Am Anfang ist da nichts. Dann wächst es langsam, bis es zu einem Hindernis wird, das niemand mehr übersieht. Irgendwann entdeckt es jemand und fragt sich, woher das kommt und wie es so groß werden konnte. Gemeint ist Comprehension Debt, ein Begriff, der gerade durch die Fachdiskussion geht. Er beschreibt die wachsende Lücke zwischen dem Code in einem System und dem Verständnis, das das Team dafür noch hat. Durch KI wächst diese Lücke rasant, weil Code schneller entsteht, als Menschen ihn durchdringen können.

Technische Schulden kennt man, diese Schuld nicht

Technische Schulden sind ein etablierter Begriff. Sie werden dokumentiert, stehen in Tickets, Backlogs und Reports, und es gibt eingespielte Wege, sie sichtbar zu machen und abzutragen. Man weiß, dass sie da sind, und man kann eine bewusste Entscheidung treffen, wann man sie begleicht.

Comprehension Debt verhält sich anders. Sie steht nirgends. Der Code sieht sauber aus, die Tests sind grün, und trotzdem weiß niemand mehr, warum eine bestimmte Entscheidung so getroffen wurde. Diese Schuld fällt nicht bei einem Review auf, sondern erst, wenn es brennt. Also dann, wenn ein Fehler auftritt, den niemand schnell einordnen kann, weil das Wissen über die inneren Zusammenhänge fehlt.

Warum KI die Lücke vergrößert

Früher war Systemverständnis ein Nebenprodukt der Arbeit. Wer jede Zeile selbst schrieb, verstand das System, weil er keine Wahl hatte. Das Verständnis entstand automatisch, während der Code entstand.

Genau dieses Nebenprodukt fällt jetzt weg. Wenn die KI den Code erzeugt, entsteht das Verständnis nicht mehr von selbst nebenher. Der Code ist da, er funktioniert oft auf Anhieb, aber der gedankliche Weg dorthin fehlt im Kopf des Teams. Das ist kein Argument gegen KI. Es ist ein Hinweis darauf, dass sich die Art, wie Verständnis aufgebaut wird, grundlegend ändert.

Was eine Untersuchung dazu zeigt

Anthropic hat diesen Effekt untersucht. In der Studie sollten 52 Nachwuchsentwickler eine neue Python-Bibliothek erlernen, eine Gruppe mit KI-Unterstützung, eine ohne. Das Ergebnis: Die Gruppe mit KI schnitt rund 17 Prozent schlechter ab, was etwa zwei Schulnoten entspricht. Die größte Schwäche zeigte sich beim Debugging.

Das heißt nicht, dass KI dem Lernen schadet. Es heißt, dass Verständnis nicht mehr automatisch entsteht, wenn die eigentliche Arbeit an die KI abgegeben wird. Wer eine Bibliothek nie selbst durchdrungen hat, findet Fehler schwerer, weil ihm das mentale Modell fehlt, an dem er die Ursache festmachen könnte. Für einzelne Aufgaben ist das folgenlos. Über ein ganzes System hinweg wird daraus ein Risiko.

Systemverständnis muss zur eigenen Disziplin werden

Die entscheidende Verschiebung liegt im Umgang mit diesem Wissen. Systemverständnis entsteht nicht mehr vor oder während des Codings, sondern es muss gezielt aufgebaut werden. Nicht als Anhängsel eines Code Reviews, sondern als eigenständige Disziplin.

Architecture Decision Records gewinnen dadurch an Bedeutung. Sie halten fest, warum etwas so entschieden wurde, bevor niemand mehr die Antwort kennt. Wer die Gründe hinter einer Architektur nicht dokumentiert, baut ein System, das irgendwann niemand mehr erklären kann. Und ein System, das niemand erklären kann, wird bei jeder Änderung teurer, weil jede Anpassung erst einmal Archäologie erfordert.

Was Unternehmen jetzt tun sollten

Für die Praxis lassen sich daraus konkrete Konsequenzen ableiten. Entscheidungen gehören dokumentiert, nicht nur der fertige Code, damit das Warum erhalten bleibt. Reviews sollten nicht nur prüfen, ob der Code funktioniert, sondern ob das Team ihn versteht. Und beim Einsatz von KI in der Ausbildung von Nachwuchskräften ist Vorsicht geboten, weil das schnelle Ergebnis den langsamen Aufbau von echtem Verständnis verdecken kann.

Der ehrlichste Test ist einfach. Wann ließe sich das eigene System am Whiteboard erklären, ohne in Code oder Dokumentation zu schauen? Je länger die Antwort zurückliegt, desto größer ist die Comprehension Debt bereits.

Fazit

Comprehension Debt ist die stille Schwester der technischen Schulden. Sie ist schwerer zu erkennen, weil sie in keinem Report auftaucht, und sie wächst durch KI schneller als je zuvor. Wer Verständnis als bewusste Disziplin behandelt, Entscheidungen dokumentiert und Reviews darauf ausrichtet, hält die Lücke klein. Wer darauf verzichtet, bekommt ein System, das läuft, solange niemand nachfragt, und das teuer wird, sobald es doch jemand tut.