Wenn ein KI-Coding-Agent den Diff schreibt, wird das Review des Pull Requests zu dem Punkt, an dem ein Mensch entscheidet, ob die Änderung stimmt. Wer KI-generierten Code reviewen muss, braucht dieselben Fähigkeiten wie bei jedem Code-Review, aber der Schwerpunkt verschiebt sich: weniger auf Stil, den Tools und Agenten gut beherrschen, mehr auf Absicht, Umfang, Tests und Abhängigkeiten. Dieser Artikel ist eine Checkliste für die Senior-Entwicklerin oder den Senior-Entwickler, die den Merge freigeben.
Was sich ändert, wenn ein Agent den Diff schreibt
Drei Dinge ändern sich, und jedes beeinflusst, wie Sie reviewen.
Es gibt mehr Code zu prüfen. Ein Artikel von Codacy über Agenten und Reviews sagt es deutlich: „Human review cannot simply scale linearly with AI-generated output“ (menschliches Review wächst nicht einfach linear mit dem KI-generierten Code). Die Review-Kapazität wird zum Engpass, und die genannten Risiken sind bekannt: ermüdete Reviewer, oberflächliche Prüfungen und zu viel Vertrauen in Code, der meistens gut aussieht.
Der Code sieht öfter richtig aus, als er richtig ist. In Sonars State-of-Code-Umfrage unter mehr als 1.100 Entwicklerinnen und Entwicklern, über die The Register berichtete, nannten 53 Prozent Code, der korrekt aussieht, es aber nicht ist, als Nachteil von KI-Tools. 38 Prozent sagten, das Review von KI-generiertem Code koste mehr Aufwand als das von Code, den Menschen geschrieben haben; 27 Prozent sagten, weniger. Nur 48 Prozent gaben an, KI-gestützten Code vor dem Commit immer zu prüfen. Sonar verkauft Werkzeuge zur Codeprüfung, lesen Sie die Zahlen also mit diesem Wissen.
Der Autor kann seine Absicht nicht wie ein Kollege erklären. Sie können einen Agenten nicht fragen, was er sich gestern gedacht hat. Maßstab für das Review ist die Spezifikation, nach der der Agent gearbeitet hat, nicht seine eigene Zusammenfassung dessen, was er getan hat.
Die Verantwortung verschiebt sich nicht. Der OpenAI-Leitfaden zum Aufbau eines AI-nativen Engineering-Teams hält fest, dass „engineers ultimately own the code that is deployed to production“ (letztlich die Entwickler für den Code verantwortlich sind, der in Produktion geht), auch wenn ein Agent den ersten Review-Durchgang übernimmt.
Eine Checkliste, um KI-generierten Code zu reviewen
Googles öffentliche Hinweise zum Code-Review erlauben es, generierten Code manchmal nur zu überfliegen, aber nicht eine von Menschen geschriebene Klasse oder Funktion zu überfliegen und anzunehmen, sie sei in Ordnung. Diese Regel wurde für die Ausgabe von Codegeneratoren geschrieben. Code eines KI-Agenten ist keine mechanische Ausgabe: Prüfen Sie ihn mit der Sorgfalt, die der Leitfaden für menschlich geschriebenen Code verlangt, und stellen Sie sicher, dass Sie verstehen, was er vollständig tut.
Gehen Sie die Punkte der Reihe nach durch. Die ersten sind die günstigsten und finden am meisten.
- Entspricht die Änderung der Spezifikation? Vergleichen Sie den Diff Punkt für Punkt mit den Akzeptanzkriterien. Prüfen Sie, dass er tut, was verlangt wurde, und nichts, was nicht verlangt wurde.
- Bleibt der Diff bei seiner Aufgabe? Agenten neigen dazu, Code in der Nähe aufzuräumen, Dinge umzubenennen oder Dateien neu zu formatieren. Fremde Änderungen verdecken die eigentliche und gehören in einen eigenen Pull Request oder nirgendwohin.
- Passt er zum bestehenden Design? Der OpenAI-Leitfaden bittet Reviewer, sich auf die Architektur zu konzentrieren: ob die Arbeit den Mustern und Konventionen der Codebasis folgt. Achten Sie auf einen zweiten Weg für etwas, das die Codebasis schon kann, etwa einen neuen HTTP-Client, ein neues Datums-Hilfsmodul oder einen neuen Fehlertyp.
- Nutzt er Vorhandenes? Agenten schreiben oft einen Helper, den es im Repository schon gibt. Suchen Sie, bevor Sie freigeben.
- Sind Randfälle und Fehler behandelt? Leere Eingaben, fehlende Daten, Timeouts, Wiederholungen, gleichzeitige Änderungen. Prüfen Sie, was passiert, wenn ein externer Aufruf scheitert, nicht nur, wenn er gelingt.
- Ist er so einfach wie das Problem? Googles Leitfaden warnt vor Over-Engineering: Lösen Sie das Problem, das jetzt gelöst werden muss. Zusätzliche Konfigurationsoptionen und Abstraktionen mit nur einer Implementierung sind ein häufiges Zeichen.
- Sagen Namen und Kommentare die Wahrheit? Ein Kommentar, der beschreibt, was eine frühere Version der Funktion tat, ist schlechter als gar keiner.
