The Jevons Paradox of Software Development
1865 beobachtete der britische Ökonom William Stanley Jevons einen seltsamen Widerspruch: James Watts’ verbesserte Dampfmaschine senkte den Kohleverbrauch pro Energieeinheit um 75 Prozent. Die Erwartung: weniger Kohleverbrauch. Die Wirklichkeit: Der Verbrauch stieg sprunghaft. Die höhere Leistung machte neue Anwendungen erst wirtschaftlich sinnvoll.
Genau das geschieht heute in der Softwareentwicklung. KI senkt die Kosten der Codeerzeugung auf nahezu null. Ein Code-Crash, der alles verändert. Die Folge ist nicht weniger Software. Es ist eine Explosion. Wenn Computing billig wurde, rechneten wir nicht einfach schneller. Als Speicher billig wurde, speicherten wir nicht einfach nur mehr Dateien. Plötzlich wurde es wirtschaftlich sinnvoll, jede Suchanfrage zu speichern, jedes Nutzerverhalten zu protokollieren, jede Interaktion zu archivieren. Google wurde möglich – nicht als bessere Suchmaschine, sondern als Unternehmen, dessen Geschäftsmodell auf der Analyse von Milliarden Datenpunkten basiert. Facebook, das gesamte AdTech-Ökosystem, datengetriebene Geschäftsmodelle jeder Art – sie alle existieren nur, weil Speicher so billig wurde, dass das Sammeln und Analysieren von Daten im industriellen Maßstab wirtschaftlich sinnvoll wurde.
Matthias Schrader beschreibt, wie sich dadurch die Entwicklung digitaler Produkte und Dienste grundlegend verändert – und warum gerade jetzt ein Fenster aufgeht. Wer die Digitalisierung verschlafen hat, bekommt eine zweite Chance. Eine letzte. Denn wenn Code nichts mehr kostet, zählt nur noch, wer die besseren Fragen stellt. Deutschland, Europas Exportweltmeister mit dem Digitalisierungsgrad eines Schwellenlands, könnte dieses Mal vorne stehen, statt hinterherzulaufen.
Schrader liefert mit „Soul – System – Speed“ das Betriebsmodell für diesen Neustart: vom transformationalen Funken über die technische Architektur bis zur Intent-to-Production-Pipeline. Mit Fallbeispielen, konkreten Methoden und einem klaren Blick auf die Risiken. Für alle, die es diesmal richtig machen wollen.
Das Jevons-Paradoxon ist mehr als eine ökonomische Kuriosität. Es ist die Blaupause für technologische Umbrüche. In der Musikindustrie hat die Digitalisierung die Distributionskosten durch Streaming auf null gedrückt – der Wert verschob sich auf Künstleridentität und Live-Erlebnisse. In der Softwareentwicklung verschiebt sich der Wert gerade von der Fähigkeit, zu coden, zur Fähigkeit, zu entscheiden, was gebaut werden soll.
Unternehmen und Organisationen, die in den letzten 20 Jahren die Digitalisierungschancen nicht gehoben haben und immer einen Engpass in der Softwareentwicklung hatten, bietet sich jetzt eine zweite Chance, noch einmal neu zu starten. Es ist ein optimistischer Ausblick, dass es noch nicht zu spät ist und KI allen, die noch was erreichen wollen, eine — fast schon unverhoffte — zweite Chance gibt.
Wer die Digitalisierung verschlafen hat, bekommt eine zweite Chance. Eine letzte. Denn wenn Code nichts mehr kostet, zählt nur noch, wer die besseren Fragen stellt. Deutschland, Europas Exportweltmeister mit dem Digitalisierungsgrad eines Schwellenlands, könnte dieses Mal vorne stehen, statt hinterherzulaufen.
Schrader liefert mit „Soul – System – Speed“ das Betriebsmodell für diesen Neustart: vom transformationalen Funken über die technische Architektur bis zur Intent-to-Production-Pipeline. Mit Fallbeispielen, konkreten Methoden und einem klaren Blick auf die Risiken. Für alle, die es diesmal richtig machen wollen.
Technologische Brüche sind nichts Neues. Das iPhone 2007. Das World Wide Web Mitte der Neunziger. Personal Computer in den Achtzigern. Jeder dieser Momente veränderte Branchen und ließ neue Industrien aus dem Nichts entstehen. Jede Generation veränderte, wie Software entwickelt wurde: Hochsprachen ersetzten Assembler. Objektorientierung ersetzte die prozedurale Programmierung. Agile ersetzte den Wasserfall. DevOps automatisierte den Betrieb. Low-Code versprach einfache Lösungen. Aber all diese Umbrüche betrafen Werkzeuge, Methoden und Abstraktionsebenen. Die geistige Kärrnerarbeit – ein Problem vollständig zu durchdringen und in Code zu übersetzen – blieb die Aufgabe des Menschen an der Tastatur. Der Aufwand, Software zu schreiben, hat sich in den letzten 40 Jahren kaum verändert.
Das ändert sich gerade radikal, weil AI diese geistige Tätigkeit selbst übernimmt. Die Maschine übersetzt jetzt Probleme in Code. Nicht immer fehlerfrei. Nicht jederzeit zuverlässig. Aber gut genug und jeden Monat besser, um die Frage zu stellen: wie sieht eine Welt aus, in der das Problem der Software-Entwicklung gelöst ist? Mit den agentischen AI-Coding-Tools werden Large Language Modelle (LLMs) zu Produktivitätsmonstern. Sie generieren mittlerweile Code in einer Geschwindigkeit und Qualität, die menschliche Entwickler in den Schatten stellt.