Inhalt
Die Code-Qualität bei KI-generiertem Code sichern Sie mit drei Ebenen: gutem Kontext vor der Generierung, automatischen Prüfungen danach und einem menschlichen Review, das sich auf die richtigen Fragen konzentriert. KI-Code ist nicht per se schlechter, aber er hat typische Schwächen, die man kennen muss. Dieser Leitfaden zeigt, welche das sind und wie Sie Ihre Qualitätssicherung darauf ausrichten.
Typische Schwächen von KI-generiertem Code
Sprachmodelle erzeugen Code, der statistisch plausibel ist. Das führt zu einem charakteristischen Fehlerbild, das sich von menschlichen Fehlern unterscheidet:
- Plausibel, aber falsch: Der Code liest sich sauber, enthält aber Logikfehler bei Randfällen – leere Listen, Zeitzonen, Rundung, gleichzeitige Zugriffe.
- Erfundene APIs: Methoden oder Parameter, die es in der verwendeten Bibliotheksversion nicht gibt.
- Duplikate statt Wiederverwendung: Die KI schreibt eine neue Hilfsfunktion, obwohl eine passende bereits im Projekt existiert.
- Inkonsistenter Stil: Unterschiedliche Muster für dasselbe Problem, je nachdem, welcher Kontext gerade sichtbar war.
- Überkomplexität: Zusätzliche Abstraktionen, Konfigurationsoptionen oder Fehlerbehandlung, die niemand braucht.
- Schwache Tests: Tests, die den Code spiegeln statt die Anforderung prüfen, oder Assertions, die praktisch immer bestehen.
- Sicherheitslücken: Fehlende Eingabevalidierung, unsichere Standardwerte, Secrets im Code. Mehr dazu im Beitrag Sicherheitsrisiken von KI-generiertem Code.
Ebene 1: Qualität beginnt vor der Generierung
Viele Qualitätsprobleme entstehen, weil die KI zu wenig über das Projekt weiß. Mit diesen Maßnahmen verbessern Sie die Ausgangslage:
- Projektregeln dokumentieren: Architekturprinzipien, Namenskonventionen, bevorzugte Bibliotheken, verbotene Muster – in einer Kontextdatei, die das Tool automatisch liest.
- Aufgaben klein schneiden: Eine klar abgegrenzte Änderung mit Akzeptanzkriterien liefert bessere Ergebnisse als „Baue das Feature“.
- Auf Bestehendes verweisen: „Orientiere dich an der Implementierung in Modul X“ verhindert neue Parallelstrukturen.
- Erst den Plan prüfen: Bei größeren Änderungen einen Umsetzungsplan anfordern und freigeben, bevor Code entsteht.
Ebene 2: Automatische Prüfungen als Pflicht
Je mehr Code entsteht, desto wichtiger sind Prüfungen, die nicht ermüden. Die folgende Tabelle zeigt, welche Werkzeugkategorie welche Schwäche abfängt.
| Prüfung | Fängt typischerweise ab | Wann ausführen |
|---|---|---|
| Formatter und Linter | Inkonsistenter Stil, einfache Fehlermuster | Lokal und in der CI |
| Typprüfung / Compiler mit strengen Einstellungen | Erfundene APIs, falsche Signaturen | Bei jedem Build |
| Unit- und Integrationstests | Logikfehler, Regressionen | Bei jedem Pull Request |
| Testabdeckung und Mutationstests | Schwache Tests ohne Aussagekraft | Regelmäßig, mindestens für Kernlogik |
| Statische Sicherheitsanalyse (SAST) | Injection, unsichere Konfiguration | In der CI |
| Secret-Scanning | Zugangsdaten im Code | Pre-Commit und CI |
| Abhängigkeitsprüfung | Veraltete oder unbekannte Pakete | In der CI, regelmäßig |
| Duplikat- und Komplexitätsanalyse | Copy-Paste-Code, Überkomplexität | Regelmäßig, Trends beobachten |
Ein Vorteil von Coding-Agents: Sie können diese Prüfungen selbst ausführen und Fehler beheben, bevor ein Mensch das Ergebnis sieht. Legen Sie in den Projektregeln fest, dass Linter und Tests vor jeder Übergabe grün sein müssen.
