Ing. Calogero Bono
GitHub hat einen Entwicklerleitfaden zum Agentic Engineering veröffentlicht, also der Arbeit mit KI-Agenten über den gesamten Software-Lebenszyklus hinweg. Ausgangspunkt sind die Zahlen des Unternehmens. In der Oktoberwoche haben die Commits die Marke von 1,2 Milliarden überschritten, über 400 Prozent mehr als ein Jahr zuvor. Code zu schreiben ist billiger geworden, doch Planen, Prüfen und Beobachten bleiben der Engpass, und genau dort entscheidet sich die echte Produktivität.
Ein paar Begriffe, bevor wir zu den Fakten kommen. Agentic Engineering bezeichnet eine Arbeitsweise, bei der KI-Agenten Aufgaben selbstständig erledigen und du sie steuerst. Ein Pull Request ist der Änderungsvorschlag, den ein Kollege prüft, bevor er zusammengeführt wird. Triage ist das Sortieren von Meldungen nach Priorität. CodeQL ist das Analysewerkzeug von GitHub, das Code auf Sicherheitslücken untersucht. Eine Sandbox ist eine isolierte Umgebung, in der Code läuft, ohne deinen Rechner zu berühren.
Warum bedeutet mehr Code nicht automatisch mehr Produktivität?
Laut GitHub gab es in einer Oktoberwoche mehr Commits als im gesamten Jahr 2025. Das Unternehmen fragt sich, ob sich Entwickler tatsächlich 400 Prozent produktiver fühlen.
Das zweite Datum stammt aus einer von GitHub zitierten Studie von Faros AI. Pull Requests blieben 441 Prozent länger in der Prüfung, als Teams ihre KI-Nutzung von niedrig auf hoch steigerten. Die Arbeit verlagert sich vom Schreiben zum Prüfen.
Es ist dasselbe Szenario, über das wir im Zusammenhang mit GitHub Rubicon berichtet haben, einem Ansatz für viele Agenten in einem einzigen Repository.
Wie planst du mit Copilot?
Die Phase Plan dient dazu, den über Werkzeuge, Chats und alte Pull Requests verstreuten Kontext an einem Ort zu sammeln. GitHub nennt Copilot in Slack oder Teams, um gemeinsam mit Product Managern, Designern und Analysten zu planen.
- Copilot kann GitHub Issues mit Akzeptanzkriterien und aufteilbaren Aufgaben erstellen.
- GitHub Agentic Workflows versieht Issues mit Labels und schätzt die Komplexität, sodass einfache Aufgaben direkt an Copilot gehen.
- Plan Mode vergleicht Ansätze und erstellt einen Plan, der vor der Umsetzung freigegeben werden muss.
Wie arbeitest du an mehreren Aufgaben gleichzeitig?
In der Phase Build ermöglicht die Sitzungskontinuität, dieselbe Copilot-Sitzung von verschiedenen Geräten aus fortzusetzen. Aufgaben laufen in Cloud-Sandboxes weiter, auch wenn der Laptop zugeklappt ist. Die Copilot-App gibt jeder Sitzung eine isolierte Kopie des Repositorys.
Projektwissen fließt über Repository-Anweisungen und ein gemeinsames Gedächtnis. Copilot Dreaming prüft geeignete Sitzungen und das Feedback zu Pull Requests, um die Erinnerungen zu aktualisieren. Mit Copilot Fusion wählst du Modelle und Tiefe des Schlussfolgerns und balancierst so Qualität, Kosten und Zeit. Ein Ansatz, der dem ähnelt, den wir in Agentische KI und fortgeschrittene Automatisierung beschrieben haben.
Wie verkürzt du die Prüfzeit von Pull Requests?
GitHub spricht von einer Review-Warteschlange, die in der Praxis «441 Prozent» beträgt. Die Antwort besteht darin, an zwei Fronten zu arbeiten – leichter prüfbare Änderungen und Routineprüfungen, die Copilot übernimmt.
- Gestapelte Pull Requests zerlegen abhängige Arbeit in kleine Stücke.
- GitHub Code Quality prüft Änderungen gegen die Standards der Organisation.
- Copilot Code Review passt die Prüftiefe an den Umfang der Änderung an.
- AI Scan sucht nach Schwachstellen über die Abdeckung von CodeQL hinaus, während die KI-gestützte Geheimniserkennung unstrukturierte Geheimnisse wie Passwörter aufspürt. Vertiefend bietet sich unser Leitfaden zum Secrets Management an.
