Erweiterungsrecherche gegen Quellenbias vom 23. August 2026

Anlass

Der Nutzer weist darauf hin, dass die bisherige Quellenbasis wesentlich aus zufällig entdeckten Links in sozialen Medien und persönlichen Feeds entstanden ist. Diese Auswahl kann durch frühere Interessen, Kontakte, Plattformalgorithmen und wiederkehrende Autoren geprägt sein. Die erste Quellensichtung bewertete die bereitgestellte Sammlung, konnte deren vorgelagerte Auswahl aber nicht korrigieren.

Beobachtete Schieflage der bisherigen Basis

• Viele Quellen sind persönliche Praxisberichte, Beratungsmodelle oder Veröffentlichungen von Werkzeuganbietern.
• Mehrere Beiträge stammen aus demselben deutschsprachigen Architektur- und Beratungsumfeld und teilen dadurch teilweise Begriffe und Grundannahmen.
• Unabhängige Beobachtungen tatsächlicher Agentenbeiträge, unternehmensinterne Felddaten, qualitative Arbeitsbeobachtungen und reproduzierbare Langzeit- oder Security-Benchmarks waren vergleichsweise schwach vertreten.
• Produkt-Discovery und organisationsweite Produktwirkung waren in der ersten Recherche besonders schwach vertreten; die anschließende gezielte Folgerecherche fand erste Evidenz zu Produktinnovation und UX, aber weiterhin kaum Messung ausgelieferter Kundenwirkung.

Such- und Auswahlstrategie

Gesucht wurde außerhalb der vorhandenen Autoren- und Domaincluster nach Veröffentlichungen aus 2025 und 2026. Bevorzugt wurden Originalarbeiten mit nachvollziehbarer Methode, realen Nutzungs- oder Repository-Daten, Peer Review beziehungsweise angenommener Konferenzveröffentlichung sowie reproduzierbaren Benchmarks. Anbieterberichte wurden nur berücksichtigt, wenn proprietäre Felddaten einen sonst nicht zugänglichen Blick eröffnen; ihre Interessenkonflikte und Proxy-Metriken werden ausdrücklich begrenzt.

Aufgenommene Quellen und Einordnung

Reales Verhalten und Open-Source-Governance

• Ehsani et al. zu gescheiterten agentischen Pull Requests ist eine angenommene MSR-Studie mit rund 33.000 Pull Requests. Sie verbindet technische Faktoren wie Änderungsgröße und CI mit sozio-technischen Faktoren wie Dubletten, fehlendem Bedarf und Reviewer-Interaktion.
• Raida und Hou zur frühen Adoption verschiebt die Ebene vom einzelnen Pull Request zum Projekt. Die Nutzung ist im Median flach und die menschliche Aufsicht meist auf eine Person konzentriert. Der Beitrag ist aktuell und direkt relevant, bleibt als Workshop-Paper und kurze Momentaufnahme aber seedling.

Organisationale Einführung und professionelle Arbeitsweise

• Murphy-Hill et al. zur Microsoft-Einführung bietet seltene Telemetrie von mehreren zehntausend Entwicklern. Der geschätzte Anstieg gemergter Pull Requests ist ein Output-Befund, kein Nachweis besserer Produkte; Anbieterbezug und Selbstselektion begrenzen die Kausalität.
• Huang et al. zur kontrollierten Agentennutzung ergänzt Praxisessays um Feldbeobachtungen und eine qualitative Befragung. Die Studie stützt die Bedeutung von Expertise, begrenzter Parallelität und aufgabenspezifischer Delegation, ist aber nicht repräsentativ.

Qualitäts- und Sicherheitsgrenzen

• SlopCodeBench prüft wiederholte Erweiterung statt einmaliger Problemlösung. Der beobachtete Strukturverfall fordert testzentrierte Erfolgsmaße heraus, ist aber noch ein synthetischer Preprint-Benchmark.
• SecRepoBench verbindet Unit Tests und reale OSS-Fuzz-Fälle in C/C++-Repositories. Er zeigt sowohl den Nutzen agentischer Werkzeuge gegenüber isolierten Modellen als auch die Schwierigkeit, funktionale und sichere Korrektheit gemeinsam zu erreichen.

