Von Autovervollständigung zu delegierten Aufgaben
Die erste Welle von Coding-KI ergänzte Zeilen und beantwortete Fragen. 2026 arbeiten reife Agenten in einer Schleife: Kontext sammeln, planen, Dateien lesen und ändern, Werkzeuge aufrufen, Ergebnisse prüfen und iterieren. OpenAI beschreibt Codex als Agenten zum Schreiben, Prüfen und Ausliefern von Code; GitHub beschreibt seine Agenten als Systeme, die Aufgaben im Software-Lebenszyklus selbstständig ausführen. [2][3][7]
Der praktische Unterschied ist groß. Entwickler müssen nicht mehr jede lokale Änderung steuern, müssen Ziel, Umfang, Einschränkungen und Definition of Done aber präziser formulieren.
Was ein Coding-Agent tatsächlich selbstständig erledigen kann
Aktuelle Agenten können Repositories durchsuchen, Historie und Dokumentation lesen, viele Dateien ändern, Befehle, Tests und Linters ausführen, Fehler untersuchen und Änderungen für ein Review vorbereiten. GitHub Copilot cloud agent kann auf einem Branch arbeiten, ohne sofort einen Pull Request zu öffnen. [7][10]
Claude Code bietet Werkzeug- und Berechtigungskontrollen, Codex arbeitet lokal und in der Cloud, und Gemini CLI kann interaktiv, in Skripten und in einer Sandbox für potenziell wirksame Tools laufen. [2][6][13]
Vier zentrale Agenten-Workflows im Jahr 2026
| Agent | Hauptoberfläche | Arbeitsmodell | Kontrolle |
|---|---|---|---|
| OpenAI Codex | ChatGPT, App, CLI, IDE, Cloud | Lokal und parallel in der Cloud | Skills, Umgebungen, Review |
| Claude Code | Terminal, SDK, MCP | Interaktiv und skriptbar | Berechtigungsmodi, Allow/Deny Tools |
| GitHub Copilot cloud agent | GitHub, VS Code, Mobile, Desktop-App | Asynchron über Branch/PR | Repo-Regeln, Logs, Review |
| Google Antigravity / Gemini CLI | Antigravity Desktop, CLI, SDK | Parallele Agenten und Automation | Sandbox, Hooks, MCP, Isolation |
Codex verbindet App, CLI, IDE und Cloud. Claude Code ist terminalorientiert und skriptfähig. GitHub Copilot cloud agent ist in Issues, Branches und Pull Requests eingebettet. Google Antigravity 2.0 fokussiert Multi-Agenten-Orchestrierung, Gemini CLI stellt einen offenen Terminal-Agenten bereit. [2][6][7][8][12][13]
In der Praxis hängt die Wahl ebenso von Ausführungsumgebung, Berechtigungen, Governance und Review-Prozess ab wie vom zugrunde liegenden Modell.
Aufgaben werden länger und häufiger parallel bearbeitet
OpenAI berichtet, dass im Mai 2026 70,2% der untersuchten individuellen Codex-Nutzer mindestens eine Anfrage stellten, deren menschlicher Aufwand auf mehr als eine Stunde geschätzt wurde; 25,6% hatten mindestens eine Anfrage über acht Stunden. Die Schwellen wurden modellbasiert aus einer zufälligen 0,1%-Stichprobe geschätzt und sind deshalb richtungsweisend, nicht exakt. [1]
GitHub Copilot app und Google Antigravity sind ebenfalls für parallele Sitzungen und unabhängige Arbeitsströme ausgelegt. [8][12]
Menschen entscheiden häufiger was, Agenten häufiger wie
Anthropic analysierte rund 400.000 Claude-Code-Sitzungen von Oktober 2025 bis April 2026. In einer typischen Sitzung trafen Nutzer etwa 70% der Planungsentscheidungen, Claude dagegen etwa 80% der Ausführungsentscheidungen. Ein Nutzerprompt löste im Mittel ungefähr zehn Agentenaktionen aus. [4]
Der Entwickler legt damit häufiger Ziel, Architektur und Akzeptanzkriterien fest, während der Agent viele lokale Implementierungsentscheidungen übernimmt. Diese Entscheidungen müssen weiterhin geprüft werden.
