Locale: de
Hinweis: Dieser Artikel behauptet nicht, dass KI-Coding eine klinisch nachgewiesene Sucht ist. Verglichen werden lediglich einige Strukturen, die auch in der Forschung zu Glücksspiel und digitalen Produkten untersucht werden, insbesondere unsichere Belohnungen und schnelle Wiederholungen.[3] Daraus folgt nicht, dass beim KI-Coding derselbe Kausalmechanismus nachgewiesen ist.
1. Kurz gesagt: Programmieren mit KI fühlt sich an wie ein Spielautomat, der etwas Brauchbares ausspuckt
Man bittet die KI, einen Fehler zu beheben. Ein paar Sekunden später kommt das Ergebnis. Fehler. Anweisung ändern. Jetzt klappt es fast. Tests starten. Etwas anderes bricht. Noch ein Versuch. Alles grün.
Dieses letzte „bestanden“ fühlt sich erstaunlich gut an.
Anders als bei einem gewöhnlichen Glücksspiel bleibt nach einem guten Durchlauf aber etwas übrig: Code, Tests, Recherche, Dokumentation oder sogar ein komplettes Feature.
Das Tempo wirkt wie Unterhaltung, das Ergebnis wie Arbeit.
Jemand hat eine Softwarefabrik mit einem Spielautomaten verschmolzen.
2. „Vielleicht klappt der nächste Versuch“ kommt alle paar Minuten
Die Glücksspielforschung beschäftigt sich seit Langem mit Belohnungsunsicherheit: Wenn unklar ist, wann eine Belohnung kommt, kann diese Unsicherheit wiederholtes Verhalten verstärken.[3]
KI-Coding sieht an der Oberfläche ähnlich aus.
Dieselbe Art von Anfrage kann:
- sofort funktionieren
- zu 80 Prozent gelöst werden
- eine andere Datei beschädigen
- die Anforderung komplett missverstehen
- plötzlich die Ursache schneller erkennen als ein Mensch
Beim Drücken von Enter kennt man das Ergebnis nicht.
Und die Unsicherheit löst sich nach Sekunden oder Minuten auf.
Man muss nicht bis morgen auf die nächste Folge warten.
Kleine Überraschungen kommen im Tempo eines Getränkeautomaten.
3. Selbst Fehlschläge fühlen sich selten wie Totalverluste an
Hier unterscheidet sich KI-Coding deutlich vom Glücksspiel.
Ein fehlgeschlagener Versuch hinterlässt oft etwas Nützliches.
Eine Fehlermeldung. Eine neue Vermutung. Eine halbfertige Korrektur. Einen zusätzlichen Test. Zumindest die Erkenntnis, welcher Weg nicht funktioniert.
Nach drei erfolglosen Stunden lautet die mentale Bilanz daher schnell:
„Wir sind trotzdem weiter.“
statt:
„Drei Stunden sind weg.“
Es ist wie ein RPG, das auch für verlorene Kämpfe Erfahrungspunkte vergibt.
Und manchmal fällt zusätzlich noch Produktionscode als Beute.
4. Richtig teuer wird es, wenn die KI allein im Kreis läuft
Nicht jeder Fehlschlag bringt Erkenntnis.
Ein autonomer Agent kann in folgendes Muster geraten:
ausführen → scheitern → in dieselbe Richtung ändern → scheitern → fast denselben Befehl wiederholen → scheitern → „Ich probiere einen anderen Ansatz“ → praktisch dasselbe tun
Ein Mensch kann auf den Bildschirm schauen und sagen: „Hör auf, dieses Loch zu graben.“
Die KI ist fleißig.
Also gräbt sie weiter.
Und verbrennt ebenso fleißig das Nutzungskontingent.
Nötig sind nicht mehr Durchhaltevermögen, sondern Schutzschalter:
- nach 2 oder 3 gleichartigen Fehlern stoppen
- nicht erneut ausführen, wenn sich der Fehler nicht verändert hat
- vor dem nächsten Versuch die Ursache zusammenfassen
- vor großen Änderungen einen Rückkehrpunkt schaffen
- bei ungewöhnlich hohem Verbrauch warnen
Agenten brauchen keine Motivationsrede. Sie brauchen eine klare Regel, wann Schluss ist.
5. Wirtschaftlich gesehen ist es trotzdem kein Glücksspiel
Beim KI-Coding setzt man kein Geld ein, um mit Wahrscheinlichkeit Geld zurückzugewinnen.
Richtig eingesetzt entstehen echte Ergebnisse.
Eine Studie des US-amerikanischen National Bureau of Economic Research (NBER) von 2026 mit mehr als 500.000 GitHub-Entwicklern fand deutliche Zuwächse bei Coding-Aktivitäten durch verschiedene Generationen von KI-Tools. Je näher man jedoch an Projekte und tatsächliche Releases kam, desto kleiner wurden die Effekte.[4]
Das heißt:
Mehr Code ist nicht automatisch mehr ausgelieferter Wert.
Der Agent kann 100-mal laufen. Es können 50 Commits mehr werden. Das Kontingent kann verschwinden.
Wenn nichts bei Nutzern ankommt, dreht sich die Fabrik nur sehr schnell im Leerlauf.
Wenn ein Feature tatsächlich veröffentlicht wird, Tests besteht und genutzt wird, ist der Nutzen real.
