Schreibt KI die Hälfte des Codes? Gemessen wurde das nie

Zwei Zahlen sind letzte Woche gemeinsam durchs Netz gewandert: KI soll inzwischen die Hälfte des Codes schreiben, und dieser Code soll bei Sicherheitstests in 44 Prozent der Fälle durchfallen. Beide Zahlen stimmen. Nur eine davon ist eine Messung.

Vierte Ausgabe unserer wöchentlichen Rubrik. Das Prinzip bleibt gleich: Die Zahl stimmt fast immer, es ist die Geschichte drumherum, die aus der Spur gerät. Diesmal trifft die Presse keine Schuld: Die Verschiebung passiert woanders, zwischen zwei Dokumenten.

Der Bericht und seine Quelle

Am 28. Juli veröffentlicht Veracode seinen 2026 GenAI Code Security Report. Der zentrale Befund ist eindeutig: Bei mehr als 100 Modellen, die in vier Testreihen untersucht wurden, liegt die Erfolgsquote bei Sicherheitsprüfungen bei 56 Prozent, gegenüber 55 Prozent ein Jahr zuvor. Im selben Zeitraum ist die syntaktische Korrektheit auf nahezu 100 Prozent gestiegen.

Die Berichterstattung gab den Bericht getreu wieder. The Next Web titelt „AI writes half our code now. It still fails security tests 44% of the time.“ (Übersetzung: KI schreibt jetzt die Hälfte unseres Codes. Bei Sicherheitstests fällt er noch immer in 44 Prozent der Fälle durch.) SD Times titelt über eine Sicherheitslage, die sich binnen eines Jahres kaum verändert hat. Der Rückschlag fehlte nirgends, weder in Überschriften noch im Fließtext.

Bleibt die erste Hälfte des Satzes. Der Bericht schreibt: „In organizations that have adopted AI coding tools, AI now authors roughly half of all committed code.“ (sinngemäß übersetzt: In Organisationen, die KI-Programmierwerkzeuge eingeführt haben, verfasst KI inzwischen etwa die Hälfte des gesamten committeten Codes.) Diese Zahl hat Veracode nicht selbst gemessen. Der Bericht zitiert sie, und der Link führt zu DX, einem Anbieter von Messwerkzeugen für Tech-Teams.

Bei DX wird nicht der Code gelesen, sondern eine Frage gestellt

DX legt seine Methode offen: „Currently, we measure the ‚percentage of AI-generated code‘ by asking developers directly how much of their merged code they believe is written by AI.“ (Übersetzung: Aktuell messen wir den ‚Anteil KI-generierten Codes‘, indem wir Entwickler direkt fragen, wie viel Prozent ihres gemergten Codes ihrer Einschätzung nach von KI stammt.) Gefragt wird, was Entwickler glauben, delegiert zu haben.

Das Unternehmen geht noch weiter und stellt klar, die Daten als „estimates of the proportion of coding workload delegated to AI tools, rather than literal measures of code output“ (Übersetzung: Schätzungen des Anteils der an KI-Tools delegierten Programmierarbeit, nicht als tatsächliche Messungen der Codeproduktion) zu interpretieren: eine Einschätzung der Arbeitsbelastung, keine Produktionsmessung.

DX weist zudem auf eine Verzerrung in beide Richtungen hin: Unterschätzung, wenn Agenten allein arbeiten, und Überschätzung, „when developers treat AI use as a performance signal“ (Übersetzung: wenn Entwickler den KI-Einsatz als Leistungssignal behandeln). In einem Unternehmen, in dem KI-Nutzung gut ankommt, neigt man dazu, sich davon etwas mehr zuzuschreiben.

Den KI-Anteil am Code durch Befragung von Entwicklern zu schätzen, ist wie die Auslastung eines Fitnessstudios zu ermitteln, indem man Mitglieder fragt, wie oft sie ihrer Meinung nach dort waren. Das Ergebnis sagt etwas Reales aus, aber nicht das, wofür es gehalten wird.

Genau hier passiert die Verschiebung. DX spricht von Schätzungen der delegierten Arbeitslast und stellt klar, dass es sich nicht um Messungen der Codeproduktion handelt. Der Bericht dagegen hält fest, dass KI inzwischen die Hälfte des committeten Codes verfasst. Der Warnhinweis hat die Reise nicht überstanden: keine missglückte Schlagzeile, sondern das Zitat eines Dokuments durch ein anderes.

Eine Zahl, die sich in einem Quartal verdoppelt

Die Zeitreihe von DX lohnt einen genaueren Blick. Im vierten Quartal 2025 gaben Entwickler 22 Prozent an. Im ersten Quartal 2026 waren es 27,4 Prozent, erhoben bei mehr als 500 Organisationen. Im zweiten Quartal 2026 im Schnitt 51,9 Prozent, bei mehr als 400 Unternehmen.