Expertise verbessert weiterhin die Ergebnisse
In derselben Anthropic-Studie waren fachkundiger bewertete Sitzungen erfolgreicher. Unter der strengsten Kennzahl verifizierten Erfolgs erreichten Anfänger etwa 15%, während mittlere und höhere Expertise bei ungefähr 28 bis 33% lag. Die Kennzahl wird aus Transkripten, Tests, Commits und Nutzerbestätigung abgeleitet und ist kein direkter Produktionsqualitätswert. [4]
Domänenwissen bleibt damit Hebel: Wer Geschäftsregeln, Grenzfälle, Architektur und Verifikation versteht, kann einen Agenten besser steuern als jemand, der nur Prompts formuliert.
Produktivitätsdaten sind gemischt und hängen von der Messmethode ab
| Quelle | Stichprobe | Kernergebnis |
|---|---|---|
| Anthropic 2026 | ~400.000 Claude-Code-Sitzungen | Nutzer ~70% Planungsentscheidungen, Claude ~80% Ausführungsentscheidungen |
| METR 2025 RCT | 16 Entwickler, 246 Aufgaben | 19% längere Bearbeitungszeit mit KI-Werkzeugen von Anfang 2025 |
| METR 2026 Survey | 349 technische Beschäftigte | Median selbstberichteter Arbeitswert 1,4 bis 2x, mit wichtigen Vorbehalten |
| OpenAI 2026 Codex | Zufällige 0,1%-Stichprobe individueller Nutzer | 70,2% hatten mindestens eine Aufgabe über geschätzt eine Stunde menschlicher Arbeit |
METR untersuchte 2025 in einer randomisierten Studie 16 erfahrene Open-Source-Entwickler bei 246 realen Aufgaben in vertrauten Repositories. Mit KI-Werkzeugen von Anfang 2025 dauerten die Aufgaben im Mittel 19% länger, obwohl die Teilnehmer glaubten, schneller zu sein. [14]
2026 erklärte METR einen größeren Folgeversuch wegen Selektionsverzerrung als schwer interpretierbar, weil Entwickler immer öfter nicht ohne KI arbeiten wollten. Eine separate Befragung von 349 technischen Beschäftigten ergab einen selbstberichteten Median von 1,4 bis 2x Arbeitswert, allerdings mit ausdrücklichen Vorbehalten zur Größenordnung. [15][16]
Code Review wird zum zentralen Kontrollpunkt
Wenn ein Agent viele Dateien ändern und einen vollständigen Pull Request vorbereiten kann, wird Review zum Kern der Qualitätssicherung. GitHub strukturiert Agentenarbeit um Diffs, Pull Requests, Sitzungslogs, Repository-Regeln und menschliche Freigabe. [7][8][11]
Review verschiebt sich damit von Syntaxprüfung zu Annahmen, Umfang, API-Verträgen, Architektur, Sicherheit, Grenzfällen und der Frage, ob die Änderung das eigentliche Problem löst.
Tests und CI werden zum Vertrag für den Agenten
Agenten können schnell viel plausiblen Code erzeugen, aber explizite Kriterien entscheiden, ob die Änderung korrekt ist. Unit-, Integrations- und End-to-End-Tests, Typprüfung, Linting und reproduzierbare Builds gewinnen deshalb an Wert. Claude Code und GitHub-Agenten unterstützen das Ausführen von Befehlen und Tests während der Arbeit. [6][7][10]
Eine gute Aufgabe beschreibt sowohl das gewünschte Ergebnis als auch dessen Prüfung. Je deterministischer die Verifikation, desto weniger manuelles Rätselraten bleibt am Ende.