Das Besondere am KI-Coding ist, dass spielerisches Feedback und echte Produktivität auf demselben Bildschirm liegen.
6. Warum sich teure Abos so leicht rechtfertigen lassen
Ein hoher monatlicher Betrag für ein Spiel sieht eindeutig nach Freizeitkosten aus.
Bei KI verschiebt sich die Rechnung.
Sie kann Arbeitszeit sparen. Unbekannte Konzepte erklären. Code schreiben. Recherchieren. Dokumentation erstellen. Anwendungen bauen.
Die Gebühr wirkt plötzlich wie Werkzeugkosten.
Und ungünstigerweise für den Geldbeutel ist es tatsächlich ein Werkzeug.
Unterhaltung, Arbeit, Lernen und Produktion stehen auf derselben Rechnung.
Ein teurer Tarif lässt sich daher mit realen Argumenten begründen:
„Das hat mehrere Stunden gespart.“ „Das Feature ist fertig.“ „Ohne KI hätte ich alles selbst recherchieren müssen.“
7. „Nützlich“ bedeutet nicht „zu jedem Preis sinnvoll“
Trotzdem sollte man messen.
Wer 10 Stunden mit der KI für eine Aufgabe braucht, die früher 5 Stunden dauerte, hat vielleicht ein neues Hobby gefunden und kein Produktivitätswerkzeug.
Als Hobby ist das völlig in Ordnung.
Problematisch wird es nur, wenn man es für Arbeit hält und hauptsächlich dem Agenten zusieht.
Sinnvolle Kennzahlen sind:
- Zeitaufwand ohne KI
- zusätzliche tatsächlich fertige Ergebnisse
- gesunkener menschlicher Prüfaufwand
- verlorenes Kontingent durch Fehlerschleifen
- Aufgaben, die ein günstigeres Modell erledigen könnte
- mehr echte Releases statt nur mehr Code
„Ich habe es sehr viel benutzt“ ist kein Ergebnis.
Auch wer im Fitnessstudio wohnt, bekommt nicht automatisch Muskeln.
8. Warum „jeden Tag eine Verbesserung oder vollständiger Reset“ so attraktiv klingt
Im Oktober 2026 kündigte der OpenAI-Verantwortliche für Codex und ChatGPT Work öffentlich eine 28-Tage-Challenge an: Jeden Tag solle entweder eine klare Verbesserung für die meisten Nutzer erscheinen oder ein vollständiger Reset erfolgen.[1]
Kurz zuvor hatte er angekündigt, die Arbeit auf Vereinfachung, effizientere und umfangreichere Nutzung, große neue Funktionen und neue Modelle zu konzentrieren.[2]
Eine inoffizielle, von Nutzern betriebene Tracking-Seite legt den Zeitraum auf den 5. Oktober bis 1. November (pazifische Zeit) fest.[5]
Normalerweise klingt „jeden Tag ein neues Feature“ großzügiger.
Für echte Vielnutzer gilt manchmal:
ein neues Feature < vollständig erneuertes Nutzungskontingent.
Der Wert eines starken KI-Modells besteht nicht nur in seiner Intelligenz, sondern auch darin, wie viele sinnvolle Versuche noch möglich sind.
Wenn eine nutzlose Fehlerschleife gerade einen großen Teil des Kontingents verbrannt hat, sieht ein Reset plötzlich besser aus als jeder neue Knopf.
9. Man muss den Spaß nicht entfernen, nur sinnlose Wiederholungen
Dass Programmieren mit KI Spaß macht, ist kein Fehler.
Langweilige Produktionsarbeit in „noch einen Versuch“ zu verwandeln, ist eine große Stärke.
Problematisch wird es, wenn:
„noch ein Versuch“
zu
„der Agent hat denselben Fehler 20-mal allein wiederholt“
wird.
Das Ziel ist daher nicht, KI-Coding langweiliger zu machen.
Nützliche Iterationen schnell. Nutzlose Wiederholungen früh stoppen.
Am Ende zählt nicht, wie oft sich das Rad gedreht hat.
Sondern:
was tatsächlich fertig geworden ist.
Quellen (5)
[1] Tibo Sottiaux, X post, 2026-10-04/05: “Over the next 28 days, each day we’ll either ship one thing that is a clear improvement and relevant for most codex/work users or ship a full reset.”
https://x.com/thsottiaux/status/2106845241357824205
[2] Tibo Sottiaux, X post, 2026-10-04: “Only things being worked on are simplifications, more efficiency for more usage, groundbreaking features or new models.”
https://x.com/thsottiaux/status/2106610099720720811
[3] Zack, M. et al. / Clark, L. et al., “Engineered highs: Reward variability and frequency as potential prerequisites of behavioural addiction,” 2023. PubMed.
https://pubmed.ncbi.nlm.nih.gov/36701907/
[4] Demirer, M., Musolff, L., Yang, L., “Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools,” NBER Working Paper 35275, 2026, revised September 2026.
https://www.nber.org/papers/w35275
[5] Codex Resets, “Tibo’s 28-day challenge,” unofficial community tracker. The site states that its Oct. 5–Nov. 1 Pacific Time window is its own interpretation, not an official schedule.
https://codex-resets.com/tibo-28
