KI-gestützte Entwicklung im internationalen Team eingeführt

In einem Projekt unseres Gründers bei einem Premium-Automobilhersteller wurde KI-gestützte Entwicklung mit GitHub Copilot, Claude Code und Coding-Agenten in einem internationalen 14-köpfigen Team eingeführt. Heute arbeitet das ganze Team täglich KI-gestützt, mit demselben Review- und Teststandard wie zuvor.

Ausgangslage

Das internationale Entwicklungsteam arbeitete an einem Diagnose-Service auf Google Cloud. Werkzeuge wie GitHub Copilot, Claude Code und Coding-Agenten versprachen Entlastung bei wiederkehrenden Aufgaben. Im Team gab es Vorbehalte: die Sorge vor plausiblem, aber falschem Code und offene Fragen zu geistigem Eigentum und Datenschutz. Welcher Code darf an welchen Dienst gehen?

Dasselbe Team verantwortete den Shift-to-Cloud des Legacy-Diagnosesystems und den KI-Assistenten mit Retrieval.

Aufgabe

Als fachlicher und technischer Leiter des Teams sollte unser Gründer GitHub Copilot, Claude Code und Coding-Agenten einführen, inklusive Integration in die Azure Pipelines. Nicht als Pflichtwerkzeug per Anweisung, sondern so, dass das Team die Werkzeuge aus Überzeugung nutzt und die Qualität des Codes nicht leidet.

Lösung

• Kein Zwang, sondern Bewertung auf echten Tickets. Die Werkzeuge wurden an realen Aufgaben aus dem Backlog erprobt und die Ergebnisse offen geteilt, einschließlich der Fehlschläge.
• Compliance zuerst. Bevor das Team die Werkzeuge breit genutzt hat, wurden die Fragen zu geistigem Eigentum und Datenschutz mit den Architektur- und Governance-Stakeholdern geklärt: welche Dienste zulässig sind, welcher Code sie verlassen darf und unter welchen Bedingungen.
• Enablement am eigenen Code. In Sessions am Code des Teams entstanden Regeln: wann man dem Output trauen kann, welche Review-Disziplin für generierten Code gilt und wie Prompts formuliert werden, damit brauchbare Ergebnisse entstehen.
• Zuerst die unstrittigen Aufgaben. Der Einstieg lief über unstrittige Aufgaben: Tests, Boilerplate und Pipeline-Automatisierung. Dort ist der Nutzen schnell sichtbar und der Schaden bei Fehlern begrenzt.
• Integration in die Azure Pipelines. Die Werkzeuge wurden in die Azure Pipelines integriert statt nur in die Editoren. Damit laufen sie im Entwicklungsprozess mit denselben Prüfungen wie jede andere Änderung.

Ergebnis

Das gesamte Team entwickelt heute täglich KI-gestützt. Für generierten Code gilt derselbe Review- und Teststandard wie für handgeschriebenen. Die Werkzeuge sind Teil des normalen Arbeitsablaufs, im Editor wie in den Pipelines.

Erkenntnisse aus dem Projekt

• Vorbehalte gegen KI-Werkzeuge sind meist berechtigt. Wer sie ernst nimmt und mit ehrlichen Ergebnissen beantwortet, bekommt bessere Regeln als durch Anordnung.
• Compliance ist die Voraussetzung, nicht die Bremse. Sind geistiges Eigentum und Datenschutz geklärt, kann das Team ohne Unsicherheit arbeiten.
• Der Review-Standard darf durch KI nicht sinken. Generierter Code ist Code, und er wird gelesen, getestet und verantwortet wie jeder andere.

Übertragbar auf Ihr Vorhaben

Diese Einführung, von der Compliance-Klärung über Enablement bis zur Integration in Ihre Pipelines, bieten wir heute als Softwareentwicklung mit KI an. Wie Claude Code und Copilot konkret in Azure DevOps laufen, beschreibt der Artikel Claude Code und Copilot in Azure DevOps. Wenn Ihr Team die Werkzeuge nutzen soll, ohne Qualität und Vertrauen zu verlieren, sprechen Sie uns an.