Inhalt
Ein Code Review für agentengenerierten Code folgt anderen Schwerpunkten als ein klassisches Review: Syntax und Stil sind meist sauber, die Risiken liegen in falsch verstandenen Anforderungen, stillen Annahmen, oberflächlichen Tests und unnötigen Abhängigkeiten. Die folgende Checkliste hilft Reviewern, genau diese Schwachstellen systematisch und in vertretbarer Zeit zu finden.
Warum agentengenerierter Code ein anderes Review braucht
Wenn ein Mensch Code schreibt, spiegeln Fehler oft Unsicherheit wider: ungewöhnliche Formatierung, zögerliche Namensgebung, ein Kommentar mit „TODO". Code von Coding-Agents sieht dagegen fast immer selbstbewusst und aufgeräumt aus – auch wenn er falsch ist. Das verleitet zu oberflächlichen Reviews.
Typische Muster bei agentengenerierten Änderungen sind:
- Plausibel, aber am Ziel vorbei: Der Code löst ein ähnliches, aber nicht das gewünschte Problem.
- Übereifrige Änderungen: Der Agent „verbessert" nebenbei Dateien, die nicht Teil der Aufgabe waren.
- Tests, die sich selbst bestätigen: Tests prüfen die Implementierung statt das gewünschte Verhalten oder wurden angepasst, bis sie grün sind.
- Neue Abhängigkeiten: Für ein kleines Problem wird eine zusätzliche Bibliothek eingebunden.
- Duplizierte Logik: Vorhandene Hilfsfunktionen werden übersehen und neu geschrieben.
Wie KI selbst beim Review helfen kann, beschreibt unser Beitrag KI in Code-Reviews. Die Endverantwortung bleibt aber beim Menschen.
Vor dem Review: Voraussetzungen schaffen
Ein gutes Review beginnt, bevor der Reviewer die erste Zeile liest. Stellen Sie sicher, dass:
- der Pull Request auf eine konkrete Aufgabe oder Spezifikation verweist,
- die Pipeline mit Build, Tests, Linter und Sicherheitsscans durchgelaufen ist,
- die Änderung klein genug ist – als Richtwert so, dass ein Reviewer sie in einer konzentrierten Sitzung vollständig verstehen kann,
- die Person, die den Agenten beauftragt hat, die Änderung selbst bereits gelesen hat.
Der letzte Punkt ist entscheidend: Wer einen Agenten-PR einreicht, ist dessen Autor. Ungeprüfte Agenten-Ausgaben an Kollegen weiterzureichen, verlagert die Arbeit nur. Mehr dazu im Artikel Agentic Coding und Code-Ownership.
Die Checkliste für agentengenerierten Code
Die Checkliste ist in vier Blöcke gegliedert. Nicht jeder Punkt ist bei jeder Änderung relevant, aber jeder Block sollte bewusst durchgegangen werden.
1. Anforderungen und Umfang
- Löst die Änderung genau die beschriebene Aufgabe – nicht mehr und nicht weniger?
- Sind alle Akzeptanzkriterien erfüllt, auch Randfälle aus der Spezifikation?
- Gibt es Änderungen an Dateien, die mit der Aufgabe nichts zu tun haben? Falls ja: begründet oder zurückrollen.
- Hat der Agent Annahmen getroffen, wo die Anforderung unklar war? Sind diese dokumentiert und fachlich korrekt?
- Wurde Verhalten entfernt oder verändert, das andere Teile des Systems benötigen?
2. Architektur und Wartbarkeit
- Folgt der Code den bestehenden Mustern und Schichten der Anwendung?
- Werden vorhandene Hilfsfunktionen, Komponenten und Services genutzt, statt sie zu duplizieren?
- Sind Namen fachlich korrekt und konsistent mit dem restlichen Code?
- Ist die Lösung angemessen einfach, oder wurde unnötige Abstraktion eingeführt?
- Gibt es auskommentierten Code, Debug-Ausgaben oder Platzhalter, die entfernt werden müssen?
- Sind Fehlerfälle behandelt, und zwar so, wie es im Projekt üblich ist?
3. Tests
- Testen die Tests das gewünschte Verhalten und nicht nur die konkrete Implementierung?