Tests, die der Agent hinzufügen muss
Tests, die derselbe Agent geschrieben hat wie den Code, brauchen ein eigenes Review. Der OpenAI-Leitfaden warnt, dass Entwickler modellgenerierte Tests genau prüfen müssen, damit der Agent keine Abkürzungen genommen oder Stub-Tests geschrieben hat. Er empfiehlt, die Tests in einer anderen Sitzung als die Implementierung schreiben zu lassen und zu prüfen, dass neue Tests fehlschlagen, bevor die Arbeit an der Funktion beginnt.
Die entscheidende Frage stammt aus Googles Leitfaden: „Will the tests actually fail when the code is broken?“ (Schlagen die Tests wirklich fehl, wenn der Code kaputt ist?) In der Praxis:
- Jedes Akzeptanzkriterium hat einen Test. Sie sollten von einer Zeile der Spezifikation auf den Test zeigen können, der sie belegt.
- Bestehende Tests wurden nicht abgeschwächt. Sehen Sie sich jede geänderte oder gelöschte Assertion im Diff an. Ein Test, der so lange bearbeitet wurde, bis er grün ist, ist ein Fehlerbericht, keine Korrektur.
- Der getestete Code ist nicht weggemockt. Ein Test, der genau die Komponente mockt, die er testen soll, beweist nichts.
- Einmal kaputt machen. Nehmen Sie bei einer wichtigen Änderung lokal eine Zeile der Implementierung zurück und führen Sie die Tests aus. Schlägt nichts fehl, testen die Tests diese Zeile nicht.
Sicherheitsprüfungen
Manche Risiken treten häufiger auf, wenn ein Agent den Code schreibt, und manche sind ihm eigen.
Abhängigkeiten, die es nicht geben sollte. Eine auf der USENIX Security 2025 vorgestellte Studie erzeugte 576.000 Codebeispiele in zwei Programmiersprachen. Im Durchschnitt waren mindestens 5,2 Prozent der von kommerziellen Modellen vorgeschlagenen Pakete und 21,7 Prozent der von Open-Source-Modellen vorgeschlagenen halluziniert: Pakete, die es nicht gibt. Die Studie zählte 205.474 verschiedene halluzinierte Paketnamen. Ein Name, den es heute nicht gibt, kann morgen jemand registrieren. Prüfen Sie bei jeder neuen Abhängigkeit, dass es das Paket ist, das Sie meinen, dass es gepflegt wird, dass die Version in der Lock-Datei fixiert ist und dass die Codebasis es wirklich braucht.
Die üblichen Verdächtigen, gezielt geprüft. Secrets in Code oder Konfiguration, fehlende Berechtigungsprüfungen an einem neuen Endpunkt, ungeprüfte Eingaben, die in eine Abfrage oder einen Shell-Befehl gelangen, personenbezogene Daten in Logs und Änderungen an CI-Pipelines oder Deployment-Dateien. Das ist nicht neu, aber wer einen großen, aufgeräumten Diff liest, übersieht es leichter.
Der richtige Reviewer. Googles Leitfaden verlangt für Bereiche wie Datenschutz, Sicherheit, Nebenläufigkeit, Barrierefreiheit und Internationalisierung einen qualifizierten Reviewer. Das gilt umso mehr, wenn der Autor ein Agent ist.
Automatische Prüfungen vor dem menschlichen Review
Menschen sollten ihre Review-Zeit für das nutzen, was Maschinen nicht beurteilen können. Linter, Typprüfung, Testsuite, Abhängigkeits-Scans und ein automatischer Review-Kommentar an jedem Pull Request können laufen, bevor jemand den Diff öffnet. Der Codacy-Artikel hält fest, dass von einem Menschen gesehen zu werden „is not enough unless review is supported by consistent automated enforcement“ (nicht reicht, wenn das Review nicht durch konsequente automatische Prüfungen gestützt wird). Der OpenAI-Leitfaden ergänzt, dass ein automatisches Review auf aussagekräftiges Feedback eingestellt sein muss, weil verrauschte Ausgaben ignoriert werden.
Wie ein automatisches Review an jedem Pull Request laufen kann, ohne ihn zu blockieren, zeigt der Artikel über PRmate.
Wann Sie ablehnen
Den Pull Request eines Agenten abzulehnen, kostet wenig: Die Arbeit geht mit einer Begründung zurück, und der Agent versucht es erneut. Lehnen Sie ab oder fordern Sie Änderungen, wenn:
- Sie nach dem Lesen nicht erklären können, was die Änderung tut;
- der Diff zu groß für ein gründliches Review ist, dann bitten Sie um kleinere Änderungen;
- er nicht der Spezifikation entspricht oder Nichtverlangtes hinzufügt;
- Tests abgeschwächt wurden oder die neuen Tests auch ohne den neuen Code bestehen würden;
- er eine Abhängigkeit hinzufügt, die niemand begründen kann;
- er sicherheitskritischen Code berührt und kein qualifizierter Reviewer ihn gesehen hat.
Taucht derselbe Grund zum zweiten Mal auf, nehmen Sie ihn in die Spezifikation oder in die Anweisungen auf, nach denen der Agent arbeitet. Der nächste Pull Request startet dann von einer besseren Grundlage.
Wie wir helfen können
Wir betreiben Produktentwicklung mit KI-Agenten: Die Agenten schreiben Code und Tests in kleinen Änderungen, und unsere Entwickler prüfen die Änderungen und führen die Tests aus. Was nicht stimmt, geht an die Agenten zurück.