Besondere Aufmerksamkeit verdienen die Tests selbst. Wenn dieselbe KI Code und Tests schreibt, können beide denselben Denkfehler enthalten. Hilfreich ist, Testfälle aus den Anforderungen abzuleiten, bevor der Code entsteht. Wie das in der Praxis aussieht, beschreibt Testautomatisierung mit KI.
Ebene 3: Menschliches Review mit dem richtigen Fokus
Automatische Prüfungen entlasten das Review, ersetzen es aber nicht. Reviewer sollten ihre Zeit auf das konzentrieren, was Maschinen schlecht beurteilen:
- Löst die Änderung das richtige Problem, und entspricht sie der Anforderung?
- Passt sie zur Architektur, oder entsteht eine Parallelstruktur?
- Sind Randfälle und Fehlerpfade fachlich korrekt behandelt?
- Prüfen die Tests wirklich das gewünschte Verhalten?
- Ist der Code so einfach wie möglich?
- Gibt es Sicherheits- oder Datenschutzaspekte, die eine zweite Meinung brauchen?
Hilfreich ist außerdem, dass der Pull Request selbst gut beschrieben ist: Was war die Aufgabe, welcher Plan wurde umgesetzt, welche Alternativen wurden verworfen, und wie wurde getestet? Coding-Agents können diese Beschreibung mitliefern – der Reviewer spart Zeit und erkennt schneller, ob die Umsetzung zum Ziel passt.
Eine ausführliche Checkliste für Reviews von Agent-Code finden Sie im Beitrag Code Review für agentengenerierten Code. Wie KI selbst als Vorprüfer im Review helfen kann, behandelt KI in Code-Reviews.
Qualität über die Zeit messen
Ob Ihre Qualitätssicherung funktioniert, zeigt sich nicht an einem einzelnen Pull Request, sondern an Trends. Beobachten Sie über Monate:
- Fehler, die nach dem Release gefunden werden
- Code, der kurz nach dem Merge wieder geändert werden muss
- Entwicklung von Duplikaten und Komplexität im Repository
- Dauer und Ergebnis von Reviews
Steigen diese Werte, ist das ein Signal, Regeln nachzuschärfen, Aufgaben kleiner zu schneiden oder das Team gezielt zu schulen. In Workshops mit KI-Entwicklern aus der Praxis als Trainer – ab 799 € netto – lässt sich genau das am eigenen Code üben.
Checkliste: Qualitätssicherung für KI-Code
- Projektregeln und Konventionen liegen in einer Kontextdatei vor
- Aufgaben werden mit Akzeptanzkriterien formuliert
- Formatter, Linter und strenge Typprüfung laufen automatisch
- Tests sind Pflicht für jeden Pull Request
- Secret-Scanning und Sicherheitsanalyse sind in der CI aktiv
- Neue Abhängigkeiten werden bewusst freigegeben
- Jeder Pull Request hat einen verantwortlichen Menschen
- Reviews fokussieren auf Fachlichkeit, Architektur und Tests
- Qualitätstrends werden regelmäßig ausgewertet
Fazit
Hohe Code-Qualität bei KI-generiertem Code ist erreichbar, wenn Sie sie systematisch absichern: guter Kontext vorher, automatische Prüfungen währenddessen und ein fokussiertes menschliches Review am Ende. Teams, die diese drei Ebenen etablieren, nutzen die Geschwindigkeit der KI, ohne sich technische Schulden einzuhandeln.
Häufige Fragen
Ist KI-generierter Code schlechter als menschlicher Code?
Nicht grundsätzlich, aber er hat ein anderes Fehlerbild: Er wirkt oft plausibel und sauber, enthält aber Logikfehler bei Randfällen, Duplikate oder erfundene API-Aufrufe.
Welche automatische Prüfung ist am wichtigsten?
Eine gute Testsuite, die in jedem Pull Request läuft. Ergänzend sind strenge Typprüfung, Linter und Secret-Scanning besonders wirksam.
Darf die KI auch die Tests für ihren eigenen Code schreiben?
Ja, aber die Tests müssen besonders kritisch geprüft werden. Besser ist es, Testfälle aus den Anforderungen abzuleiten, bevor der Code entsteht.
Wie verhindere ich doppelten Code durch KI?
Verweisen Sie in der Aufgabe auf bestehende Module, halten Sie wiederverwendbare Bausteine in den Projektregeln fest und beobachten Sie Duplikate mit einer statischen Analyse.