Sicherheit: mehr Autonomie bedeutet mehr Angriffsfläche
Ein Coding-Agent kann Shell-Befehle ausführen, Dateien lesen, Netzwerkzugriff nutzen und Quellcode verändern. Berechtigungsmodi, Sandboxen, Werkzeugbeschränkungen, Secret-Schutz und Audit-Logs werden daher zu Grundkontrollen. Claude Code bietet Permission Modes und Allow/Deny-Listen, Gemini CLI Container-Isolation, GitHub Sitzungslogs innerhalb der Repository-Governance. [6][11][13]
Teams sollten das Prinzip der geringsten Rechte anwenden. Ein Agent für UI-Code braucht nicht automatisch Produktionssecrets, Deployment-Rechte oder destruktive Infrastrukturzugriffe.
Repository-Kontext wird zur Infrastruktur
Die Qualität eines Agenten hängt stark davon ab, ob Projektkonventionen explizit sind. Repository-Anweisungen, Coding-Standards, Architekturregeln, Kontextdateien, Skills und MCP-Verbindungen werden zu maschinenlesbaren Betriebsanweisungen. [2][6][9][13]
Dokumentation ist damit nicht nur für Menschen. Ein veraltetes README, unklare Modulgrenzen oder fehlende Testbefehle reduzieren direkt die Zuverlässigkeit des Agenten.
Multi-Agenten-Arbeit verändert den Arbeitstag
Codex, GitHub Copilot app und Google Antigravity unterstützen parallele Aufgaben. Statt auf eine lineare Sitzung zu warten, kann ein Entwickler Tests, Refactoring, Dokumentation und einen Bugfix in getrennte Arbeitsströme delegieren. [1][8][12]
Der Engpass verschiebt sich von Codeeingabe zu Priorisierung, Kontext, Review und Integration. Zu viele Agenten ohne klare Akzeptanzkriterien können mehr Review-Arbeit erzeugen als Nutzen.
Welche Aufgaben sich 2026 am leichtesten delegieren lassen
Am besten eignen sich klar begrenzte und überprüfbare Aufgaben: Tests ergänzen, lokale Refactorings, API-Migrationen, reproduzierbare Bugfixes, Dependency-Updates, Dokumentation, Repository-Analyse und erste Pull-Request-Versionen. [2][6][7][12][13]
Schwieriger bleiben Aufgaben mit versteckten Anforderungen, großen Produktkompromissen oder hohen Fehlerkosten. Hier kann der Agent Analyse beschleunigen, die Entscheidungsverantwortung sollte aber beim Menschen bleiben.
Coding-Agenten einführen, ohne Chaos zu erzeugen
Teams sollten mit begrenztem Umfang beginnen: erlaubte Aufgabentypen, klare Repository-Anweisungen, Pflicht-Tests, maximale Berechtigungen und feste menschliche Freigabepunkte. DORA beschreibt KI als Verstärker vorhandener Stärken und Schwächen; ein schwacher Engineering-Prozess wird durch einen Agenten nicht automatisch gut. [17]
Gemessen werden sollte der gesamte Ablauf, nicht die Prompt-Menge: Zeit bis zum akzeptierten Pull Request, Review-Zeit, Iterationen, CI-Fehler, Regressionen, Agentenkosten und Anteil stark nachzuarbeitender Änderungen.
- Erlaubte Aufgabenkategorien definieren.
- Aktuelle Repository-Anweisungen und Prüfkommandos pflegen.
- Tests, Linting und sauberen Build verlangen.
- Berechtigungen nach Least Privilege begrenzen.
- Menschliches Review für Änderungen mit hoher Wirkung verlangen.
- Agentenlogs und Audit-Trail erhalten.
- Zeit und Kosten pro erfolgreich verifizierter Aufgabe messen.
