Du sitzt vor deinem Jira-Board, siehst die unendliche Liste an Tickets und wünschst dir einen Assistenten für die kleinen Aufgaben. Bisher war das nicht möglich. Jetzt gibt es KI-Agenten, die direkt aus deinem Projektmanagement-Tool agieren. Atlassian hat Neuerungen angekündigt, die Jira zum Zentrum für agentische Engineering-Workflows machen. Die Idee: Jira wird zur Schaltzentrale, in der du KI-Coding-Agenten Aufgaben zuweist, ihre Arbeit verfolgst und die Ergebnisse prüfst – ohne die Entwicklungsumgebung zu verlassen.
Viele Teams nutzen bereits mehrere KI-Tools wie Claude Code, Cursor oder GitHub Copilot. Bisher liefen diese Helfer isoliert neben den Projektmanagement-Prozessen. Ein Entwickler öffnete sein Terminal, startete einen Agenten und ließ ihn Code generieren. Das war praktisch, aber schwer zu steuern und nachzuhalten. Atlassian will das ändern, indem es diese Tools direkt an Jira andockt. Ab sofort kann jedes Team Claude Code, Cursor, GitHub Copilot und bald auch OpenAI Codex mit Jira verbinden. Du kannst einem Coding-Agenten ein Ticket zuweisen, er arbeitet es ab und erstellt einen Pull Request – den du dann nur noch reviewen musst. Das spart Zeit, reduziert manuelle Schritte und schafft eine nachvollziehbare Kette von der Idee bis zum Code.
Herzstück ist der Jira Coding Agent, der in jedem kostenpflichtigen Plan enthalten ist. Er nutzt den Kontext aus Jira – Beschreibungen, Kommentare, Verknüpfungen – und wandelt ein Arbeitselement in einen fertigen Pull Request um. Du brauchst keine lokale Entwicklungsumgebung mehr aufzusetzen, der Agent erledigt das im Hintergrund. Der Agent liest das Ticket, analysiert die Anforderungen, sucht im Code-Repository nach ähnlichen Mustern und schreibt den Code. Er liefert keinen 100% fehlerfreien Code, aber einen soliden ersten Entwurf, den ein menschlicher Entwickler innerhalb weniger Minuten prüfen und anpassen kann. Der Gewinn liegt nicht in der vollständigen Automatisierung, sondern in der Beschleunigung der Routinearbeit.
Atlassian geht noch einen Schritt weiter. Der Jira Planner, ein Werkzeug zur Planung von Sprints und Releases, kann nun auf die Codebasis, auf Jira selbst und auf Confluence zugreifen. Aus diesen Informationen generiert er eine strukturierte technische Spezifikation. Diese Spezifikation kann dann ein menschlicher Entwickler oder ein KI-Agent verwenden, um die Software zu bauen. Die Planungsphase, oft zeitaufwendig und interpretationsanfällig, wird teilautomatisiert. Der Planner erkennt Zusammenhänge, die ein Mensch vielleicht übersehen hätte, und liefert eine konsistente Grundlage für die Umsetzung. Für Teams, die nach agilen Methoden arbeiten, bedeutet das: weniger Zeit für Meetings und Dokumentation, mehr Zeit für das Bauen.
Eine interessante Erweiterung betrifft die Automatisierung von Geschäftsprozessen. Atlassian hat die Automation Rule Builder in Jira so erweitert, dass du Coding-Agenten in Regeln einbinden kannst. Beispiel: Ein Bug-Ticket wird erstellt – der Agent identifiziert die Ursache, erstellt einen Fix und reicht einen Pull Request ein. Das passiert im Hintergrund, ohne Eingriff eines Entwicklers. Der Engineer bekommt erst eine Benachrichtigung, wenn der PR zur Überprüfung bereit ist. Das reduziert Unterbrechungen und lässt Fachkräfte sich auf komplexere Aufgaben konzentrieren. Dazu gibt es eine engere Integration mit Slack: Teams können direkt aus dem Messaging-Dienst Aktionen in Jira auslösen, etwa einen Agenten starten oder den Status eines Vorgangs abfragen.
Ein weiteres Puzzlestück ist die Aktualisierung von Loom, dem Videotool, das Atlassian übernommen hat. Loom kann jetzt nicht nur Bildschirmaufnahmen und Sprachkommentare aufzeichnen, sondern daraus strukturierte Anweisungen für KI-Agenten generieren. Du filmst, wie du durch eine Benutzeroberfläche navigierst, klickst auf Schaltflächen, zeigst auf einen Fehler, und Loom erstellt daraus eine Schritt-für-Schritt-Anleitung, die du an einen Agenten übergeben kannst. Das ist praktisch, wenn du eine Aufgabe erklären willst, ohne sie in Textform zu gießen. Aus dieser Aufnahme entsteht in wenigen Klicks ein Jira-Arbeitselement, das der Agent dann umsetzen kann.
Ming Wu, Engineering-Chefin für DevAI bei Atlassian, beschreibt die Idee: Jira entwickelt sich von einem Tracking-Werkzeug zu einer Plattform für das Management agentischer Workflows. Atlassian liefert die Context Layer – die Schicht, die dem Agenten den notwendigen Zusammenhang liefert, damit er Aufgaben zuverlässig erledigen kann. Das reduziert manuelle Arbeit und senkt die Anzahl der Tokens, die der Agent verbraucht, weil er nicht ständig von Null anfangen muss. Für Unternehmen mit vielen KI-Operationen ist das ein Kostenfaktor: Jeder Token kostet Geld, und je besser der Kontext, desto effizienter arbeitet der Agent.
Mitch Ashley, Vizepräsident beim Analystenhaus Futurum Group, ordnet das Geschehen ein. Seiner Ansicht nach tobt ein Wettkampf um die Kontrollebene für agentische Entwicklung. Die Frage: Wer besitzt den Control Plane – die Instanz, die bestimmt, wo Aufgaben zugewiesen, überwacht und geprüft werden? Atlassian setzt darauf, dass dies das System of Record ist, in dem die Engineering-Arbeit dokumentiert wird: Jira. Die Coding-Tool-Anbieter wie GitHub oder Cursor argumentieren, dass die Kontrolle in der Entwicklungsumgebung liegen sollte. Beide Seiten haben gute Argumente. Engineering-Leader müssen eine Architekturentscheidung treffen, die über ein einzelnes Tool hinausgeht. Wo die Agenten orchestriert werden, bestimmt nicht nur den Workflow, sondern auch die Governance und die Auditierbarkeit.
Praktisch wirst du vermutlich beides nutzen: schlanke Agenten in der IDE für schnelle Code-Vorschläge, und die schwergewichtige Agenten-Orchestrierung in Jira für komplexe Aufgaben. Der Trend: KI-Agenten werden allgegenwärtig in DevOps-Workflows eingebettet sein. Die Frage ist nicht, ob du sie einsetzt, sondern wie du sie steuerst. Atlassian gibt dir mit den neuen Jira-Funktionen ein Werkzeug für zentrale Verwaltung. Ob du den Hebel nutzt oder dezentral in den IDEs agierst, bleibt dir überlassen. Agenten sind jetzt offizielle Teammitglieder – und Jira wird ihr Chef.
Quelle: devops.com
