Die Agenten eröffnen die Pull Requests

Am 28. Oktober veröffentlichte GitHub Octoverse, seinen jährlichen Bericht über die Aktivität auf der Plattform, und eine Zeile sticht heraus: Bis September 2026 begannen mehr als 40 Prozent der Pull Requests auf GitHub mit dem ersten Entwurf eines Agenten, gegenüber 17 Prozent im März. Das waren allein im September 110 Millionen Pull Requests. Am selben Tag stellte GitHub an seiner Konferenz Universe Copilot Projects als Public Preview vor und machte Agentic Workflows allgemein verfügbar.

Eine Woche später kaufte Meta Conductor, ein Start-up, das dafür gebaut ist, mehrere Coding-Agenten gleichzeitig laufen zu lassen. Zusammen weisen die Nachrichten in eine Richtung: Code zu schreiben, ist nicht mehr der knappe Teil der Softwareentwicklung. Knapp ist, ihn zu spezifizieren, zu prüfen, zu testen und für ihn einzustehen.

Was GitHub gezählt hat

Das sind GitHubs eigene Zahlen, gemessen auf der eigenen Plattform, und so sollte man sie lesen. Octoverse zählt einen Pull Request als von einem Agenten gestartet, wenn sein erster Entwurf von einem Coding-Agenten stammt, den GitHub erkennen kann, und der Bericht nennt dieses Signal «eine Untergrenze, da möglicherweise nicht jede Nutzung von Agenten erkannt wird». Er umfasst öffentliche und private Repositories, und die Zahlen früherer Jahre wurden auf derselben Grundlage neu berechnet.

Der Bericht sagt auch, dass Pull Requests von Agenten inzwischen mindestens so oft gemergt werden wie die übrigen. Im Februar wurden 83 Prozent der Pull Requests mit Beteiligung eines Agenten innert zwei Wochen gemergt, gegenüber rund 86 Prozent jener ohne erkannten Agenten; bis September war der Anteil bei den Agenten auf 90 Prozent gestiegen. Sie sind auch breiter: Rund 87 Prozent ändern mehr als eine Datei, gegenüber 79 Prozent der anderen. Nach unserer Lesart zeigt ein Merge, dass eine prüfende Person eine Änderung akzeptiert hat, nicht, dass die Änderung richtig war.

Mehr Agenten pro Person

Die Produkte, die GitHub am selben Tag lancierte, gehen davon aus, dass dieser Anteil weiter wächst. Copilot Projects gibt Arbeit, die sich über mehrere Repositories erstreckt, einen Ort für Kontext, Agenten und Ergebnisse. Sie beschreiben ein Ziel, Copilot lässt Agenten parallel laufen, «meldet sich, wenn es Sie braucht» und bringt Ergebnisse wie Pull Requests zu Ihrer Prüfung zurück. Mit Agentic Workflows kann ein Team Aufgaben wie die Triage von Issues oder die Analyse eines fehlgeschlagenen Builds in Markdown beschreiben und von einem Coding-Agenten in GitHub Actions ausführen lassen, standardmässig mit reinen Leserechten und einem separaten Job, der vorgeschlagene Änderungen prüft, bevor sie angewendet werden.

GitHubs Beitrag zu Universe beschreibt die Arbeitsteilung in einem Satz: «Entwickler geben die Richtung vor, treffen Entscheidungen und bleiben verantwortlich für das, was ausgeliefert wird.» Ein von InfoWorld zitierter Analyst führte aus, was das in der Praxis bedeutet. «Zehn parallele Agenten-Sitzungen könnten zum Beispiel zehn Pull Requests erzeugen, die geprüft werden müssen», sagte Amit Kumar Jena, der beim Beratungsunternehmen Kanerika die KI-Entwicklung leitet.

Siebzig Prozent sind nicht fertig

Ein neuer Test ausserhalb von GitHub zeigt, warum diese Prüfung nicht ausgelassen werden kann. Am 26. Oktober veröffentlichten Forschende von Alibaba und mehreren Universitäten Co-Design Bench: 273 Aufgaben aus 26'314 echten Programmiersitzungen von Nutzern, jede geprüft an verborgenen Abnahmekriterien, die von Fachleuten geschrieben wurden, insgesamt 2'331. Das stärkste von zehn Modellen, im selben Agenten-Setup betrieben, erfüllte im Schnitt 69,9 Prozent der Kriterien pro Aufgabe, aber nur 26,4 Prozent der Aufgaben vollständig. The Decoder, der am 8. November über die Studie berichtete, schrieb, Coding-Agenten bräuchten «bei fast drei von vier Aufgaben noch menschliches Aufräumen».

