Die rasante Entwicklung künstlicher Intelligenz hat auch die Softwareentwicklung tiefgreifend beeinflusst. Immer mehr Entwickler nutzen KI-Systeme, um effizienteren und fehlerärmeren Code zu schreiben. Doch neben der Codeerstellung rückt auch die Frage in den Fokus, wie man Code-Reviews zukünftig gestalten sollte – insbesondere die kontroverse Fragestellung, ob der Autor des Codes selbst auch dessen Prüfer sein kann. Während in traditionellen Entwicklungsprozessen der Grundsatz gilt, dass eine zweite, unabhängige Person die Änderungen überprüft, bringen KI-gestützte Tools die etablierten Abläufe ins Wanken und fordern neue Überlegungen zur optimalen Gestaltung des Review-Prozesses. Traditionell sehen die meisten Softwareunternehmen vor, dass der Autor eines Pull Requests (PR) nicht zugleich der Reviewer sein sollte.
Das liegt vor allem daran, dass Prüfungen von Programmcode nicht nur Fehler oder Bugs aufdecken, sondern auch als Kontrollmechanismus für Verständlichkeit, Wartbarkeit und Einhaltung interner Standards dienen. Ein frischer Blick auf den Code hilft, blinde Flecken zu vermeiden und bringt oft neue Perspektiven ein, die dem ursprünglichen Autor möglicherweise entgehen. Dennoch verändert sich dieses Paradigma durch die zunehmende Nutzung leistungsfähiger KI-Modelle, die in vielen Fällen den Menschen bei der Codeerstellung unterstützen oder sogar ersetzen. Eine interessante Beobachtung wurde von Greptile gemacht, einem Unternehmen, das eine KI-basierte Lösung für das Review von Pull Requests entwickelt hat. Dort stellte man fest, dass ein KI-Bot namens „devin-ai-integration“ mehr PRs erstellt als einzelne menschliche Entwickler.
Diese Entwicklung wirft die Frage auf, ob es tatsächlich sinnvoll ist, die gleiche KI, die den Code generiert, auch als Reviewer einzusetzen. Ein zentraler Punkt in der Diskussion ist die sogenannte Statelossigkeit von Large Language Models (LLMs). Im Gegensatz zu menschlichen Reviewern besitzen diese Modelle keine Erinnerung an vorherige Interaktionen in derselben Sitzung. Jede Prüfung erfolgt also ohne Voreingenommenheit oder Vorwissen über den zuvor geschriebenen Code. Dementsprechend könnte die KI den Code tatsächlich wie eine fremde Person betrachten und mit frischen Augen bewerten – ein entscheidender Vorteil gegenüber menschlichen Autoren, die oft unbewusst übersehen, was sie selbst geschrieben haben.
Darüber hinaus ist das Konzept des Scaffolding bei KI-Anwendungen relevant. Dieses beschreibt, wie verschiedene Workflows und Zwischenschritte um die KI herum geschaffen werden, damit sie eine komplexe individuelle Aufgabe erfüllen kann. Im Fall des AI-Code-Reviewers besteht der Workflow meist aus mehreren Schritten: die Analyse des Code-Diffs, das Erkennen potenzieller Probleme, das Formulieren von Kommentaren und am Ende die Einstufung der Bedeutung der festgestellten Fehler. Dieser komplexe Prozess macht den Reviewer in der Praxis zu einer anderen Entität als den Autor, obwohl beide vom selben KI-Modell angetrieben werden. Die Frage, wie unterschiedlich zwei menschliche Entwickler als Autor und Reviewer sind, ist ebenfalls interessant für den Vergleich mit der KI.
Menschen verfügen zwar über individuelles Wissen und Erfahrung, doch nutzten sie oft ähnliche Denkweisen, teilen die gleiche Ausbildung und arbeiten im gleichen Umfeld. Dadurch sind auch menschliche Reviewer und Autoren in gewisser Weise auf einer intellektuellen Ebene miteinander verwandt – ähnlich wie unterschiedliche Aufgaben eines KI-Modells. Dennoch gelten die menschlichen Reviews weiterhin als Qualitätskontrolle, weil verschiedene Erfahrungen und Sichtweisen den Code hinterfragen und verbessern können. Das Thema KI-generierter Code bringt jedoch eigene Herausforderungen mit sich. Trotz aller Effizienzgewinne führt der häufige Einsatz von KI-Tools aktuell zu einer Verringerung der durchschnittlichen Codequalität, zumindest bei professionellen Entwicklern.