Eine Codebasis dreht sich nicht in drei Monaten um. Die bereits geschriebenen Millionen Zeilen verschwinden nicht, nur weil ein neues Tool im Team ankommt. Was sich dagegen in einem Quartal verdoppeln kann, ist das Bild, das man sich von der eigenen Arbeit macht.

Auch die Stichprobe zählt: Es sind Unternehmen, die bereits mit KI arbeiten, Kunden einer Plattform, die die Leistung von Tech-Teams misst.

Zwei Zahlen, die sich nicht multiplizieren lassen

Die 44 Prozent hingegen sind eine echte Messung. Nur wovon genau, muss man wissen. Veracode lässt seine Modelle Code-Generierungsaufgaben lösen, die um bekannte Schwachstellenfamilien herum konstruiert sind, unter standardisierten Bedingungen und, das ist der entscheidende Punkt, „with no security-specific prompting“ (Übersetzung: ohne sicherheitsspezifische Vorgaben). Dem Modell wird keinerlei Sicherheitsanweisung gegeben: Beobachtet wird sein Standardverhalten bei einer Aufgabe, bei der eine Schwachstelle möglich ist.

Das ist etwas anderes als der Anteil des in Produktion gegangenen Codes, der verwundbar wäre, und nichts im Bericht misst diesen Anteil. Die Kopfrechnung, zu der der Satz einlädt (die Hälfte des Codes, 44 Prozent Schwachstellen, also ein Fünftel der Codebasis zu reparieren), steht auf keinerlei Grundlage, denn die beiden Prozentsätze haben nicht denselben Nenner.

Ein Mittelwert zwischen zwei entgegengesetzten Welten

Die Aufschlüsselung nach Schwachstellentyp ist noch unangenehmer. Bei Verschlüsselungsalgorithmen liegt die Erfolgsquote der Modelle bei 87 Prozent, bei SQL-Injection bei 83 Prozent. Bei Cross-Site-Scripting fällt sie auf 15 Prozent, bei Log-Injection auf 12 Prozent.

Das sind keine Schwankungen um einen Mittelwert, sondern zwei gegensätzliche Situationen im selben Topf: Bei zwei der klassischsten Schwachstellenfamilien sind die Modelle solide geworden, bei zwei anderen scheitern sie fast immer.

Eine Quote von 44 Prozent, gemittelt aus 87 und 12, beschreibt niemanden konkret. Es ist die Statistik, die ein ruhiges Viertel und ein brennendes Viertel in dieselbe Schublade steckt, um am Ende zu folgern, der Stadt gehe es mittelmäßig. Dieselbe Kluft trennt die Programmiersprachen: 63 Prozent Erfolgsquote in Python, 30 Prozent in Java.

Was bleibt

Nichts davon hebt den Befund von Veracode auf, der ernst zu nehmen ist. Im Lauf eines Jahres haben sich die Modelle in praktisch allem verbessert, außer bei der Sicherheit, die auf der Stelle getreten ist. Chris Wysopal, Mitgründer von Veracode, bringt es so auf den Punkt: „models may be almost syntactically perfect, but they are still failing on nearly half of all tasks where security is needed. That number should be a red flag for any organization.“ (sinngemäß übersetzt: Modelle mögen syntaktisch nahezu perfekt sein, aber sie scheitern noch immer bei knapp der Hälfte aller Aufgaben, bei denen Sicherheit gefragt ist. Diese Zahl sollte für jede Organisation ein Alarmsignal sein.)

Code, der perfekt kompiliert und schlecht schützt: Genau dieses Thema haben wir bereits im April mit der Illusion der Korrektheit seziert. Damals haben wir die kursierenden Volumenzahlen übernommen, ohne nachzusehen, wie sie zustande kamen. Das ist jetzt nachgeholt.

Und der tatsächliche Anteil des von KI geschriebenen Codes? Unbekannt, und nicht aus Mangel an Versuchen. Die bislang umfangreichste veröffentlichte Erhebung hat mehr als 180 Millionen Repositories durchforstet (Khosravani und Mockus, 2026). Sie liefert Zählungen, aber niemals einen Anteil, und erklärt auch, warum: Verfolgt man KI-Agenten nur anhand des Signals, auf das sich die meisten Adoptionsstudien stützen, erfasst man gerade einmal 3,3 Prozent, dreißigmal weniger als eine kombinierte Erkennung zutage fördert.

Ein anderes Team, das einen Detektor für KI-Code auf Basis öffentlicher Repositories entwickelt hat, stößt auf dieselbe Grenze: Eine KI-Beteiligung wird fast nie angegeben, und kein großangelegter Datensatz erlaubt es, sie zweifelsfrei festzustellen.

Von einer Maschine geschriebener Code trägt kein Kennzeichen. Genau deshalb stammt die einzige verfügbare Zahl zu seinem Ausmaß aus einem Fragebogen, und genau deshalb reichten zwei Zitate aus, um daraus eine Messung zu machen.