Die Studie hat Grenzen. Jede Aufgabe ist eine einzige feste Anfrage, die Agenten konnten also keine Fragen stellen und unterwegs nicht korrigiert werden, die Bewertung erfolgt durch KI-Richter, die sich irren können, und mehrere Autoren stammen von Alibaba, dessen eigenes Modell Qwen unter den getesteten war. Trotzdem ist die Lücke, die sie misst, zwischen den meisten Anforderungen und allen, genau die Lücke, die eine prüfende Person schliessen soll.

Was gute Teams jetzt tun

Nichts davon braucht so sehr neue Werkzeuge wie alte Disziplin, strenger angewendet. Beginnen Sie mit der Spezifikation: Wenn ein Agent die Änderung entwirft, ist die schriftliche Aufgabe die eigentliche Quelle, und Jena warnte, dass «schlecht definierte Aufgaben zu wiederholter Ausführung, Nacharbeit und höherem Verbrauch von KI-Credits führen könnten». Halten Sie fest, was fertig bedeutet, bevor der Agent beginnt, so wie Co-Design Bench seine Abnahmekriterien zuerst festlegt.

Halten Sie Änderungen klein genug, um sie lesen zu können. Laut GitHub hatten bis September, zwei Monate nach dem Start der Preview, mehr als 264'000 Entwickler Stacked Pull Requests genutzt, die zusammenhängende Arbeit in kleinere Änderungen aufteilen, die nacheinander geprüft werden. Machen Sie Tests zum Tor: Eine Änderung sollte erst bei einem Menschen ankommen, wenn sie die Tests besteht, und die Tests selbst verdienen die genaueste Prüfung, denn ein Agent, der seine eigenen Tests bearbeiten darf, kann alles bestehen lassen.

Und schliesslich: Benennen Sie die Person. Jede Änderung, die ausgeliefert wird, braucht jemanden, der sie freigegeben hat und sie erklären kann, und dieser Jemand kann nicht der Agent sein. Jenas Rat an CIOs lautet gleich: «Verlangen Sie eine menschliche Freigabe, bevor von Agenten erzeugte Pull Requests gemergt werden.»

Werkzeuge können abgeschaltet werden

Die Übernahme von Conductor fügt eine leisere Lehre hinzu. TechCrunch berichtete am 4. November, Meta habe das 2024 gegründete Start-up übernommen, dessen Agenten-Teams «Softwareingenieuren helfen sollen, gemeinsam an getrennten, abgegrenzten Teilen eines Projekts zu arbeiten», mit Agenten von Laboren wie Anthropic und OpenAI. Meta bestätigte den Kauf, nannte aber keine Konditionen.

Conductors eigene Mitteilung legt den Zeitplan fest. Neue Anmeldungen wurden am 4. November gestoppt, die Cloud-Arbeitsbereiche sind ab dem 13. November nur noch lesbar, und am 20. November beginnt das Unternehmen, Nutzerdaten in der Cloud zu löschen, Kunden haben also sechzehn Tage, um zu exportieren, was sie dort aufbewahren. Die Desktop-App funktioniert vorerst weiter und wird ab Anfang 2027 schrittweise eingestellt. Conductor sagt, es habe Nutzerdaten nie verkauft oder damit trainiert, und bietet einen Export sowie eine Übertragung in die lokale App an.

Nichts deutet hier auf bösen Willen hin. Es zeigt, wie neu und ungefestigt die Schicht, die Agenten betreibt, noch ist: Ein Dienst, der die Arbeitsbereiche und Chats Ihrer Agenten hält, kann innert Wochen gekauft und geschlossen werden. Bewahren Sie auf, was zählt, an Orten, die Sie kontrollieren: den Code und seine Geschichte in Ihrem eigenen Repository, Spezifikationen und Entscheidungen schriftlich daneben und Tests, die jeder Agent bestehen muss, egal welcher Anbieter ihn liefert.

Wo wir stehen

Werk, unsere App-Plattform, ist live und auf dieser Arbeitsteilung aufgebaut. KI schreibt den grössten Teil des Codes auf einem Framework, das wir gebaut haben und dem wir vertrauen, Menschen entscheiden, was gebaut wird, gestalten, wie es sich anfühlt, und prüfen jedes Release, und jedes Release wird getestet. Der Code gehört Ihnen, und die Plattform wächst darunter weiter. Der nächste Schritt, auf den wir hinarbeiten, sind Agenten, die Routineänderungen und Korrekturen selbstständig ausliefern, getestet und geprüft vor dem Release, was nur funktioniert, wenn Spezifikation, Tests und Prüfung bereits stehen.