DORA Report 2025: Der Stand KI-gestützter Softwareentwicklung¶

Veit Schiele

28. September 2025

7–9 Minuten

Die wichtigste Erkenntnis der DORA-Studie ist, dass KI in der Softwareentwicklung ein Verstärker ist: Sie verstärkt die Stärken leistungsstarker Unternehmen und die Schwächen von Unternehmen, die mit Schwierigkeiten zu kämpfen haben. Die größten Erfolge bei Investitionen in KI kommen nicht von den Tools selbst, sondern von einem strategischen Fokus auf das zugrunde liegende Organisationssystem – die Klarheit der Arbeitsabläufe und die Abstimmung der Teams. Ohne diese Grundlage schafft KI nur vereinzelte Produktivitätsinseln, die oft durch das nachgelagerte Durcheinander zunichte gemacht werden.

Siehe auch

Verstehen der Software-Delivery-Performance¶

Die diesjährige Studie identifiziert sieben unterschiedliche Teamprofile, die einen neuen Rahmen für gezielte Verbesserungen bieten:

Foundational challenges (Grundlegende Herausforderungen): 10 % der Teams befinden sich im Überlebensmodus und stehen vor erheblichen Herausforderungen mit grundlegenden Lücken in ihren Prozessen, ihrer Umgebung und ihren Ergebnissen.
Legacy bottleneck (Altlasten-Engpass): 11 % der Teams befinden sich in einem ständigen Reaktionszustand, in dem instabile Systeme ihre Arbeit diktieren und ihre Moral untergraben.
Constrained by process (Eingeschränkt durch Prozesse): 17 % der Teams laufen in einer Tretmühle. Obwohl sie an stabilen Systemen arbeiten, wird ihre Arbeit durch ineffiziente Prozesse aufgezehrt, was zu hoher Burnout-Rate und geringer Wirkung führt.
High impact, low cadence (Hohe Wirkung, niedrige Frequenz): 7 % der Teams leisten hochwirksame Arbeit, was sich in einer starken Produktleistung und einer hohen individuellen Effektivität widerspiegelt. Dies geht jedoch mit einem Liefermodell mit niedriger Frequenz einher, das durch einen geringen Software-Durchsatz und eine hohe Instabilität gekennzeichnet ist.
Stable and methodical (Stabil und methodisch): 15 % der Teams machen zuverlässiges Handwerk, das in einem bedächtigen und nachhaltigen Tempo hochwertige, wertvolle Arbeit leistet.
Pragmatic performers (Pragmatische Performer): 20 % der Teams liefern konstant Arbeit mit beeindruckender Geschwindigkeit und Stabilität, auch wenn ihre stabile Arbeitsumgebung noch nicht den Zustand maximaler Leistungsfähigkeit erreicht hat.
Harmonious high-achiever (Harmonische Hochleistung): 20 % der Teams sind hervorragend – ein positiver Kreislauf, in dem ein stabiles, reibungsloses Umfeld die Teams in die Lage versetzt, qualitativ hochwertige Arbeit zu leisten.

Leistungsniveaus von sieben Team-Archetypen¶

Einführung und Nutzung von KI¶

KI in der Softwareentwicklung ist mittlerweile fast überall eingeführt worden. 90 % der befragten Personen nutzen KI im Rahmen ihrer Arbeit und mehr als 80 % sind der Meinung, dass dadurch ihre Produktivität gesteigert wurde. Dennoch gibt mit 30 % ein beträchtlicher Teil an, derzeit wenig bis gar kein Vertrauen in den von KI generierten Code zu haben, was auf einen Bedarf an Validierungsfähigkeiten hindeutet.

Verteilung der Vertrauensniveaus unter den Befragten — Vertrauen in die Qualität der KI-generierten Ergebnisse¶

Und obwohl der Einsatz von KI nahezu allgegenwärtig ist, ist der reflexive Einsatz – also der automatische Einsatz von KI bei Problemen – dies nicht.

Wie oft Nutzer bei Problemen oder Aufgaben auf KI zurückgreifen — Reflexiver Einsatz von KI¶

Dennoch nutzen Entwickler*innen KI-Tools nicht nur häufig, sondern sind bei ihrer Arbeit auch stark auf sie angewiesen:

Verteilung der Abhängigkeitsgrade unter KI-Nutzern — Allgemeine Abhängigkeit von KI am Arbeitsplatz¶

Zusammenhang zwischen KI und Key Results¶

KI verbessert den Durchsatz bei der Softwarebereitstellung, was eine wesentliche Veränderung gegenüber dem Vorjahr darstellt. Allerdings erhöht er weiterhin die Instabilität der Bereitstellung. Dies deutet darauf hin, dass sich die Teams zwar auf Geschwindigkeit einstellen, ihre zugrundeliegenden Systeme jedoch noch nicht so weit entwickelt sind, dass sie die KI-beschleunigte Entwicklung sicher verwalten können.

„KI ist das neue Normal in der Softwareentwicklung“

Auswirkungen der KI auf wichtige Ergebnisse¶

Bei den orangefarbenen Ergebnissen, wie z. B. Burnout, ist ein negativer Effekt wünschenswert.

DORA-KI-Kompetenzmodell¶

Für eine erfolgreiche Einführung von KI braucht es demnach mehr als nur die passenden Tools. Das neue DORA-KI-Kompetenzmodell identifiziert sieben grundlegende Praktiken, die die Unternehmensleistung verstärkten:

Klare und kommunizierte KI-Position: bezieht sich auf die verständliche und bewusste Position einer Organisation, was in der Softwareentwicklung hinsichtlich KI-gestützter Entwicklungswerkzeuge erwartet und erlaubt wird.
Gesunde Datenökosysteme: bezieht sich auf die Gesamtqualität der internen Datensysteme einer Organisation, ihre Zugänglichkeit und ihre Isolation.
Zugängliche interne Daten: bezieht sich auf den Grad, in dem KI-Tools mit internen Datenquellen und Systemen der Organisation verbunden sind.
Strenge Versionskontrollpraktiken: bieten eine systematische Möglichkeit, Änderungen an Code und anderen digitalen Assets im Laufe der Zeit zu verwalten.
Arbeiten in kleinen Chargen: Working in small batches bezieht sich auf die Aufteilung von Änderungen in überschaubare Einheiten, die schnell getestet und bewertet werden können.
Nutzungsorientierter Ansatz: bezieht sich darauf, inwieweit Teams die Erfahrungen der Personen, die ihre primäre Anwendung oder Dienstleistung nutzen, berücksichtigen.
Qualitativ hochwertige interne Plattformen: bezieht sich auf eine Reihe von Funktionen, die von mehreren Anwendungen oder Diensten gemeinsam genutzt werden und darauf abzielen, diese Funktionen innerhalb des gesamten Unternehmens allgemein verfügbar zu machen.

Plattform-Technik¶

90 % der Unternehmen haben sich für Platform Engineering entschieden, wodurch eine hochwertige interne Plattform zur unverzichtbaren Grundlage für den Erfolg von KI geworden ist.

Geschätzter Effekt hochwertiger interner Plattformen auf wichtige Ergebnisse¶

Value-Stream-Management¶

Value-Stream-Management (VSM) soll als Verstärker für KI wirken und dafür sorgen, dass lokale Produktivitätssteigerungen zu messbaren Verbesserungen der Team- und Produktleistung führen.