Gezielte Folgerecherche jenseits von Coding

• The Cybernetic Teammate ist ein präregistriertes Feldexperiment mit 791 P&G-Fachleuten. Es liefert kausale Evidenz für bessere frühe Produktinnovationsvorschläge und stärker integrierte funktionale Perspektiven, untersucht aber GenAI-Unterstützung statt autonomer Agenten und keine Kundenwirkung.
• MAUX operationalisiert fünf UX-Ebenen als koordinierten Multi-Agent-Workflow. Die kontrollierte Evaluation zeigt kohärentere Designartefakte, nicht aber zutreffende Nutzerbedürfnisse oder Wirkung im Feld.
• D’Antonio und Xie untersuchen agentisch unterstützte Runbook-Arbeit über 17 Wochen und 232 reale Produktionsvorfälle. Der Fall erweitert den Garden erstmals um direkte Betriebsevidenz, bleibt aber eine unkontrollierte Einzelstudie mit menschlicher Letztentscheidung.
• (Im)Paired Programming findet bei 54 Studierenden bessere kurzfristige Aufgabenerfüllung, aber schwächeres Codeverständnis. Die Arbeit liefert ein Lernrisiko, darf jedoch nicht unmittelbar auf Junior Developers in Teams übertragen werden.
• Cynthia et al. zeigen an 9.427 Pull Requests Unterschiede zwischen Core und Peripheral Developers bei Delegation, Review, Änderungen und CI-Prüfung. Die Repository-Rolle ist kein Ersatz für Seniorität, macht Erfahrungseffekte aber empirisch untersuchbar.
• Winckler et al. dokumentieren in einer dreimonatigen Fintech-Fallstudie die Spannung zwischen beschleunigten Routineaufgaben und neuer Validierungs- sowie Architekturlast. Sie untersucht AI-Assistenz einschließlich Windsurf, nicht ausschließlich autonome Agenten.

Neubewertung des Wissensstands

Die neuen Quellen widerlegen die bisherige Forschungslandkarte nicht, verändern aber ihre Evidenzbasis. Fünf Aussagen sind nun besser gestützt: Agentische Arbeit braucht aufgabenspezifische menschliche Kontrolle; mehr Pull-Request-Output ist nicht mit Produktwirkung gleichzusetzen; Einmal-Tests erfassen langfristige Maintainability und Security nur unzureichend; frühe Produktinnovation kann von AI als Teampartner profitieren, ohne dass damit Kundennutzen belegt ist; und Beschleunigung kann Arbeit in Validierung, Architekturabgleich und Erhalt des Verständnisses verschieben.

Zugleich entsteht eine neue Spannung: Die Microsoft-Feldstudie findet mehr gemergte Pull Requests, während Open-Source-Daten eine meist geringe Nutzungsintensität, Single-Reviewer-Aufsicht und typische Ablehnungsgründe zeigen. Das ist kein direkter Widerspruch, weil Populationen, Werkzeuge und Messgrößen verschieden sind. Es ist ein Grund, Adoption, technischen Output, Review-Last, Qualität und Produktwirkung getrennt zu messen.

Verbleibende Unsicherheiten und nächste Suchfelder

• Es fehlen weiterhin belastbare Studien zu AI-gestützter Kundenforschung, Priorisierung und Lernen aus ausgelieferten Kundenergebnissen. Für frühe Produktinnovation, UX-Artefakte und Human-in-the-loop-Betrieb gibt es nun erste, aber noch schmale Evidenz.
• Öffentliche Repository-Daten bilden interne Kommunikation, verworfene Agentenläufe und lokale Nutzung nur unvollständig ab.
• Viele 2026er Arbeiten sind Preprints oder Workshop-Beiträge und sollten nach Peer Review, Replikationen und neuen Versionen erneut geprüft werden.
• Eine spätere Suche sollte bewusst Unternehmensgrößen, Branchen, nicht englischsprachige Teams, reale Junior-Entwicklung, Accessibility, langfristige Arbeitsbelastung und ökologische beziehungsweise finanzielle Kosten abdecken.