app-entwickeln-lassen.de LogoApp entwickeln lassen

Agentic Coding

Code Review für agentengenerierten Code: Die Checkliste

Redaktion app-entwickeln-lassen.de 5 Min. Lesezeit
Inhalt
  1. Warum agentengenerierter Code ein anderes Review braucht
  2. Vor dem Review: Voraussetzungen schaffen
  3. Die Checkliste für agentengenerierten Code
  4. Effizient reviewen: So bleibt der Aufwand beherrschbar
  5. Fazit
  6. Häufige Fragen

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:

  1. der Pull Request auf eine konkrete Aufgabe oder Spezifikation verweist,
  2. die Pipeline mit Build, Tests, Linter und Sicherheitsscans durchgelaufen ist,
  3. die Änderung klein genug ist – als Richtwert so, dass ein Reviewer sie in einer konzentrierten Sitzung vollständig verstehen kann,
  4. 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

PrüfpunktWorauf achten
EingabevalidierungWerden Benutzereingaben validiert und Abfragen parametrisiert?
AutorisierungPrüft jeder neue Endpunkt, ob der Nutzer die Aktion ausführen darf?
SecretsKeine Schlüssel, Tokens oder Passwörter im Code oder in Konfigurationsdateien
LoggingKeine personenbezogenen Daten oder Tokens in Logs
Neue AbhängigkeitenNotwendig? Existiert das Paket wirklich, ist es gepflegt und vertrauenswürdig?
LizenzenIst die Lizenz neuer Pakete mit Ihrem Projekt vereinbar?
FehlermeldungenGeben 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:

  1. 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.
  2. Tests zuerst lesen: Sie zeigen am schnellsten, was der Code tun soll.
  3. Risikobasiert prüfen: Sicherheitsrelevante und fachlich zentrale Stellen gründlich, generierte Boilerplate stichprobenartig.
  4. Automatisieren, was geht: Formatierung, Stil, bekannte Sicherheitsmuster und Lizenzprüfung gehören in die Pipeline, nicht ins menschliche Review.
  5. Erkenntnisse zurückspielen: Wiederkehrende Review-Anmerkungen gehören in die Kontextdateien des Agenten, damit derselbe Fehler nicht erneut auftritt.
Sie planen eine App? Kostenloses Festpreis-Angebot in 2 Minuten anfordern

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.

Dieser Artikel wurde von der Redaktion von app-entwickeln-lassen.de erstellt – dem App- und KI-Entwicklungsangebot der jocapps GmbH aus Freiburg, seit 2014 in der App-Entwicklung aktiv. Die Inhalte dienen der allgemeinen Information und ersetzen keine individuelle (Rechts-)Beratung.

Das könnte Sie auch interessieren

Agentic CodingAgentic Coding Use Cases: 20 Aufgaben, die Agents heute zuverlässig übernehmen

Agentic Coding Use Cases: 20 konkrete Aufgaben von Tests über Refactoring bis Doku, die Coding-Agents heute zuverlässig erledigen – inklusive Grenzen und Tipps.

5 Min. Lesezeit
Agentic CodingAgentic Coding in Scrum und Kanban integrieren

Agentic Coding in Scrum und Kanban integrieren: Wie sich Backlog, Schätzung, Definition of Done und Reviews verändern, wenn Coding-Agents im Team mitarbeiten.

5 Min. Lesezeit
Agentic CodingVon Vibe Coding zu Agentic Engineering: Professionalisierung im Team

Von Vibe Coding zu Agentic Engineering: Wie Teams Coding-Agents mit Spezifikationen, Tests und Reviews professionell einsetzen – mit Reifegradmodell und Plan.

5 Min. Lesezeit
Agentic CodingAgentic Coding für Startups: Mit kleinem Team schnell zum MVP

Agentic Coding für Startups: Wie kleine Teams mit Coding-Agents schneller zum MVP kommen, welche Fallstricke drohen und wann eine Agentur der bessere Weg ist.

5 Min. Lesezeit
Agentic CodingAgentic Coding und Datensicherheit: Secrets, Zugangsdaten und Compliance

Agentic Coding und Datensicherheit: Wie Sie Secrets und Zugangsdaten vor Coding-Agents schützen, Berechtigungen begrenzen und Compliance-Anforderungen erfüllen.

6 Min. Lesezeit
Agentic CodingEigene Coding-Agents bauen: Wann sich individuelle Agents lohnen

Eigene Coding-Agents bauen oder Standard-Tools anpassen? Kriterien, Architektur, Aufwand und Risiken individueller Agents – für die richtige Entscheidung.

6 Min. Lesezeit