tecnovy AI Suite

Code Review mit KI

Ein Pull-Request-Review teilt sich hier in zwei ungleiche Teile. Die Agenten übernehmen den ersten Durchgang: Je einer liest den Diff auf Sicherheit, Tests, Architektur und Stil, gemessen an euren eigenen Kriterien, und die Befunde landen gebündelt im Pull Request. Beim Menschen bleibt das Urteil: Befunde gewichten, Kompromisse abwägen, zustimmen oder ablehnen. Vom ersten Agenten bis zur laufenden Pipeline entsteht dieser Workflow im Workshop.

Teilnahmezertifikat4,8/5 bei ProvenExpert

Was dieses Modul leistet.

Am Ende von Code Review mit KI läuft in deinem Beispiel-Repository ein Review-Workflow, den du bei tecnovy Schritt für Schritt aufbaust: eure Kriterien als prüfbare Regeln, spezialisierte Agenten, zusammengeführte Befunde. Gedacht für Tech Leads, Senior Developers und DevOps.

So läuft das Training

Methode: Schrittweiser Aufbau im Beispiel-Repository, vom einzelnen Agenten zur Pipeline
Grundlage: tecnovy Curriculum, geprüft an Anthropic- und GitHub-Doku (November 2026)
Abschluss: tecnovy Teilnahmezertifikat ab 80 % Anwesenheit, keine Prüfung

Termine & Buchung

Passenden Termin wählen

Aktuell sind keine öffentlichen Termine ausgeschrieben.

Neue Termine werden laufend veröffentlicht. Lass dich vormerken oder plane ein Inhouse-Training für dein Team.

Inhouse-Training anfragen

Passung

Für wen das Modul gedacht ist

Typische Rollen

Du reviewst als Tech Lead oder Senior Developer viele Pull Requests und willst die Vorprüfung an Agenten abgeben.
Du verantwortest Codequalität, Sicherheit oder die Plattform eines Teams, das mit KI-Coding-Werkzeugen arbeitet.
Du arbeitest in DevOps und willst Prüfungen in die CI/CD-Pipeline verlagern.

Voraussetzungen

Keine Voraussetzungen

Du kannst direkt einsteigen. Mitbringen: praktische Erfahrung mit Claude Code oder GitHub Copilot, sicherer Umgang mit Git und Pull Requests sowie einer CI/CD-Plattform.

Stattdessen geeignet GitHub Copilot Advanced · GitHub Copilot Schulung für Fortgeschrittene Für Teams, die das eingebaute Copilot Code Review per Ruleset einrichten wollen, als Teil einer breiteren Copilot-Einführung mit Anweisungsdateien und Richtlinien.

Lehrplan

Code Review mit KI im Detail

Fünf Teile führen von euren Review-Kriterien über spezialisierte Agenten und ihre Orchestrierung bis zur Integration in Pull Requests und zum laufenden Betrieb. Du baust den Workflow in einem Beispiel-Repository Schritt für Schritt auf, und am Ende läuft er.

01Was ein gutes Review ausmacht

Bevor ein Agent prüft, legst du fest, was geprüft wird.

Review-Ziele: Korrektheit, Sicherheit, Wartbarkeit, Architektur
Wo KI im Review stark ist und wo sie irrt
Eigene Review-Kriterien als prüfbare Regeln formulieren

02Spezialisierte Review-Agenten

Jeder Agent bekommt genau einen Blickwinkel auf den Pull Request.

Agenten für Sicherheit, Tests, Architektur und Stil definieren
Jedem Agenten Rolle, Kontext und Checkliste geben
Falsch-Positive reduzieren

03Orchestrierung

Aus mehreren Einzelbefunden wird ein Ergebnis, das Reviewer:innen schnell lesen.

Agenten parallel oder nacheinander laufen lassen
Befunde zusammenführen, gewichten und entdoppeln
Ein Ergebnis, das in wenigen Minuten gelesen ist

04Integration in Pull Requests und CI/CD

Der Workflow startet von selbst und meldet sich dort, wo das Team arbeitet.