Das liegt insbesondere daran, dass die Übermittlung von Anforderungen an KI über sogenannte Prompts stets mit Informationsverlusten verbunden ist. Zudem unterschätzen viele Entwickler, wie sorgfältig sie den von der KI erzeugten Code prüfen müssen. Während erfahrene Programmierer häufig beim Schreiben ihr Werk im Kopf kontrollieren, erfolgt dies beim KI-generierten Code häufig nicht in gleichem Maße. Der schnellere Output durch KI ist paradoxerweise der Grund, warum die Qualitätssicherung an Relevanz gewinnt. Menschliche Entwickler können den geschriebenen Code nicht mit der gleichen Geschwindigkeit durchgehen und bewerten, mit der eine KI ihn generiert.
Gleichzeitig sind Qualitätskontrollen durch andere Menschen selten effektiv darin, die typischen Fehlerarten zu erkennen, die durch KI entstehen. Deshalb verlangt AI-generierter Code eine intensivere Überprüfung. Interessanterweise kehrt sich das Bild bei weniger erfahrenen Entwicklern um. Für sie kann der Einsatz von KI tatsächlich zu einer merklichen Verbesserung führen, da die KI sie in Form von Vorschlägen und automatischer Fehlererkennung unterstützt. Somit gleicht sich die Qualität von guten und weniger guten Entwicklern durch den Einsatz von KI eher an und stabilisiert sich um einen mittleren Qualitätslevel.
Ein besonders wichtiger Aspekt ist die Art der Fehler, die KI einbringt. Häufig handelt es sich um ungewöhnliche, auf den ersten Blick schwer erkennbare Bugs, die menschliche Entwickler so eher nicht verursachen würden. Häufig werden Teile des Codes unverhofft geändert oder Verknüpfungen beschädigt, die von menschlichen Reviews übersehen werden. Gerade deshalb ist die Fehlererkennung im Rahmen von PR Reviews für diese Art von Fehlern ungeeignet. Erstaunlicherweise zeigt sich, dass KI wiederum sehr gut darin ist, diese Bugs zu identifizieren.
Tests mit modernen Modellen, etwa dem Neuesten von Anthropic Sonnet, belegten, dass diese Maschine deutlich mehr Fehler in komplexen Szenarien erkennen konnte als erfahrene Entwickler. Zwar gelang es auch dieser KI nicht, alle Bugs zu finden, aber sie übertraf deutlich das menschliche Niveau. Diese Erkenntnis zeigt, dass KI nicht nur als Generierer, sondern auch als Reviewer eine elementare Rolle erfüllen kann. Natürlich ist bei solchen Einschätzungen Vorsicht geboten. Als Anbieter eines AI-Code-Reviewers verfolgt Greptile durchaus eigene wirtschaftliche Interessen.
Dennoch betont das Unternehmen, dass ihre Aussagen auf ehrlicher Analyse beruhen und nicht nur Werbemaschine sind. Fazit ist, dass der traditionelle Gedanke eines getrennten Reviewers in einer KI-unterstützten Entwicklungsumgebung hinterfragt werden muss. KI kann den Code aus einer neutralen Perspektive prüfen, schneller Fehler finden und komplexe Überprüfungen durchführen. Das spricht dafür, den Autor und den Reviewer zumindest teilweise zusammenzuführen, wenn der Reviewer eine unabhängige KI ist. Nichtsdestotrotz bleibt der menschliche Blick unverzichtbar – sei es aufgrund des Verständnisses abstrakter Zusammenhänge, der Interpretation von Anforderungen oder des sozialen Abstimmungsprozesses im Team.
Evolutionäre Entwicklungsprozesse profitieren von einer Symbiose aus menschlichem und KI-gestütztem Review. Softwareunternehmen sollten daher die Integration von KI-Reviewern als Ergänzung zu menschlichen Prüfern anstreben, um sowohl Effizienz als auch Qualität zu verbessern. Gleichzeitig müssen Entwickler dazu befähigt werden, KI-generierten Code kritischer und bewusster zu beurteilen. Die Zukunft der Code-Reviews ist damit eine Mischung aus menschlicher Intuition und KI-Effizienz – und die Frage, ob der Autor auch der Reviewer sein sollte, erhält durch diese Entwicklung eine neue Dimension.
