Die Schlagzeile lautet: Big Tech entlässt zehntausende Entwickler, KI übernimmt das Programmieren, der Beruf stirbt. Die Schlagzeile liest den Befund genau falsch herum. Was gerade passiert, ist nicht das Ende der Softwareentwicklung, sondern der Beginn ihrer größten Ausweitung. Und der Grund dafür ist eine 160 Jahre alte ökonomische Beobachtung, die ausgerechnet der CEO von Microsoft wieder in Umlauf gebracht hat.
Wer die falsche Lektion aus den Entlassungszahlen zieht, verpasst gerade das Zeitfenster, in dem eigene Software für den Mittelstand zum ersten Mal bezahlbar wird. Um zu verstehen, warum, muss man kurz ins Jahr 1865.
Was das Jevons-Paradox mit deiner Software zu tun hat
1865 stellte William Stanley Jevons in „The Coal Question" eine Beobachtung an, die der Intuition widerspricht. Die Dampfmaschine von James Watt verbrauchte pro Arbeitseinheit deutlich weniger Kohle als ihre Vorgänger. Man hätte erwartet, dass Großbritannien danach weniger Kohle verbraucht. Das Gegenteil trat ein. Weil die Maschine wirtschaftlicher wurde, lohnte sie sich plötzlich in Fabriken, Bergwerken und Zügen, in denen sie vorher zu teuer war. Der Kohleverbrauch stieg drastisch.
Das ist der Kern des Paradoxons: Wird die Nutzung einer Ressource effizienter, steigt ihr Gesamtverbrauch. Der niedrige Preis erschließt neue Anwendungen, und die neuen Anwendungen fressen mehr, als die Effizienz je eingespart hat.
Genau diese Figur hat Satya Nadella im Januar 2025 auf die KI übertragen, als der Aufstieg von DeepSeek die Märkte nervös machte. „Jevons paradox strikes again", schrieb er. „As AI gets more efficient and accessible, we will see its use skyrocket, turning it into a commodity we just can't get enough of." Übersetzt: Je effizienter und zugänglicher KI wird, desto stärker steigt ihre Nutzung, bis sie zum Allerweltsgut wird, von dem man nie genug bekommt.
Nadella meinte die Rechenleistung. Für die Softwareentwicklung gilt derselbe Mechanismus, nur eine Ebene höher. Zum Allerweltsgut wird dabei das, was die KI produziert: Code.
Die Entlassungswellen erzählen eine andere Geschichte, als du denkst
Die Zahlen sind real, das steht außer Frage. Allein in den USA verloren 2025 über 120.000 Tech-Beschäftigte ihren Job, weltweit lag die Zahl bei über 200.000, Jahresend-Schätzungen gingen Richtung 235.000. 2026 setzte sich der Abbau fort. Und die Erzählung dazu verschiebt sich hörbar Richtung KI: Die Outplacement-Firma Challenger, Gray & Christmas führte im Mai 2026 rund 40 Prozent der Stellenstreichungen auf KI zurück, im Januar desselben Jahres waren es noch 7 Prozent.
Nur trägt diese Erzählung nicht so weit, wie sie klingt. Ein großer Teil dieser Entlassungen korrigiert schlicht die Übertreibung der Pandemie-Jahre, als dieselben Konzerne zu Nullzins-Konditionen auf Vorrat einstellten. Dazu kommen die gestiegenen Zinsen und eine Kapitalumschichtung: Was an einer Stelle eingespart wird, fließt in die nächste KI-Rechenzentrums-Investition. Auffällig oft melden dieselben Unternehmen Rekordumsätze und Stellenabbau im selben Quartal. Das ist Portfolio-Umbau bei vollen Kassen, kein Schrumpfen der Nachfrage nach Software.
„KI" ist in dieser Gemengelage auch das bequemste Etikett. Es klingt an der Börse besser als „wir haben uns 2021 verkalkuliert". Wer die Schlagzeile für bare Münze nimmt, verwechselt die Neuaufstellung einer Handvoll Konzerne mit dem Zustand eines ganzen Berufsfelds.
Der Blick auf die offiziellen Prognosen stützt das. Das U.S. Bureau of Labor Statistics rechnet für Softwareentwickler zwischen 2024 und 2034 mit einem Beschäftigungsplus von 15 bis 16 Prozent, „much faster than the average for all occupations", und mit rund 129.000 offenen Stellen pro Jahr in der breiteren Entwickler-Kategorie.