Review-Workflow automatisch bei neuen Pull Requests starten
Kommentare im Pull Request und Status-Checks
Zusammenspiel mit Branch-Regeln und menschlicher Freigabe

05Betrieb und Verbesserung

Du misst Kosten, Laufzeit und Nutzen und prüfst Sicherheitsrisiken.

Kosten, Laufzeit und Nutzen messen
Agenten anhand von Team-Feedback verbessern
Sicherheitsaspekte: Zugriffsrechte, Geheimnisse, externe Beiträge

Ergebnis

Was du anschließend leisten kannst

01
Du formulierst eure Review-Kriterien als Regeln, die ein KI-Agent prüfen kann.
02
Du baust Review-Agenten für Sicherheit, Tests, Architektur und Stil, jeder mit eigener Rolle, Kontext und Checkliste.
03
Du erkennst, wo KI im Review zuverlässig ist und wo sie irrt, und senkst die Zahl der Fehlalarme.
04
Du lässt mehrere Agenten parallel oder nacheinander laufen und führst ihre Befunde gewichtet und ohne Dubletten zusammen.
05
Du startest den Workflow automatisch bei neuen Pull Requests, mit Kommentaren und Status-Checks.
06
Du legst fest, wie der Workflow mit Branch-Regeln und der menschlichen Freigabe zusammenspielt.
07
Du misst Kosten, Laufzeit und Nutzen und verbesserst die Agenten anhand von Rückmeldungen aus dem Team.

tecnovy Teilnahmezertifikat

Bestätigt deine Teilnahme und die im Training behandelten Lehrplaninhalte. Ausgestellt von tecnovy, teilbar auf LinkedIn.

Certificate Showroom öffnen tecnovy →

Leistungsumfang

Was enthalten ist

Enthalten

Vorlagen für Review-Agenten und Pipeline-KonfigurationAgenten-Definitionen mit Checklisten und eine Pipeline-Konfiguration, die du an eure Repositorys anpasst.

Warum tecnovy

Was du bei uns oben drauf bekommst

No Slideshow, Hands-On!

Versprochen: keine PowerPoint-Schlacht. Wir arbeiten in Gruppen, verknüpfen Theorie mit Praxis, und du bekommst Praxisbeispiele unserer erfahrenen Trainer sowie den Austausch mit Gleichgesinnten.

Certificate Showroom

Hol dir dein Teilnahmezertifikat und verbinde es, falls vorhanden, mit deinem Prüfungszertifikat. Vollautomatisiert, schön gestaltet. Nur für dich, nur bei tecnovy.

Flexible Umbuchung

Falls du mal kurzfristig verhindert sein solltest, kannst du deine Schulung bis eine Woche vor Trainingsbeginn kostenlos umbuchen.

Doppelt hält besser

Gerne darfst du innerhalb eines Jahres die Schulung nochmals online als Refresher besuchen.

Lerne von Experten

Wir garantieren dir stets den Einsatz von didaktisch und methodisch erstklassig qualifizierten Trainern, die ihr Wissen sowohl aus Trainingserfahrung als auch beruflicher Praxis- und Projekterfahrung beziehen.

FAQs

Häufige Fragen

01Ersetzt der Workflow menschliche Reviews?

Die Freigabe gibt im tecnovy Workshop Code Review mit KI weiterhin ein Mensch, die Agenten liefern eine strukturierte Vorprüfung. Auch Anthropic schreibt zu seinem eigenen Review-Dienst, dass ein Review ohne Befund keinen fehlerfreien oder sicheren Code bedeutet (Stand November 2026).

02Warum einen eigenen Workflow bauen, wenn es fertige KI-Reviews gibt?

