Zum Inhalt springen
Reality Graph

Konzept

Die Verification Gap

Zuletzt aktualisiert: 2026-11-04Lesezeit ca. 6 Min.

Quellen geprüft am 2026-11-0412 belegte Zahlen

Die Verification Gap ist der Abstand zwischen Misstrauen und Praxis im KI-Coding. 96 % der Entwickler trauen KI-generiertem Code nicht voll zu, funktional korrekt zu sein, aber nur 48 % prüfen ihn immer vor dem Commit (Sonar, State of Code 2026). Die Lesart von Reality Graph, nicht die von Sonar: Rund die Hälfte der Befragten committet Code, dem sie nicht voll vertraut, ohne ihn immer zu prüfen, und in eurem Team ist dieser Anteil die Quote ungeprüfter Merges. Wie jede Verification-Gap-Statistik auf dieser Seite sind diese Zahlen Antworten aus einer Umfrage, keine Messungen an Repositories.

DiffChecksScopeeine Regelgeprüfteingeschränktblockiert
Inhalt

Was die Umfrage tatsächlich fand

Sonars State of Code Developer Survey ist hier nützlich, weil sie beide Seiten derselben Frage stellt: wie sehr Entwickler KI-Code vertrauen und was sie tatsächlich damit tun. Die Antworten passen nicht zusammen. Nach der Lesart von Reality Graph, nicht der von Sonar, zählt dieses Missverhältnis mehr als jede einzelne Zahl: Entwickler sind gegenüber der Ausgabe von KI nicht naiv, ihnen fehlt die Kapazität, ihrer eigenen Skepsis zu folgen. Das zeigt das Generierungs-zu-Prüfungs-Verhältnis.

ZahlWas sie misstQuelle
96 %Entwickler, die KI-generiertem Code nicht voll vertrauenSonar, State of Code 2026
48 %Entwickler, die KI-Code vor dem Commit immer prüfenSonar, State of Code 2026
53 %Führen eine negative Wirkung auf technische Schulden auf KI-Code zurück, der „korrekt aussah, aber nicht verlässlich war“Sonar, State-of-Code-Bericht 2026
42 %KI-Anteil am committeten Code (erwartet: 65 % bis 2027)Sonar, State of Code 2026
38 %Empfinden das Review von KI-Code als aufwendiger als das Review von Code eines KollegenSonar, State of Code 2026
82 %Stimmen zu, dass KI sie schneller programmieren lässtSonar, State-of-Code-Bericht 2026
+98 % / +91 %Mehr gemergte Pull Requests pro Entwickler / längere mediane Zeit im Review in KI-intensiven TeamsFaros-AI-Telemetrie, Datensatz 2025
3,1 % → 5,7 %Zwei-Wochen-Churn 2020 und 2024 über 211 Mio. geänderte ZeilenGitClear, 2025
44 % seltenerSonarQube-Nutzer gegen Nichtnutzer: Ausfälle durch KI-generierten Code (ein Anbieter vergleicht die eigenen Nutzer)Sonar, Zusammenfassung 2026
Die Kernzahlen hinter der Verification Gap, je mit Quelle und Jahr – eine Referenztabelle, gedacht zum Zitieren mit Attribution.

Das sind die Zahlen der Umfrage 2026 zu Vertrauen und Prüfung. Das breitere Bild mit Zahlen zu Verbreitung, Qualität und Sicherheit aus den großen Studien sammeln die KI-Code-Statistiken.

Warum Misstrauen nicht zu Prüfung wird

Nach der Lesart von Reality Graph, nicht der der Quellen, ist die Verification Gap ein Problem der Kapazität. Dieselben Entwickler, die der Ausgabe misstrauen, berichten auch, dass die Prüfung schwer ist: Das Review von KI-Code kostet mehr Aufwand als das von Code eines Kollegen (38 %), und die Faros-AI-Telemetrie (Datensatz 2025) zeigt die mediane Zeit, die ein Pull Request im Review liegt, um 91 % höher, während sich die gemergten Pull Requests pro Entwickler fast verdoppeln. Skepsis ohne Kapazität wird zu Resignation: Der Code wird trotzdem gemergt, ungeprüft, und jeder solche Merge erhöht die Verification Debt des Teams. Sichtbar macht das das Generierungs-zu-Prüfungs-Verhältnis.

