Der Bericht „State of AI Code Quality in 2025“ von Qodo, basierend auf einer Befragung von 609 Entwicklern, untersucht die sich wandelnde Rolle von KI in der Softwareentwicklung. Er zeigt, dass KI-Tools zwar zum Mainstream geworden sind (82 % tägliche/wöchentliche Nutzung, 59 % nutzen 3 oder mehr Tools), tiefes Vertrauen in ihre Ausgaben jedoch schwer fassbar bleibt. KI-Tools beeinflussen produktiven Code erheblich: 65 % der Entwickler geben an, dass mindestens 25 % ihrer Commits KI-generiert oder KI-geprägt sind.
Produktivität vs. Vertrauen: das Paradox
Während 78 % Produktivitätsgewinne melden und 57 % ihre Arbeit als angenehmer empfinden, bleibt eine große Hürde bestehen: Halluzinationen. 25 % der Entwickler schätzen, dass jeder fünfte KI-Vorschlag Fehler enthält, was Vertrauen und Akzeptanz stark belastet. Diese Häufigkeit von Halluzinationen führt zu geringem Vertrauen: 76 % der Entwickler, die häufig mit Halluzinationen konfrontiert sind, zögern, KI-Code ohne menschliche Prüfung auszuliefern. Selbst unter denen mit niedrigen Halluzinationsraten zögert eine Mehrheit (75 %), ohne manuelle Verifizierung zu mergen.
Codequalität und KI-Review: ein entscheidender Katalysator
Entgegen den Befürchtungen korreliert erhöhte Produktivität mit KI häufig mit besserer Codequalität. 70 % der Entwickler, die substanzielle Produktivitätsgewinne melden, berichten auch über bessere Codequalität. KI-gestützter Code-Review wirkt als Katalysator: 81 % der schnell arbeitenden Teams, die KI für Reviews einsetzen, berichten über Qualitätsverbesserungen, gegenüber 55 % ohne diesen Einsatz. Diese automatisierte Validierung hilft, Qualitätsstandards bei beschleunigter Auslieferung aufrechtzuerhalten.
Kontext: ein grundlegender Faktor
Der Bericht identifiziert Kontext als den wichtigsten Faktor für wahrgenommene Qualität und Vertrauen. 65 % der Entwickler geben an, dass KI beim Refactoring relevanten Kontext übersieht — ein häufigeres Problem als Halluzinationen selbst. Ähnliche Probleme treten bei der Testgenerierung und beim Code-Review auf. Entwickler fordern überwiegend ein „besseres kontextuelles Verständnis“ von ihren KI-Tools. Der Bericht plädiert für ein persistentes, automatisiertes Kontextlernen über das gesamte Repository hinweg, da manuelle Kontextauswahl ineffizient und frustrierend ist.
Das Confidence Flywheel
Der Bericht führt das „Confidence Flywheel“ ein: einen sich selbst verstärkenden Kreislauf, bei dem kontextreiche Vorschläge Halluzinationen reduzieren, was zu korrektem Code, gesteigertem Vertrauen der Entwickler, schnellerer Auslieferung und letztlich besseren Beispielen führt, die wieder in das Modell zurückfließen. Nur 3,8 % der Entwickler erleben derzeit dieses ideale Szenario, berichten dabei aber über höhere Qualitätsgewinne und größeres Vertrauen.
Tests und Vertrauen
Entwickler, die KI für Tests einsetzen, sind doppelt so zuversichtlich hinsichtlich ihrer Testsuiten (61 % vs. 27 % bei Nicht-Nutzern), was darauf hindeutet, dass eine vollständige KI-Integration über den gesamten Entwicklungszyklus hinweg das Gesamtvertrauen verbessert.
Strategisches Fazit
Qodo kommt zu dem Schluss, dass die Erschließung des vollen Geschäftswerts generativer KI die Überbrückung der Lücke zwischen LLM-Fähigkeiten und bewährten bestehenden Systemen erfordert, wobei die Integration in die jeweilige Domäne entscheidend ist. Der Bericht fordert eine agentische Plattform für Codequalität, die tiefes Kontextbewusstsein bietet und KI über den gesamten Entwicklungszyklus integriert, um Codequalität und Vertrauen der Entwickler zu stärken. Dieser iterative Ansatz mit technischen Leitplanken ist hochwirksam, offenbart jedoch auch Grenzen: menschliche technische Expertise bleibt unerlässlich, um KI-Fehler zu erkennen, und Agenten fehlt der geschäftliche Kontext.