- Das Package-Firewall, in öffentlicher Vorschau für npm, kann Downloads blockieren, die gegen Richtlinien verstoßen.
- Agentic Autofix schlägt Sicherheitskorrekturen vor, und Agent Merge kümmert sich um fehlgeschlagene Prüfungen, Kommentare und Konflikte.
Wenn du es konfigurierst, kann Copilot Pull Requests auch zusammenführen, sobald die Prüfungen bestanden sind.
Grenzen, die du kennen solltest
Der Text ist ein von GitHub veröffentlichter Leitfaden, die Vorteile sind also Aussagen des Unternehmens und keine unabhängig gemessenen Ergebnisse. In dem uns vorliegenden Material ist die Phase Observe abgeschnitten, daher können wir sie nicht vollständig beschreiben. Preise, benötigte Pläne und die Verfügbarkeit der einzelnen Funktionen fehlen, mit Ausnahme der öffentlichen Vorschau des Package-Firewalls. Die Studie von Faros AI wird zitiert, von uns aber nicht überprüft.
Was sich für alle ändert, die digital arbeiten
Wenn du mit KI entwickelst, kann die beim Schreiben gesparte Zeit in den Reviews wieder verloren gehen. Sinnvoll ist es, mit kleinen, fokussierten Pull Requests zu arbeiten und Routineprüfungen zu automatisieren, bevor ein Kollege hinschaut. Wer Cursor oder andere Assistenten nutzt, sollte ähnlich denken. Für kleine Teams wird es zudem Teil der Arbeit, die Anweisungen im Repository gut zu formulieren.
Unsere Einschätzung
Die Anleitung hat den Vorzug, von einem echten Problem auszugehen, nämlich dem Review, statt nur Geschwindigkeit zu versprechen. Trotzdem bleibt es Werbematerial. Viele genannte Funktionen, von Agent Merge bis zum automatischen Zusammenführen, verlagern das Vertrauen auf den Agenten genau dort, wo menschliche Aufmerksamkeit am nötigsten wäre. Das Risiko ist, die Review-Warteschlange durch eine Schlange automatischer Prüfungen zu ersetzen, die niemand liest. Die Methode ist brauchbar, sollte aber schrittweise eingeführt und gemessen werden.
Häufige Fragen
Was ist Agentic Engineering laut GitHub?
Es ist ein Arbeitsablauf, in dem KI-Agenten in vier Phasen helfen – Plan, Build, Verify und Observe. Die Entwicklerin oder der Entwickler steuert die Ergebnisse. GitHub stellt das als Erweiterung über das bloße Generieren von Code hinaus dar.
Wie viele Commits hat GitHub erfasst?
Mehr als 1,2 Milliarden in einer Oktoberwoche. Laut GitHub sind das über 400 Prozent mehr als vor einem Jahr und mehr als alle Commits des gesamten Jahres 2025.
Was sagt die Studie von Faros AI?
Pull Requests bleiben bei hoher KI-Nutzung 441 Prozent länger in der Prüfung als bei geringer Nutzung. GitHub zitiert das als Beleg dafür, dass sich der Druck auf das Review verlagert.
Kann Copilot Pull Requests selbstständig zusammenführen?
Ja, wenn du es konfigurierst. Laut GitHub führt Copilot Pull Requests zusammen, sobald die festgelegten Prüfungen bestanden sind.
Ist das Package-Firewall für alle verfügbar?
Es ist für npm in öffentlicher Vorschau. Es kann Downloads blockieren, die gegen die konfigurierten Sicherheitsrichtlinien verstoßen. Zu anderen Ökosystemen sagt die Quelle nichts.
Worauf du in den nächsten Monaten bei unterstützten Reviews achten solltest
Die entscheidende Frage ist, ob diese Werkzeuge die Wartezeit auf Reviews wirklich verkürzen. Unabhängige Daten werden darauf mehr Antwort geben als Leitfäden.
- Miss die durchschnittliche Prüfzeit deiner Pull Requests vor und nach der Einführung der Agenten.
- Achte darauf, wann die Phase Observe vollständig beschrieben wird und wie sie sich mit deinen Monitoring-Werkzeugen verbindet.
- Prüfe Pläne und Kosten der Sicherheitsfunktionen, bevor du ihnen Kontrollen überträgst.
