KI Code Review mit Agents, was wir vom Claude Code Team lernen

Vor ein paar Tagen haben wir über die Linux Foundation Studie geschrieben. Jeder vierte Pull Request in Open Source Projekten gilt dort als AI Slop. Jetzt kommt die Gegenrechnung aus dem Team, das selbst am meisten KI Code produziert. Claude schreibt rund 90 Prozent des Codes von Claude Code. Von Juni bis September 2026 hat sich die Zahl der übernommenen Änderungen mehr als verdoppelt. Der Anteil, der wieder zurückgenommen werden musste, sank um über 40 Prozent.

Mehr KI Code und trotzdem bessere Qualität. Das klappt nur mit einem Review, das anders gebaut ist als früher. Addy Osmani, Morgan Westlee Lunt und Qing Wang haben es im Claude Developer Blog offengelegt. Die komplette Aufschlüsselung mit allen Schichten, Zahlen und Freigaberegeln findet ihr bei Nerds in Shirts im Artikel So prüft das Claude Code Team Code, den zu 90 Prozent Claude schreibt. Hier schauen wir auf etwas anderes. Was hat das mit unserer eigenen Arbeit zu tun, und was davon geht auch ohne Claude Code?

Warum klassisches Code Review bei KI Code an Grenzen stößt

Im großen Repository von Anthropic stieg die Zahl der Änderungen pro Tag von etwa 2.500 im Mai auf über 30.000 im September. Das liest kein Team mehr Zeile für Zeile. Das Claude Code Team stellt deshalb eine andere Frage. Es geht nicht mehr darum, ob ein Mensch den Code gelesen hat. Es geht darum, was bei einer Änderung schiefgehen kann und welche Prüfung das abfängt.

Genau dieses Denken steckt auch hinter unserem Beitrag Rote Linie für KI im Coding. Manche Entscheidungen gehören zum Menschen, alles andere soll eine Maschine zuverlässig prüfen.

Unsere Guardrails neben dem Review Modell von Anthropic

Im Beitrag zu AI Slop in Pull Requests haben wir unsere feste Kette beschrieben. Legt man sie neben das Vorgehen des Claude Code Teams, passt fast jede Stufe zusammen:

Unsere Guardrail	Entsprechung beim Claude Code Team
Tests first	Der Agent bekommt Tests, Build oder Screenshot und muss das Ergebnis vorzeigen, bevor jemand reviewt
Statische Analyse	Lint, Typprüfung und Tests auf allen Plattformen blockieren jeden Pull Request
Regeldateien	CLAUDE.md für das Projekt, dazu eine REVIEW.md pro Bereich mit dem, worauf der Reviewer achten soll
Pipeline als Gate	Rote Prüfungen und offene Funde aus Fehler und Sicherheitsreview verhindern das Mergen
Mensch beim Merge	Freigaben von Agents zählen nicht als menschliche Freigabe, die Zahl der Menschen richtet sich nach dem Risiko

Der große Unterschied liegt in der Mitte. Anthropic lässt mehrere Review Agents parallel nach Fehlern suchen und eine zweite Gruppe darüber abstimmen. Gepostet wird nur, was genug Zustimmung bekommt. Nach der Einführung stieg der Anteil der Pull Requests mit inhaltlichen Kommentaren von 16 auf 54 Prozent. Warum diese Prüfschichten mit jedem stärkeren Modell eher wichtiger werden, steht in Warum KI Guardrails mit jedem besseren Modell wertvoller werden.

KI Code Review mit OpenCode umsetzen

Die Werkzeuge im Artikel sind Claude Produkte. Code Review for Claude Code gibt es für die Pläne Team und Enterprise, lokal dazu die Befehle /code-review und /security-review. Wir arbeiten mit OpenCode und Open Weight Modellen. Die Prinzipien hängen aber nicht am Tool:

• Review vor dem Pull Request: Ein eigener Slash Befehl prüft den git diff auf Fehler, Sicherheitsprobleme und fehlende Tests, ohne etwas zu ändern. Wie das geht, zeigen wir in OpenCode Commands erstellen.
• Review bei jedem Pull Request: Die OpenCode GitHub Action reviewt neue und geänderte Pull Requests automatisch. Die Einrichtung steht in OpenCode GitHub Action einrichten.
• Grenzen für den Agent: Was der Agent ohne Rückfrage darf, regeln die Permissions. Details in OpenCode Permissions richtig einstellen.
• Regeln für den Reviewer: Was in einer REVIEW.md steht, lässt sich genauso in eine Regeldatei für OpenCode schreiben. Vorlagen liefern die NCA PHP AI Coding Guidelines.

Drei Punkte, die wir besonders spannend finden

Die Endlosschleife. Agent schreibt, Agent reviewt, Agent korrigiert. Ein Pull Request lief über Nacht durch mehr als fünfzig Runden. Rund 59 Prozent der Funde betrafen Code, der schon beim ersten Durchgang da war. Seit dem Limit von drei Runden brauchen nur noch 1,5 Prozent der Pull Requests fünf oder mehr Runden. Wer Review Agents einsetzt, sollte das Rundenlimit von Anfang an mitdenken.

Wer den Agent steuert, haftet. Bei einem Pull Request von einem Agent zählt der Mensch, der ihn gesteuert hat, als Reviewer. So, als hätte er den Code selbst getippt. Das passt zu unserem Grundsatz, dass kein Agent selbst merged.

Aus Vorfällen werden Tests. Jeder Fehler, der durchgerutscht ist, landet in einer Sammlung. Der Reviewer läuft täglich dagegen und wird nur geändert, wenn sein Ergebnis besser wird. Das ist im Kleinen genau das, was wir mit Tests first meinen. Welche Testebenen mit Agents an Gewicht gewinnen, zeigt die Testpyramide für KI Agents.

Boris Cherny, der Claude Code entwickelt hat, fasst seinen Alltag damit auf X so zusammen:

I could not imagine being productive without Claude Code Review.

Boris Cherny, Anthropic

Fazit

Das Claude Code Team beweist mit Zahlen, dass viel KI Code und hohe Qualität zusammengehen. Der Weg dahin sind Prüfschichten, die vor dem Menschen greifen, klare Regeln für den Reviewer und Freigaben nach Risiko. Vieles davon deckt sich mit den Guardrails, die wir vertreten. Neu für uns sind vor allem das Rundenlimit und die Abstimmung zwischen mehreren Review Agents.

Solche Berichte sind der Grund, warum wir die Entwicklung bei Agentic Coding laufend verfolgen. Neues probieren wir zuerst in eigenen Side Projects aus. Was sich bewährt, nehmen wir mit in Kundenprojekte und Workshops. Mehr aktuelle Einordnungen gibt es in den Agentic Coding News bei Nerds in Shirts.