Das Schreiben von Code ist schneller geworden - die Arbeit drumherum nicht. Mit diesem Satz bringt GitHub in einem aktuellen Blogbeitrag auf den Punkt, warum die naechste Stufe der KI-Unterstuetzung fuer Softwareentwickler weniger mit cleveren Autovervollstaendigungen zu tun hat und mehr mit dem, was vor und nach dem eigentlichen Tippen passiert. Der Begriff, den GitHub dafuer benutzt, ist 'agentic engineering' - zu Deutsch etwa: eine Arbeitsweise, in der KI-Agenten (also KI-Systeme, die eigenstaendig mehrere Arbeitsschritte hintereinander ausfuehren) feste Bestandteile des Entwickleralltags werden.

Konkret beschreibt der GitHub-Beitrag vier Felder, in denen Copilot - der KI-Assistent von GitHub - ueber die reine Code-Generierung hinausgehen soll: Planen, Schreiben, das Pruefen von Aenderungen (Code Review) und das Untersuchen von Problemen im laufenden Betrieb (Produktionsvorfaelle). Die Botschaft des Herstellers lautet, dass Copilot in allen vier Phasen Aufgaben uebernehmen kann, dass aber in jeder Phase auch Entscheidungen bleiben, die der Mensch treffen muss. Welche Aufgaben genau abgegeben werden koennen und welche beim Entwickler verbleiben, will GitHub in dem Leitfaden anhand des eigenen Werkzeugkastens zeigen. Der Beitrag erschien Anfang November 2026 im GitHub-Blog.

Die Einordnung ist wichtig, weil sich der Markt fuer KI-Entwicklerwerkzeuge gerade verschiebt. Lange war der Wettbewerb ein Rennen um die beste Autovervollstaendigung im Editor. Inzwischen reden Anbieter zunehmend davon, dass ihre Systeme ganze Aufgaben uebernehmen - vom Entwurf eines Feature-Plans bis zum Nachtdienst, wenn in einer Produktivumgebung etwas schiefgeht. GitHub, das zu Microsoft gehoert, versucht mit dem Leitfaden offenbar, dieser Debatte einen praktischen Rahmen zu geben: nicht 'die KI ersetzt den Entwickler', sondern 'so sieht die Arbeitsteilung aus'. Das ist auch ein Signal an Unternehmenskunden, die wissen wollen, wo sie Verantwortung und Haftung verorten. Fuer Mitbewerber wie Cursor, Anthropic mit Claude Code oder kleinere Start-ups im Agenten-Umfeld erhoeht ein solcher Ratgeber den Druck, eine aehnlich klare Erzaehlung zu liefern.

Unklar bleibt im vorliegenden Material vieles, was fuer eine serioese Bewertung wichtig waere. Der Blogbeitrag ist in erster Linie ein Ratgeber des Anbieters selbst - unabhaengige Messungen, wie viel Zeit 'agentic engineering' mit Copilot tatsaechlich spart oder wie oft die Agenten in der Praxis danebenliegen, werden in den vorliegenden Informationen nicht genannt. Auch die Frage, wie gut Copilot sensible Produktionsvorfaelle wirklich untersuchen kann, ohne neue Fehler einzufuehren, bleibt offen. Fuer Teams, die ueber eine Einfuehrung nachdenken, ist der Text damit eher ein Denkanstoss als eine Entscheidungsgrundlage.

In den naechsten Wochen lohnt es sich zu beobachten, ob GitHub konkrete Zahlen oder Fallstudien nachliefert und ob Konkurrenten mit eigenen Leitfaeden oder vergleichbaren Agenten-Funktionen nachziehen. Spannend wird auch, wie Unternehmen intern Regeln formulieren, welche Aufgaben ein KI-Agent im Code-Umfeld allein erledigen darf - und wo ein Mensch zwingend gegenzeichnen muss.