Was ändert sich, wenn Agenten den Code schreiben? GitHub Universe 2026 zeigt mehr als ein Feature-Update. GitHub baut mehrere Schichten des eigenen Stapels um: die Oberfläche für Entwickler, die Modelle darunter, Automatisierung im Repository und die Infrastruktur.
GitHub beschreibt selbst eine Verschiebung: Der Weg von der Idee zum Produkt ist keine gerade Linie mehr von Planung über Coding zu Test und Deployment. Arbeit kann an jeder Stelle ausgelöst werden – durch einen Code-Change, eine Anfrage von Kolleginnen oder eine Produktionsmetrik.
Wer das zweimal liest, merkt: Das ist nicht nur ein neues Werkzeug, sondern ein anderes Verhältnis von Mensch und Maschine. Der Entwickler gibt die Richtung vor, trifft Entscheidungen und bleibt verantwortlich für das, was ausgeliefert wird. Agenten implementieren und prüfen. Alles fließt in eine Lernschleife zurück, die den nächsten Durchlauf verbessern soll. Künftig setzt du dort an, nicht am einzelnen Semikolon.
Die Rolle des Entwicklers wird zur Bauleitung
GitHub fasst das Ergebnis in einem unspektakulären Satz zusammen: Es geht nicht darum, mehr Code zu produzieren, sondern fertige Arbeit abzuliefern – ein Feature, einen Bugfix, einen Sicherheitspatch. Darin liegt die Verschiebung. Solange Code das Maß war, ließ sich Fortschritt in Zeilen messen. Sobald erledigte Arbeit zählt, zählt nur, was geprüft, getestet und ausgeliefert wurde.
Für die Rolle heißt das: Du setzt die Richtung, triffst Entscheidungen und bleibst verantwortlich für das, was rausgeht. Agenten übernehmen Implementierung und Verifikation. Wer früher selbst jede Naht gezogen hat, koordiniert jetzt die Gewerke: Elektrik, Sanitär, Trockenbau. Die Verantwortung für Statik und Abnahme bleibt bei der Bauleitung, niemand gäbe sie an die Trupps ab.
GitHub nennt drei Größen, an denen sich das Modell messen muss. Geschwindigkeit: so schnell, effizient und günstig wie möglich von der Idee zur Software. Intelligenz: Kontext aus der Plattform bündeln und das System durch Nutzung besser machen. Qualität: fertige Arbeit standardmäßig sicher machen und Fehler vor der Auslieferung abfangen. Die Ziele hängen zusammen und widersprechen sich auch. Ein schnellerer Durchlauf, der die Abnahme überspringt, ist kein Gewinn.
Die Copilot App: eine Oberfläche für die ganze Baustelle
Das sichtbarste Stück ist die GitHub Copilot App. Laut GitHub ist sie von Grund auf für Softwareentwicklung mit Agenten entworfen. Sie verbindet Agenten und Werkzeuge über Projekte hinweg, damit nicht jede Übergabe von Hand angestoßen werden muss. Der Anspruch reicht über Code hinaus: Spezifikationen schreiben, Designdiskussionen führen, Telemetrie auswerten – in einer Oberfläche für Agenten.
In der Baustellen-Analogie ist das der Baucontainer, in dem alle Pläne hängen. Früher hattest du für jedes Gewerk ein eigenes Telefonbuch, einen eigenen Aktenordner, einen eigenen Stand der Dinge. Jetzt gibt es einen Ort, an dem Aufträge rausgehen, Rückmeldungen eintreffen und Entscheidungen dokumentiert werden. Der Unterschied ist nicht kosmetisch. Jede Schnittstelle, die du nicht mehr manuell bedienen musst, ist eine Schnittstelle, an der nichts verloren geht.
Darunter liegt Copilot Fusion, eine Multi-Modell-Orchestrierung. Unterschiedliche Aufgaben brauchen unterschiedliche Modelle. Reasoning, Codegenerierung, Debugging und Werkzeugnutzung sind keine identischen Anforderungen. Fusion bewertet, was eine Aufgabe verlangt, und entscheidet, wie sie über ein oder mehrere Modelle ausgeführt wird. Du musst nicht jede Modellwahl selbst treffen.
GitHub nennt eine konkrete Messung: Im Artificial Analysis Coding Agent Index lag Fusion Max innerhalb von zwei Punkten des Opus-5.5-Max-Ergebnisses, bei halben Kosten und rund 40 Prozent weniger Zeit pro Aufgabe. Solche Zahlen sind ein Hinweis, kein Beweis. Ein Index ist ein Prüfstand, keine Baustelle. Als Orientierung taugen sie, weil sie Kosten und Zeit neben die Qualität stellen und nicht nur den Spitzenplatz auf einer Rangliste zeigen.
Copilot Projects und Session Continuity: mehrere Baustellen parallel
Mit Copilot Projects lassen sich Arbeiten mit Agenten über mehrere Repositories hinweg in vollständig verwalteten, parallelen Sessions ausführen. Du verfolgst den Fortschritt an einem Ort, triffst Entscheidungen und bestimmst den nächsten Schritt. Das klingt nach Detail, ist aber der Punkt, an dem das Modell skaliert. Ein Bauleiter, der nur eine Baustelle gleichzeitig führen kann, bleibt ein Handwerker mit mehr Werkzeug.
