Wie Platform Leads AI-Burnout vermeiden können, indem sie Lücken in der Dokumentation schließen

Warum fühlen wir uns jetzt müder?

Der Konsens? AI-Tools sind nur so gut wie die Dokumentation und Grenzen innerhalb unserer Organisationen. Sind diese brüchig, trifft es als Nächstes den Entwickler. Schnelle Ergebnisse bringen nichts, wenn der Entwickler das System, das er gerade „gebaut“ hat, nicht versteht.

Nach der Auswertung der Debatte habe ich drei versteckte „Energieräuber“ identifiziert, auf die jeder Lead und CTO achten muss, bevor sein Team an seine Grenzen geht.

1. Die Dokumentationslücke (und die 404-Schleife)

Wir alle kennen es: Ein Agent dreht sich im Kreis, weil er versucht, veralteter Dokumentation zu folgen. In einem aktuellen internen Pilotprojekt bei Eficode haben wir festgestellt, dass Entwickler, die LLMs in Projekten mit „veralteter“ Dokumentation nutzten, 30 % mehr Zeit für das Debugging von Halluzinationen benötigten als Entwickler, die mit Repositories mit sauberem Setup arbeiteten. Ein Team berichtete sogar von einer Schleife, in der die AI innerhalb einer Sitzung 14-mal eine veraltete Bibliothek vorschlug.

Einem LLM dabei zuzusehen, wie es sich im Kreis dreht, ist anstrengender, als den Code selbst zu schreiben. Beim Entwickeln von Agenten für große Codebases haben wir eine harte Wahrheit gelernt: Code halluziniert nicht – alles andere möglicherweise schon. Wir erzielen inzwischen deutlich bessere Ergebnisse, indem wir uns nicht mehr auf manuelle Tool-Beschreibungen verlassen, sondern tatsächliche Abhängigkeiten in den Kontext dekompilieren.

Architekturdokumentationen eignen sich hervorragend, um die Intention festzuhalten, technische Spezifikationen sind jedoch oft nur veraltete Annahmen. Soll die AI funktionieren, gebt ihr die Faktenbasis: den Code selbst.

2. Die „Denksteuer“

In der Zeit „vorher“ dachten wir beim Programmieren. Das Tippen gab uns ein bestimmtes Tempo für die mentale Validierung vor. Da AI heute in Sekunden ganze Logikblöcke generiert, müssen wir uns bewusst „Denkzeit“ nehmen.

Andernfalls jagen wir nur durch Features, ohne das „Warum“ zu verstehen. Es ist, als wären wir ständig im Code Review: Ihr versucht, euch in jemand anderen hineinzuversetzen, aber der Code war von Anfang an nicht in eurem Kopf. Wir verschieben das Verständnis in die Lesephase, und als Branche müssen wir das mit nachhaltigen Entwicklungspraktiken angehen, die das Verständnis des Systems vor der reinen Ticket-Geschwindigkeit priorisieren.

Als Branche müssen wir das mit nachhaltigen Entwicklungspraktiken angehen, ähnlich wie bei den in der aktuellen DORA-Forschung hervorgehobenen Bedenken zur kognitiven Belastung, die das Verständnis des Systems vor der reinen Ticket-Geschwindigkeit priorisieren.

3. Das Burnout-Tempo als Höchstleistung

AI ermöglicht es Menschen, in einem Tempo zu arbeiten, das wie Höchstleistung aussieht, sich aber wie ein Schnellkochtopf anfühlt. Weltweite FOMO treibt einen „Management by Perkele“-Ansatz für AI voran – ein finnischer Ausdruck für harte, autoritäre Führung. Dabei werden ROI- und Lines-of-Code-Metriken gefordert, weil VCs allen im Nacken sitzen.

Diese Verlagerung vom Aufbau solider Grundlagen hin zur Jagd nach sofortigen Erträgen hat echte Innovation eingeschränkt. Sie schafft ein ungesundes Umfeld, in dem Entwickler ständig fürchten, ersetzt zu werden oder willkürliche KPI-Vorgaben nicht zu erfüllen.

Der Weg nach vorn: Die Methode steuern, nicht den Output

Wenn ihr Lead seid, hört auf, den Output zu steuern. Steuert stattdessen die Arbeitsweise.

• Vertraut keinem Kontext, den ihr nicht geprüft habt: Nutzt die oder – falls Client-Tools für euren Agenten verfügbar sind – , um externe Quellen zu verwalten und Workflows zu automatisieren. Sie fungiert als API-Management-Plattform für eure AI und stellt sicher, dass sie nur das „sieht“, was relevant und verifiziert ist.

• Priorisiert Synthese statt Geschwindigkeit: Ermutigt euer Team, seine Analysefähigkeiten zu bewahren. Hohe Geschwindigkeit ist ein Risiko, wenn niemand im Team die Architektur erklären kann.

• Investiert in AI-Kompetenz: Verabschiedet euch von der „blinden Einführung“. Services wie AI-Trainings und Coaching helfen Teams dabei, zu verstehen, wie sie diese Tools ohne technische Schulden tatsächlich in einen professionellen CI/CD-Workflow integrieren.

Das Ziel ist nicht einfach, mehr zu produzieren. Es geht darum, innovativ zu sein, ohne genau die Menschen auszubrennen, die Innovation überhaupt möglich machen.