Weil die fertigen Dienste wenig Spielraum lassen: Anthropics Code Review gibt es nur für Team- und Enterprise-Pläne mit Repositorys auf GitHub und wählt die Modelle selbst, und Copilot Code Review ist GitHubs eigene Mischung aus Modellen und Prompts, die ihr über Dateien wie copilot-instructions.md lenkt (Stand November 2026). Im tecnovy Workshop Code Review mit KI baust du einen Workflow mit euren eigenen Kriterien und Agenten, der in eurer Pipeline läuft.

03Welche Werkzeuge und welchen Zugang brauchen die Übungen?

Der tecnovy Workshop Code Review mit KI arbeitet mit Claude Code oder GitHub Copilot und einer CI/CD-Plattform wie GitHub Actions. Claude Code setzt ein Pro-, Max-, Ultra-, Team- oder Enterprise-Abo, ein Konto in der Claude Console oder einen Zugang über Amazon Bedrock, Google Cloud oder Microsoft Foundry voraus, nicht den kostenlosen Plan; in einer Pipeline braucht es eigene Zugangsdaten, etwa einen API-Schlüssel aus der Claude Console (Stand November 2026).

04Funktioniert das auch mit GitLab oder Azure DevOps?

Die Prinzipien aus dem tecnovy Workshop Code Review mit KI lassen sich übertragen, weil der Workflow auf Kriterien, Agenten und einer Pipeline aufbaut. Für GitLab gibt es eine Anbindung von Claude Code an GitLab CI/CD, die GitLab selbst pflegt und die laut Anthropic noch in der Beta ist (Stand November 2026).

05Was kostet der Betrieb eines KI-Reviews?

Das hängt von Anzahl und Größe der Pull Requests und der Zahl der Agenten ab: Jeder Lauf verbraucht Tokens beim KI-Anbieter und Laufzeit auf den CI-Runnern, und Copilot Code Review verbraucht AI Credits. Anthropic nennt als Grenzen eine Höchstzahl an Runden je Lauf, Zeitlimits für Jobs und weniger parallele Läufe (Stand November 2026); im tecnovy Workshop Code Review mit KI misst du Kosten und Laufzeit deines Workflows.

06Welche Sicherheitsfragen wirft ein KI-Review in der Pipeline auf?

Drei stehen im tecnovy Workshop Code Review mit KI im Mittelpunkt: welche Rechte die Agenten im Repository bekommen, wo Schlüssel als Secret liegen und was bei Beiträgen von außen passiert. Auf öffentlichen Repositorys gibt GitHub Läufen aus Fork-Pull-Requests keine Secrets mit, und die Claude Code GitHub Action startet bei Issues und Pull Requests standardmäßig nur für Personen mit Schreibrechten (Stand November 2026).

07Muss ich vorher einen Fortgeschrittenenkurs besuchen?

Pflicht ist das nicht, doch der tecnovy Workshop Code Review mit KI setzt praktische Erfahrung mit Claude Code oder GitHub Copilot voraus, idealerweise auf dem Niveau von Claude Code für Fortgeschrittene oder GitHub Copilot für Fortgeschrittene. Dazu kommen Git, Pull Requests und eine CI/CD-Plattform.

08Endet der Workshop mit einer Prüfung?

Der tecnovy Workshop Code Review mit KI endet mit dem tecnovy Teilnahmezertifikat, das du ab 80 % Anwesenheit erhältst, und nicht mit einer Prüfung. Weder Anthropic noch GitHub vergeben dafür eine Zertifizierung.

09Wie geht es nach dem Workshop weiter?

Nach Code Review mit KI bindest du im tecnovy Workshop MCP-Server in der Coding-Umgebung weitere Systeme wie Ticketsystem und Dokumentation über das Model Context Protocol (MCP) an Claude Code und GitHub Copilot an.

Wie sieht deine Schulung bei tecnovy aus?

AI Code ReviewCode Review mit KI

Noch keine Termine

Wir merken dich vor, sobald der nächste Termin geplant ist.