Der Engpass war immer der Preis
Frag einen beliebigen Mittelständler nach seiner Wunschliste an Software, und du bekommst sie sofort: das ERP, das endlich sauber mit dem Shop spricht. Die Angebotskalkulation, die heute in einer gewachsenen Excel-Tabelle lebt. Das Kundenportal, das der Vertrieb seit Jahren fordert. Die Backlogs waren nie leer. Sie waren eingefroren.
Eingefroren durch den Preis. Das Entwicklungsbudget ist bei klassischer Individualsoftware der kleinere Posten. Den Ausschlag geben die Gesamtkosten über die Laufzeit. Studien zur Software-Ökonomie beziffern den Wartungsanteil an den Lebenszykluskosten regelmäßig auf 60 bis 80 Prozent. Ein Projekt mit 200.000 Euro Entwicklungsbudget steht damit über seine Laufzeit schnell bei einer halben bis einer ganzen Million. Bei diesen Zahlen zieht der Mittelstand eine harte Grenze: Gebaut wird nur, was den Betrieb spürbar differenziert. Der ganze Rest bleibt liegen, wird zugekauft oder von Hand erledigt.
Diese Grenze ist reine Mathematik. Und Mathematik ändert sich, wenn sich einer der Faktoren ändert. Genau hier setzt die KI an: beim Preis der Umsetzung, dem einzigen Faktor, der diese Grenze je verschoben hat.
Individualsoftware wird erreichbar, und genau das ist der Boom
Wenn KI die Produktion von Code verbilligt, verschiebt sich die Schwelle, ab der ein Projekt wirtschaftlich wird, nach unten. Nimm das Kundenportal aus der Wunschliste von eben. Bei klassischen Aufwänden landete es über die Laufzeit jenseits der Viertelmillion und blieb damit liegen, Jahr für Jahr, in jeder Budgetrunde. Sinkt der Produktionsaufwand, rutscht genau dieses Portal unter die Schwelle, ab der die Geschäftsführung zustimmt.
Das ist das Jevons-Paradox in seiner betriebswirtschaftlichen Form, und es trifft den Mittelstand härter als jeden Silicon-Valley-Konzern, weil dort der aufgestaute Bedarf am größten ist.
Damit verschiebt sich auch die alte Grundsatzentscheidung. Ob man Standard-SaaS mietet oder eigene Software baut, war lange eine Frage des Budgets: Bauen war das teure Premium, Kaufen der pragmatische Default. Sinkt der Preis fürs Bauen, kippt die Rechnung in mehr Fällen zugunsten der Eigenlösung. Wer die strategische Achse dahinter sauber ziehen will, findet sie in unserer Entscheidungsmatrix zwischen SaaS und Individualsoftware; die technische Kehrseite, also wann sich Eigenbau im Code wirklich auszahlt, haben wir in Build vs. Buy aus Engineering-Sicht durchgerechnet.
Dass das kein theoretisches Szenario ist, zeigt der Blick nach oben. Bei Microsoft schreibt KI nach Angaben von Satya Nadella bis zu 30 Prozent des Codes; Google-Chef Sundar Pichai nannte Ende 2024 bereits über ein Viertel des neuen Codes. Trotzdem haben beide ihre Entwicklungsorganisationen nicht abgeschafft. Sie bauen ambitionierter, nicht sparsamer. Was an der Spitze passiert, ist die Vorschau auf das, was im Mittelstand ankommt: Mehr Fähigkeit, Code zu produzieren, führt zu mehr Software und mehr Entwicklung.
Der Haken: billiger Code ist nicht automatisch besserer Code
Damit die Kurve nach oben zeigt, muss eine Bedingung erfüllt sein, die im Effizienz-Optimismus gern untergeht: Die Software muss halten. Genau hier wird der Nachfrageschub anspruchsvoll.
Die Produktivitätsgewinne sind nämlich weniger eindeutig, als die 30-Prozent-Zahlen suggerieren. Eine kontrollierte Studie des Forschungsinstituts METR ließ im Sommer 2025 sechzehn erfahrene Open-Source-Entwickler 246 echte Aufgaben bearbeiten, die Hälfte mit, die Hälfte ohne KI-Werkzeuge. Das Ergebnis war unbequem: Mit KI brauchten die Entwickler im Schnitt 19 Prozent länger. Noch aufschlussreicher ist die Wahrnehmungslücke. Dieselben Entwickler schätzten hinterher, die KI habe sie um 20 Prozent beschleunigt. Sie waren langsamer und hielten sich für schneller.
