Wie KI Open Source lahmlegt: Die Verzögerung von PostgreSQL 19 und die 'AI Slop DDoS'-Krise

Der langjährige PostgreSQL-Kernentwickler Robert Haas sorgte kürzlich mit einem offenen Beitrag für Aufsehen in der Entwicklerwelt: „Postgres 19 is late, and it's AI's fault“ (Postgres 19 verspätet sich, und die KI ist schuld).

Wie kann es sein, dass KI-Tools, die eigentlich die Softwareentwicklung beschleunigen sollen, eines der wichtigsten Open-Source-Projekte der Welt ausbremsen?

1. „AI Slop DDoS“: Gefälschte PRs für den Lebenslauf

Immer mehr Nutzer setzen große Sprachmodelle (LLMs) ein, um sich in wenigen Klicks den Titel „PostgreSQL- oder cURL-Contributor“ für ihren Lebenslauf zu sichern:

1. Eine komplexe C-Datei wird in ein LLM kopiert mit dem Befehl: „Finde einen Bug oder eine Optimierung und schreibe einen Pull Request.“
2. Die KI erzeugt einen Patch, der auf den ersten Blick perfekt formatiert und fachlich überzeugend wirkt.
3. Bei genauerer Prüfung stellt sich jedoch heraus, dass der Patch ein halluziniertes Problem löst oder subtile Race Conditions in der Datenbank-Engine verursacht.

2. Das asymmetrische Problem: 5 Sekunden Erstellung vs. 2 Stunden Review

Das Kernproblem ist die Kosten-Asymmetrie:

• Erstellung: Einen 500-zeiligen KI-Patch samt überzeugender Beschreibung zu generieren, dauert 5 Sekunden.
• Überprüfung: Zu prüfen, ob dieser Patch unter Hochlast zu Datenverlust führt, kostet einen erfahrenen Core-Maintainer weiterhin mehrere Stunden konzentrierter Arbeit.

Nicht Codezeilen sind in Open-Source-Projekten der Engpass, sondern die Review-Kapazität erfahrener Entwickler. Wer Code einreicht, den er selbst nicht versteht, leistet keinen Beitrag – sondern bremst das gesamte Ökosystem aus.