Parallelität erzeugt ein neues Problem: Wo bleibt der Überblick? Dafür ist Session Continuity gedacht. Eine Cloud-Agent-Session lässt sich in der GitHub App starten und in VS Code, in der CLI oder im Web weiterverfolgen. Morgens im Standup vom Telefon anstoßen, am Schreibtisch in VS Code steuern, mittags auf github.com nachsehen. Der Agent arbeitet im Hintergrund weiter, auch wenn du das Gerät wechselst.
Für dich heißt das: Der Arbeitsfluss reißt nicht mehr an der Werkzeuggrenze ab. Das klingt banal, war aber lange ein Bremsklotz. Wer den Kontext zwischen Terminal, Editor und Browser jedes Mal neu zusammensetzen muss, verliert weniger durch Denken als durch Umschalten.
Copilot Automations und Code Review Max: Abnahme und Rückkopplung
Copilot Automations erlauben KI-gestützte Workflows direkt im Repository. Sie laufen in der Cloud und lassen sich manuell anstoßen, an ein Ereignis knüpfen oder nach Zeitplan ausführen. Damit koordinierst du Agenten für wiederkehrende Aufgaben wie Issue-Triage oder Code-Review. Neu ist, dass Automations aus ihren Ergebnissen lernen und Verbesserungsvorschläge machen können. Du prüfst und gibst frei.
Das ist die Lernschleife in der Praxis, und sie ist als Vorschlag gebaut, nicht als Selbstläufer. Ein System, das seine Abläufe unbemerkt umbaut, wäre auf einer Baustelle nicht tragbar. Der Bauleiter zeichnet die geänderte Zeichnung ab.
Auf der anderen Seite steht die Abnahme. Mehr Code bedeutet mehr Pull Requests und mehr Prüfaufwand. Schneller zu werden hilft nur, wenn die Qualität des Ausgelieferten hält. Copilot Code Review gibt es künftig in drei Stufen: Lite und Balanced für den Alltag, dazu Copilot Code Review Max. Laut GitHub erzielt Max den höchsten F1-Wert auf ReviewBench für schwerwiegende Probleme. Max ist für Änderungen gedacht, bei denen ein flüchtiger Blick nicht reicht.
Was unter der Haube passiert: Rechenleistung und neue Git-Architektur
All das hängt an einer Grundlage, die Agenten anders belasten als Menschen. GitHub nennt für das laufende Jahr konkrete Zuwächse: vier Millionen zusätzliche CPU-Kerne, 160 Petabyte Hochgeschwindigkeitsspeicher und 50 Terabit pro Sekunde Netzwerkkapazität. Dazu läuft die Migration auf eine Multi-Region-Bereitstellung in Azure, die Anfang nächsten Jahres abgeschlossen sein soll.
Kapazität allein reicht nicht. Agenten verändern nicht nur die Menge, sondern die Form der Last. Deshalb arbeitet GitHub an einer neuen Git-Architektur mit drei Prinzipien: Grundprimitive vereinfachen, Speicher von Rechenleistung entkoppeln und Koordination minimieren. Übersetzt: Das System soll ohne ständiges Abstimmen zwischen Komponenten auskommen. Bei hoher Parallelität wird genau dieses Abstimmen zum Flaschenhals.
Git ist nur ein Beispiel. GitHub beschreibt ähnliche Arbeiten am eigenen AI-Gateway und am Harness, der die Modellaufrufe zusammenführt. Wer eigene Lösungen bauen will, soll die zugrunde liegenden Primitive nutzen können und Kontrolle über Arbeit, Werkzeuge und Kosten behalten.
Preise, Offenheit und der Alltag
Die praktischste Änderung betrifft das Lizenzmodell. GitHub-Enterprise-Kunden können ab sofort alle Copilot-Funktionen nutzen, ohne ein separates Abonnement zu kaufen – einschließlich Copilot App, Code Review und Automations. Bezahlt wird der tatsächlich verbrauchte KI-Kredit. Verfügbar ist das zunächst über den Vertrieb, Self-Service soll folgen. Bestehende Business- und Enterprise-Kunden können ihre Pläne behalten oder später wechseln.
Das verschiebt die Kalkulation von einer festen Gebühr pro Kopf zu einer variablen Größe pro Aufgabe. Für Teams, die Arbeit mit Agenten erproben, ist das ein niedrigeres Einstiegsrisiko. Für Teams mit vielen parallelen Sessions wird die Kostenseite unschärfer und verlangt nach Beobachtung. GitHub betont zugleich die Offenheit des Systems: Werkzeuge wie Cloudflare, Datadog oder Figma sollen weiter nutzbar bleiben.
Jay Parikh, Executive Vice President CoreAI bei Microsoft, liefert in der Ankündigung eine Einordnung, die als Maßstab taugt. Er geht davon aus, dass die gesamte bisher geschriebene Software weniger als ein Prozent dessen ausmacht, was in den nächsten fünf Jahren entsteht. Ob die Zahl genau stimmt, ist zweitrangig. Sie verschiebt die Frage: Der Gewinn liegt nicht darin, mehr Code zu produzieren, sondern Probleme lösbar zu machen, die bisher an Aufwand gescheitert sind.
Die Werkzeuge werden breiter, die Verantwortung bleibt schmal. Wer Agenten einsetzt, braucht klarere Spezifikationen, definierte Abnahmekriterien und ein Auge auf die Kosten. Die Bauleitung wird nicht einfacher, nur weniger körperlich. Erst entscheiden, was gebaut wird. Dann bauen lassen. Dann prüfen, was angekommen ist.
Quelle: github.blog
