-Fehlerquote, Java72 %Veracode, GenAI Code Security Report, 20252026-11-02
Security-Fehlerquote, C#45 %Veracode, GenAI Code Security Report, 20252026-11-02
Security-Fehlerquote, JavaScript43 %Veracode, GenAI Code Security Report, 20252026-11-02
Security-Fehlerquote, Python38 %Veracode, GenAI Code Security Report, 20252026-11-02
Von LLMs empfohlene Pakete, die nicht existieren19,7 %USENIX Security (Spracklen et al.), 20252026-11-02
Halluzinierte Paketnamen, die bei jedem Durchlauf wiederkehren43 %USENIX Security (Spracklen et al.), 20252026-11-02
Rate halluzinierter Pakete bei den untersuchten Open-Source-Modellen21,7 %Spracklen et al., USENIX Security, 20252026-07-17
Rate halluzinierter Pakete bei den untersuchten kommerziellen Modellen, mindestens5,2 %Spracklen et al., USENIX Security, 20252026-07-17
Neue hartkodierte Secrets auf öffentlichem GitHub im Jahr 202528,65 Mio.GitGuardian, State of Secrets Sprawl, 20262026-11-02
Jede externe Zahl, die drei oder mehr Seiten dieser Website nutzen, mit Quelle und dem Datum der letzten Prüfung.

Quellen des Registers

Wo Reality Graph ansetzt

Reality Graph zitiert diese Zahlen; es erzeugt keine eigenen. Auf dieser Seite stehen bewusst keine Reality-Graph-Statistiken – das Produkt ist in Private Beta, und Produkt-Leistungszahlen zu erfinden würde dieselbe Claim-Safety-Regel verletzen, der der Rest der Seite folgt. Was Reality Graph tut: einem Team ermöglichen, seine eigene Version dieser Zahlen zu erzeugen, aus den eigenen Runs, über die Prüfberichte und Kennzahlen – gemessen, nicht geliehen.

Diese Referenz gibt euch

  • Jede KI-Code-Kernzahl mit Quelle, Jahr und Prüfdatum
  • Eine Lesart je Zahl, einer von vier Kennzahlen zugeordnet
  • Die Unabhängig-vs.-Anbieter-Trennung, pro Quelle benannt
  • Eine lebende Seite, aktualisiert mit der Forschung

Sie gibt euch nicht

  • Eine robuste „X % des Codes ist KI-generiert“-Zahl – die gibt es nicht
  • Irgendwelche Reality-Graph-Leistungszahlen
  • Einen universellen Multiplikator für eure Codebasis – messt sie
  • Gewissheit aus einzelnen Anbieter-Studien – Richtung vor Evangelium
Eine belegte Referenz, keine Rangliste: Die Zahlen gehören dem Sektor, die Lesarten Reality Graph, und keine der Zahlen ist eine eigene von Reality Graph.

FAQ

Wie viel Code ist KI-generiert, und wie viele Entwickler nutzen KI-Tools?
In der Stack-Overflow-Umfrage 2025 nutzen 84 % der Entwickler KI-Tools in der Entwicklung; die Umfrage beziffert den Anstieg auf 14 %, seit sie 2023 mit der Erhebung begann. Eine verlässliche Branchenzahl für den Anteil KI-generierten Codes gibt es nicht, und keine der vier Kennzahlen braucht eine: Jede wird aus den eigenen Merges, Reviews und Folge-Commits eines Teams berechnet. Über das Generierungs-zu-Prüfungs-Verhältnis gelesen zählt Adoption, weil sie das generierte Volumen fast aller Teams zugleich hebt; ob die Review-Kapazität mitzog, zeigt das eigene Verhältnis.
Wie lange warten KI-Pull-Requests, und wie stark hat sich Review verlangsamt?
Faros-AI-Telemetrie meldet die mediane Verweildauer eines Pull Requests im Review mit +91 % im Datensatz 2025 und mit +441 % im Datensatz 2026, während die gemergten Pull Requests je Entwickler im Datensatz 2025 um rund 98 % stiegen. Eine universelle Wartezeit in Stunden gibt es nicht. Über das Generierungs-zu-Prüfungs-Verhältnis gelesen ist der Anstieg eine Warteschlange: Das generierte Volumen wächst schneller als die Stunden, die in seine Prüfung gehen, und das Verhältnis zeigt das vor der Durchlaufzeit.
Was ist die meistzitierte KI-Code-Statistik?
Sonars Umfragewert von 2026: 96 % der Entwickler vertrauen KI-generiertem Code nicht voll, aber nur 48 % prüfen ihn vor dem Commit immer, die „Verification Gap“. Über die Quote ungeprüfter Merges gelesen gibt die 48 % einem Team ohne eigene Nachweise eine Startannahme von rund der Hälfte ungeprüfter KI-gestützter Merges. Diese Annahme soll der Anteil ersetzen, den das Team aus seinen eigenen Prüfnachweisen misst.
Stammen diese Statistiken aus unabhängiger Forschung oder von Anbietern?
Beides, und diese Seite kennzeichnet, welche. Unabhängig oder akademisch: die randomisierte METR-Studie, die USENIX-Security-2025-Slopsquatting-Studie. Anbieter-nah (verlässlich, aber mit Interesse): Sonar, Faros AI, GitClear, Veracode, GitGuardian. In den Lesarten setzt eine Anbieter-Zahl eine Startannahme oder eine Richtung, nie den Wert eines Teams: Sonars 48 % werden zur Start-Quote ungeprüfter Merges, die ein gemessener Wert ersetzt, und GitClears Churn-Reihe zur Baseline, an der ein Team seinen eigenen 14-Tage-Churn misst.
Wie aktuell sind diese Zahlen?
Jede Zahl auf dieser Seite wurde am 2. November 2026 gegen ihre Primärquelle geprüft, und das sichtbare Datum ist mit dieser Prüfung gewandert. Wo eine Quelle eine neuere Ausgabe hat, nennt die Zeile beide, und die Lesart folgt der neueren. Faros' Datensatz 2026 zeigt die Review-Warteschlange wachsend statt abklingend, was die Lesart über das Generierungs-zu-Prüfungs-Verhältnis stützt; Veracodes Bericht 2026 hält Security flach, was den Security-Check in der Quote ungeprüfter Merges begründet. METR stuft die eigene Folgestudie von 2026 als unzuverlässig ein, also stützt sich keine Kennzahl-Lesart auf eine der beiden METR-Ausgaben.
Kann ich diese Werte zitieren?
Ja: Für die Zahl zitiert ihr die Quelle und das Jahr aus ihrer Zeile, nicht diese Seite. Für die Lesart daneben zitiert ihr diese Seite, denn die Lesart ist die von Reality Graph und nicht die der Quelle. Wo ein Wert eine Spanne oder ein Trend ist, zitiert ihn als solchen; der größte Fehler bei KI-Code-Statistiken ist, eine Streuung als Punkt zu zitieren.

Weiterlesen

Quellen

Wollt ihr sehen, wie euer letzter Agenten-Run ausgesehen hätte?

Zugang anfragen