Wenn der KI-Code-Fluch zuschlägt: Warum AWS vor KI-generierter Software warnt

Welche Belege und Argumente angeführt wurden

• Pipeline-Stau: AWS betonte, dass bereits 90 % der Entwickler KI-Coding-Tools nutzen, aber die Infrastruktur für Code-Reviews, Tests, CI/CD und Deployment nicht auf die neue Mengenlawine ausgelegt sei .
• Prüflast steigt: Mehr KI-generierter Code bedeutet mehr manuelle Überprüfung – wird der Reviewer zum Flaschenhals, sinkt das Netto-Auslieferungstempo .
• Qualität und Nacharbeit: KI-Code wirkt oft plausibel, erfordert aber erhebliche Korrekturen. Intern berichteten Amazon-Mitarbeiter, dass das KI-Tool „Kiro“ häufig fehlerhaften Code produziere, der teils komplett neu geschrieben werden müsse . Der „Guardian“ zitierte Ingenieure mit den Worten: „Ich habe nicht das Gefühl, dass es uns wirklich schneller macht.“
• Sicherheitsvorfälle: Branchendaten zeigen, dass jedes fünfte Unternehmen einen schwerwiegenden Sicherheitsverstoß erlitten hat, der direkt auf KI-generierten Code zurückging .

Bereits im Januar 2026 hatte AWS einen Blogbeitrag mit dem Titel „Your AI Coding Assistants Will Overwhelm Your Delivery Pipeline“ veröffentlicht, in dem dieselbe These vertreten wurde .

Warum die Botschaft für Diskussionen und Verwunderung sorgte

Die Nachricht schlug ein wie eine Bombe, weil sie eine krasse kognitive Dissonanz zum gleichzeitigen Handeln des Mutterkonzerns erzeugte:

Eine 200-Milliarden-Dollar-KI-Investition. Im Februar 2026 kündigte Amazon an, allein 2026 rund 200 Milliarden Dollar in KI-Infrastruktur zu stecken – die größte Einzelwette der Unternehmensgeschichte, die die Erwartungen der Wall Street um 50 Milliarden Dollar übertraf und die Aktie einbrechen ließ . CEO Andy Jassy verteidigte dies öffentlich als kalkulierten Langfrist-Schachzug .

Eine 80-Prozent-KI-Pflicht, die nach hinten losging. Intern setzte Amazon Vorgaben durch, wonach mehr als 80 % der Entwickler wöchentlich KI-Tools nutzen mussten, gemessen über eine Plattform namens MeshClaw und eine interne Rangliste (KiroRank) . Mitarbeiter tricksten das System aus, indem sie KI für sinnlose Aufgaben laufen ließen, um in der Rangliste aufzusteigen – was Rechenkosten derart in die Höhe trieb, dass Amazon die Liste wieder abschaltete .

KI-bedingte Ausfälle, die Millionen Bestellungen lahmlegten. Im März 2026 war Amazon.com samt Shopping-App von mehreren Produktionsausfällen betroffen, die auf unzureichend geprüfte, KI-assistierte Code-Änderungen zurückgeführt wurden . Amazon wies Teile der Berichterstattung zurück, verpflichtete aber letztlich dazu, dass jeglicher KI-Code vor dem Deployment von leitenden Entwicklern abgesegnet werden muss . Die neue Prüfpflicht untergrub das Produktivitätsparadox: Dasselbe Werkzeug, das Entwicklung beschleunigen sollte, bremste sie nun wieder .

Rund 30.000 Stellenstreichungen seit Oktober 2025. Im Januar 2026 bestätigte Amazon 16.000 Entlassungen in der Zentrale, womit sich der Personalabbau auf rund 30.000 Beschäftigte summierte – der größte in der Firmengeschichte. Führungskräfte nannten KI-Automatisierung ausdrücklich als Ersatz für diese Stellen .

Branchenweite Befunde. Der AWS-Beitrag reihte sich ein in eine wachsende Zahl von Belegen, dass KI-generierter Code neue Qualitätsrisiken, Sicherheitslücken und eine Verschiebung des Engpasses vom Schreiben auf das Prüfen mit sich bringt – ein Problem, das sich verschärft, wenn Unternehmen Prüfkapazitäten abbauen, gleichzeitig aber den KI-Code-Output hochskalieren .

Der zentrale Widerspruch

Der Beitrag ging viral, weil er eine schmerzhafte Ironie offenlegte: AWS verkauft KI-Infrastruktur (und besitzt mit Amazon Q Developer sogar einen eigenen Coding-Assistenten), Amazon pumpt 200 Milliarden Dollar in KI, ordnet intern eine 80-Prozent-Nutzungspflicht an, baut 16.000 Jobs ab, um KI zu forcieren – und trotzdem lautet die öffentliche AWS-Botschaft: „Mehr KI-Code könnte euch langsamer machen.“ In Entwickler-Communities wurde vielfach darauf hingewiesen, dass der Post exakt das beschreibt, was bei Amazon selbst passiert: KI-Code gelangt ohne ausreichende Prüfung in die Produktion, verursacht Störungen und erzwingt neue Absegnungsprozesse, die ein Paradox des „Ausbremsens“ schaffen .