- Würden die Tests fehlschlagen, wenn die Kernlogik falsch wäre? (Gedankenprobe: Eine Zeile umdrehen – merkt es ein Test?)
- Wurden bestehende Tests geändert oder gelöscht? Wenn ja, warum genau?
- Sind Randfälle abgedeckt: leere Eingaben, Grenzwerte, Fehlerantworten externer Dienste?
- Werden Mocks sinnvoll eingesetzt, oder wird so viel gemockt, dass der Test nichts mehr aussagt?
4. Sicherheit, Daten und Abhängigkeiten
| Prüfpunkt | Worauf achten |
|---|---|
| Eingabevalidierung | Werden Benutzereingaben validiert und Abfragen parametrisiert? |
| Autorisierung | Prüft jeder neue Endpunkt, ob der Nutzer die Aktion ausführen darf? |
| Secrets | Keine Schlüssel, Tokens oder Passwörter im Code oder in Konfigurationsdateien |
| Logging | Keine personenbezogenen Daten oder Tokens in Logs |
| Neue Abhängigkeiten | Notwendig? Existiert das Paket wirklich, ist es gepflegt und vertrauenswürdig? |
| Lizenzen | Ist die Lizenz neuer Pakete mit Ihrem Projekt vereinbar? |
| Fehlermeldungen | Geben Fehlermeldungen keine internen Details preis? |
Vertiefende Hinweise finden Sie in unseren Beiträgen zu Sicherheitsrisiken von KI-generiertem Code und zu Open-Source-Lizenzen und KI-Code.
Effizient reviewen: So bleibt der Aufwand beherrschbar
Wenn Agents mehr Code produzieren, darf das Review nicht zum Engpass werden. Diese Praktiken helfen:
- Erst die Beschreibung, dann der Code: Lassen Sie sich vom Autor (oder dem Agenten) erklären, was geändert wurde und warum. Weicht der Diff davon ab, ist das ein Warnsignal.
- Tests zuerst lesen: Sie zeigen am schnellsten, was der Code tun soll.
- Risikobasiert prüfen: Sicherheitsrelevante und fachlich zentrale Stellen gründlich, generierte Boilerplate stichprobenartig.
- Automatisieren, was geht: Formatierung, Stil, bekannte Sicherheitsmuster und Lizenzprüfung gehören in die Pipeline, nicht ins menschliche Review.
- Erkenntnisse zurückspielen: Wiederkehrende Review-Anmerkungen gehören in die Kontextdateien des Agenten, damit derselbe Fehler nicht erneut auftritt.
Fazit
Agentengenerierter Code wirkt oft sauberer, als er ist. Ein gutes Review konzentriert sich deshalb weniger auf Stil und mehr auf Anforderungstreue, Architektur, aussagekräftige Tests, Sicherheit und Abhängigkeiten. Mit klaren Voraussetzungen, einer festen Checkliste und konsequenter Automatisierung bleibt das Review schnell und wird zur wichtigsten Qualitätsbremse im Agentic-Coding-Prozess. Wer diese Review-Routine im Team trainieren möchte, kann dafür einen unserer Workshops ab 799 € netto mit KI-Entwicklern aus der Praxis nutzen.
Häufige Fragen
Kann eine KI agentengenerierten Code reviewen?
KI-Reviews sind eine sinnvolle erste Stufe und finden viele typische Probleme. Die fachliche und architektonische Prüfung sowie die Freigabe sollten aber bei einem Menschen bleiben.
Wie groß darf ein Pull Request von einem Agenten sein?
Es gibt keine feste Grenze, aber er sollte so klein sein, dass ein Reviewer ihn in einer konzentrierten Sitzung vollständig versteht. Größere Aufgaben teilen Sie besser in mehrere Pull Requests.
Wer ist für Fehler in agentengeneriertem Code verantwortlich?
Die Person, die den Agenten beauftragt und die Änderung eingereicht hat, sowie im zweiten Schritt der Reviewer. Ein Agent kann keine Verantwortung übernehmen.
Worauf sollte ich bei neuen Abhängigkeiten besonders achten?
Prüfen Sie, ob das Paket wirklich nötig ist, tatsächlich existiert, aktiv gepflegt wird und eine kompatible Lizenz hat. Agents schlagen gelegentlich Pakete vor, die es nicht gibt oder die nicht vertrauenswürdig sind.