Bei vielen Softwareaufgaben kommt es im Wettbewerb um KI-Programmierwerkzeuge nach Einschätzung von Cognition-Präsident und Mitgründer Russell Kaplan zunehmend auf Kosten und Geschwindigkeit an. Sobald mehrere Modelle verlässliche Ergebnisse liefern, verlieren kleine Unterschiede bei der Leistungsfähigkeit an Gewicht – ein Faktor, der für Entwickler und Unternehmen bei der Tool-Auswahl wichtiger werden könnte.
In einem Beitrag vom 19. Oktober bezeichnete Kaplan viele Aufgaben in der Softwareentwicklung als „Intelligenzsättigung“. Können mehrere Modelle eine Aufgabe gut bewältigen, entscheiden nicht mehr unbedingt geringe Leistungsunterschiede. Stattdessen dürften Nutzer stärker auf Nutzungskosten, Antwortzeiten und die Effizienz der Umsetzung achten.
Aktuelle Branchendaten weisen in eine ähnliche Richtung: Ein Vorsprung von zehn Prozentpunkten bei der Modellintelligenz geht inzwischen mit einem rund 20-prozentigen Vorteil beim Entwickler-Traffic einher. Ende 2025 entsprach derselbe Vorsprung noch einem Zuwachs von nahezu 69 Prozent. Das deutet darauf hin, dass Entwickler auf reine Leistungsverbesserungen möglicherweise weniger stark reagieren als zuvor.
Cognition nimmt Kosten und Ausführung von Devin in den Blick
Cognition entwickelt Devin, ein KI-gestütztes Engineering-Tool, das Teile des Softwareentwicklungsprozesses übernehmen soll, darunter Programmieraufgaben. Kaplan sagte, die Entwicklung stimme „in der Tendenz“ mit den internen Beobachtungen des Unternehmens überein. Kunden-, Umsatz- oder Nutzungszahlen nannte er nicht.
Wenn mehrere Modelle routinemäßige Programmierarbeit erledigen können, zählt im Wettbewerb nicht mehr allein, welches System die komplexesten Probleme löst. Auch die Kosten und die benötigte Zeit pro Aufgabe sowie die Möglichkeit, ein Tool im großen Maßstab einzusetzen, spielen eine Rolle. Diese Faktoren können sich auf Unternehmensbudgets und darauf auswirken, ob Entwickler ein Produkt dauerhaft nutzen.
Programmieren bleibt ein Verkaufsargument großer KI-Anbieter
OpenAI, Anthropic, Meta und Google sowie zahlreiche weitere KI-Labore werben mit ihren Programmierfunktionen um Entwickler und Unternehmenskunden. Unterschiede beim Generieren und Debuggen von Code sowie bei der Bearbeitung anspruchsvoller Engineering-Aufgaben waren dabei wichtige Verkaufsargumente.
Mit besseren KI-Agenten für wiederkehrende und routinemäßige Softwareaufgaben könnten Nutzer den zusätzlichen Nutzen leistungsfähigerer Modelle neu bewerten. Kann ein günstigeres und schnelleres System dieselbe Arbeit erledigen, könnten Kunden weniger bereit sein, für begrenzte Leistungsverbesserungen mehr zu bezahlen oder länger zu warten.
Der Wettbewerb um leistungsfähigere Modelle ist damit nicht beendet. Die Qualität des Schlussfolgerns kann weiterhin entscheidend sein, etwa bei komplexen Architekturen, längeren Arbeitsabläufen und Projekten, in denen Fehler selten sein dürfen. Kaplan bezog sich auf Aufgaben, die bereits mehrere Modelle gut bewältigen; seine Aussagen belegen nicht, dass sich der gesamte Markt für KI-Programmierung einheitlich in Richtung niedrigerer Preise oder kürzerer Antwortzeiten entwickelt. Cognition hat nicht mitgeteilt, ob das Unternehmen Preise, Modellauswahl oder Unternehmenskunden-Angebote für Devin ändern will.