Einordnung gehört dazu: Getestet wurden Werkzeuge vom Frühjahr 2025, und METR nennt das Ergebnis selbst eine Momentaufnahme und hat das Studiendesign später überarbeitet. Der Punkt bleibt trotzdem stehen: Tempo-Gefühl und Tempo-Realität fallen bei KI-Werkzeugen auseinander.
Das ist eine Warnung vor der naiven Version von KI-Entwicklung. Ungeprüft übernommener Code sieht aus wie fertige Arbeit und ist in Wahrheit oft vorgezogene technische Schuld. Wo diese Grenze verläuft, warum „funktioniert" die niedrigste denkbare Schwelle ist und wie schnell ungelesener Code zum Sicherheitsrisiko wird, haben wir in Vibe Coding vs. guter Code im Detail beschrieben.
Der eigentliche Effekt der KI ist deshalb eine Verschiebung des Werts. Das Tippen von Code wird billig. Die Entscheidung, was überhaupt gebaut werden soll, und die Prüfung, ob das Gebaute trägt, werden teurer und wichtiger. Eine KI, die das falsche Feature dreimal so schnell baut, hat niemandem geholfen. Wer dagegen die richtigen Projekte auswählt und ihre Qualität absichert, ist gefragter denn je.
Was das für die Zukunft der KI-Softwareentwicklung bedeutet
Für den Mittelstand ist das die eigentliche Nachricht hinter den Entlassungs-Schlagzeilen. Nicht „Software wird überflüssig", sondern „Software wird bezahlbar". Projekte, die bisher als zu teuer auf der Wunschliste standen, kommen in Reichweite. Und das Zeitfenster, in dem ein früher Zugriff darauf einen echten Vorsprung bringt, ist jetzt offen.
Was sich ändert, ist die Rolle, die ein Dienstleister oder ein internes Team spielt. Den Wert trägt jetzt die Fähigkeit, aus einem gewachsenen Backlog die richtigen Projekte auszuwählen, KI in der Umsetzung diszipliniert einzusetzen und die Qualität so abzusichern, dass die Software auch in fünf Jahren noch trägt. Effiziente Produktion ohne dieses Urteilsvermögen produziert nur schneller Legacy.
Für den Mittelstand ist jetzt der Moment, den eigenen eingefrorenen Backlog neu zu bewerten: Welche Projekte macht der gesunkene Produktionsaufwand als Erstes rentabel? Diese Frage ist eine Architektur- und eine Ökonomiefrage zugleich, und genau an dieser Schnittstelle setzen wir mit Enterprise- und Individualsoftware an.
Jevons hatte recht mit der Kohle. Er hat auch recht mit dem Code.
Quellen (verifiziert, vor Veröffentlichung erneut zu prüfen):
- Jevons, W. S. (1865): The Coal Question, zur Effizienz-Verbrauchs-Paradoxie.
- Nadella, S. (27.01.2025): öffentlicher Post zum Jevons-Paradoxon im Kontext von DeepSeek; Berichterstattung u. a. Fortune (https://fortune.com/2025/01/27/microsoft-ceo-satya-nadella-deepseek-optimism-jevons-paradox/).
- Nadella (Microsoft, bis zu 30 % KI-Code, LlamaCon 29.04.2025) und Pichai (Google, über ein Viertel neuen Codes, Alphabet-Q3-2024-Earnings-Call): u. a. Tom's Hardware (https://www.tomshardware.com/tech-industry/artificial-intelligence/microsofts-ceo-reveals-that-ai-writes-up-to-30-percent-of-its-code-some-projects-may-have-all-of-its-code-written-by-ai).
- Tech-Entlassungen 2025/2026, US vs. global, und KI-Attribution (Challenger, Gray & Christmas, Report Mai 2026): Layoffs-Tracker (https://layoffs.fyi/).
- U.S. Bureau of Labor Statistics, Occupational Outlook Handbook, Software Developers (Wachstum 2024–2034): https://www.bls.gov/ooh/computer-and-information-technology/software-developers.htm.
- METR (10.07.2025): Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/.
- Wartungsanteil 60–80 % der Lebenszykluskosten: gängige Software-Ökonomie-Größenordnung, u. a. R. L. Glass, Facts and Fallacies of Software Engineering (2002).
- Sicherheits-/Qualitätslage KI-generierten Codes: siehe Belege im Beitrag Vibe Coding vs. guter Code (Veracode 2025, u. a.).