Auf der Seite der Ergebnisse führen 53 % eine negative Wirkung auf ihre technischen Schulden darauf zurück, dass KI Code erzeugte, der korrekt aussah, aber nicht verlässlich war. Nach der Lesart von Reality Graph ist das der Fehler, den eine schnelle Durchsicht übersieht; im Zwei-Wochen-Churn taucht er später wieder auf. Die 44 % aus Sonars Zusammenfassung tragen weniger, als es scheint: SonarQube-Nutzer erleben mit 44 % geringerer Wahrscheinlichkeit Ausfälle durch KI-generierten Code als Nichtnutzer. Das vergleicht die Nutzer eines Anbieters mit allen anderen in dessen eigener Umfrage und trennt keinen Prüfprozess heraus; keine Kennzahl greift.

Wie Teams die Verification Gap schließen

Die Verification Gap schließt sich nicht durch härteres Prüfen, sondern dadurch, dass sich ändert, was beim Review ankommt. Die Hebel, je in der Methoden-Kategorie vertieft:

  • Schriftlicher Auftrag pro Aufgabe – prüfbare Vorgaben geben der Verifikation eine Referenz, die das Modell nicht beeinflussen kann.
  • Ein Abgleich statt eines Gefühls – der Soll-Ist-Abgleich macht aus „sieht richtig aus“ ein Kriterium-für-Kriterium Ja/Nein.
  • Gemessener Fortschritt – vier Kennzahlen zeigen, ob sich die Verification Gap wirklich verengt, angefangen bei der Quote ungeprüfter Merges.

Wie viele Entwickler prüfen KI-Code wirklich?

Wie viele Entwickler KI-Code wirklich prüfen, beantwortet die Sonar-Umfrage State of Code 2026 mit einer Zahl: 48 % der Befragten gaben an, KI-gestützten Code immer vor dem Commit zu prüfen. Im selben Datensatz sagten 96 %, sie vertrauten diesem Code nicht voll. Die Differenz zwischen beiden Werten ist die Verification Gap.

Die Zahl ist eine Selbstauskunft, keine Messung an Repositories, und sie sagt nichts über Prüftiefe: „immer prüfen“ kann ein Blick auf den Diff sein oder ein vollständiger Testlauf. Sie sagt nach der Lesart von Reality Graph aber, dass rund die Hälfte der Befragten regelmäßig Code committet, dem sie laut eigener Aussage nicht voll vertraut.

Forschung zur „generation-verification gap“ untersucht dieselbe Frage von der Seite der Modelle: ob Modelle ihre eigenen Ausgaben besser prüfen als erzeugen können. Das ist eine andere Frage als die hier gestellte, und diese Seite vermischt beide nicht. Wie ein Team den eigenen Wert statt des Umfragewerts bestimmt, beschreiben die oben verlinkten vier Kennzahlen.

Wo Reality Graph ansetzt

Reality Graph arbeitet auf der Prüfseite der Verification Gap. Es hält den schriftlichen Auftrag fest, führt die freigegebenen Checks in jedem Run selbst aus, vergibt ein Prüfurteil und schreibt einen Prüfbericht, der zeigt, was tatsächlich geprüft wurde. Die Verification Gap eures Teams berechnet es nicht; das tut eure Merge-Historie.

Diese Zahlen sagen euch

  • Die Verification Gap ist erhoben, aktuell und groß – keine Anekdote
  • Das Review von KI-Code kostet 38 % der Befragten mehr Aufwand
  • 53 % führen technische Schulden auf KI-Code zurück, der korrekt aussah, aber nicht verlässlich war
  • Die Volumenseite (42 % → 65 %) wächst weiter

Sie sagen euch nicht

  • Die Verification Gap eures eigenen Teams – lokal messen
  • Dass ein einzelnes Tool sie schließt – Prozess tut es
  • Dass KI-Code per se schlechter ist als menschlicher
  • Etwas über Erhebungen nach 2026 – auf neue Wellen achten

Wenn diese Grenzen zu eurem Team passen:

FAQ

Wie viele Entwickler prüfen KI-Code wirklich?
Laut Sonars State-of-Code-Umfrage 2026 sagen nur 48 % der Entwickler, dass sie KI-gestützten Code vor dem Commit immer prüfen. Zugleich geben 96 % an, KI-generiertem Code nicht voll zuzutrauen, dass er funktional korrekt ist. Dieser Abstand zwischen Vertrauen und Prüfpraxis ist die Verification Gap.
Wie groß ist die Verification Gap genau?
Beide Antworten stammen von denselben Befragten: 96 % vertrauen KI-generiertem Code nicht voll, und 52 % prüfen ihn vor dem Commit nicht immer. Mindestens rund die Hälfte trifft also beides zugleich und committet Code, dem sie nicht voll vertraut, ohne ihn immer zu prüfen. Diese Untergrenze ist die Lesart von Reality Graph, nicht die von Sonar; in deinem Team tritt die Quote ungeprüfter Merges an ihre Stelle. KI stellt in derselben Umfrage bereits 42 % des committeten Codes, der Anteil ohne Prüfung betrifft also ein großes Volumen.
Woher stammen diese Zahlen?
Vor allem aus Sonars State of Code Developer Survey, veröffentlicht am 8. Januar 2026 mit Pressemitteilung, Zusammenfassung und vollständigem Bericht (1.149 Antworten). Die Zahlen auf dieser Seite stehen mit Quelle und Jahr. Stammt eine Zahl aus einer anderen Studie (Faros-AI-Telemetrie, GitClears Repository-Analyse), ist die Quelle direkt dabei genannt.
Warum überspringen Entwickler die Prüfung, obwohl sie dem Code misstrauen?
Die Umfrage deutet auf den Aufwand: 38 % sagen, dass das Review von KI-generiertem Code mehr Aufwand ist als das Review von Code eines Kollegen, und Faros-AI-Telemetrie aus dem Datensatz 2025 zeigt die mediane Zeit, die ein Pull Request im Review liegt, um 91 % höher. Die Lesart von Reality Graph, nicht die der Quellen: Verdoppelt sich die Generierung und bleibt die Prüfkapazität gleich, wird das Überspringen zum Weg des geringsten Widerstands; das zeigt das Generierungs-zu-Prüfungs-Verhältnis. Genau diesen Mechanismus beschreibt Verification Debt.
Richtet die Verification Gap realen Schaden an oder ist sie theoretisch?
Die Umfrage liefert zwei Signale, und keines misst den Schaden direkt. 53 % der Entwickler führen eine negative Wirkung auf ihre technischen Schulden darauf zurück, dass KI Code erzeugte, der korrekt aussah, aber nicht verlässlich war. Außerdem meldet Sonar, dass Nutzer des eigenen Produkts SonarQube mit 44 % geringerer Wahrscheinlichkeit Ausfälle durch KI-generierten Code erleben als Nichtnutzer. Das vergleicht die Kunden eines Anbieters mit allen anderen in dessen eigener Umfrage und trennt keinen Prüfprozess heraus; deshalb zieht diese Seite daraus keinen Schluss über Ausfälle (keine Kennzahl greift).
Schließt sich die Verification Gap oder wird sie größer?
Die Druckseite wächst: Die befragten Entwickler erwarten, dass der KI-Anteil am committeten Code von rund 42 % auf 65 % bis 2027 steigt. Ob die Prüfseite mithält, ist eine Frage des Prozesses; die Umfrage zeigt Praxis, kein Schicksal. Diese Seite nennt die Zahlen von 2026 mit Quellen und wird aktualisiert, wenn neue Erhebungswellen erscheinen.
Welche Statistiken zum Vertrauen in KI-Code gibt es?
Belastbar und datiert ist auf dieser Seite die Sonar-Umfrage State of Code 2026: 96 %, die KI-generiertem Code nicht voll vertrauen, und 48 %, die ihn vor dem Commit immer prüfen. Daneben gibt es Forschung zur „generation-verification gap“, die misst, wie gut Modelle ihre eigene Ausgabe prüfen, und Branchenbefragungen, die nach Nutzung statt nach Vertrauen fragen. Jede dieser Quellen misst etwas anderes; eine Zahl aus der einen beweist nichts über die andere.

Weiterlesen

Quellen

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

Zugang anfragen