GitHub Octoverse 2026: KI-Agenten starten über 40 % der PRs
Der Bericht GitHub Octoverse 2026, vorgestellt am 28. Oktober 2026 auf der GitHub Universe, zeigt: KI-Agenten starteten im September 2026 mehr als 40 % der Pull Requests auf der Plattform, nach 17 % im März. Die Zahl der gemergten Pull Requests hat sich in weniger als einem Jahr auf 220 Millionen pro Monat verdreifacht. Für Softwarefirmen zeigen die Zahlen, wohin sich die Arbeit verschiebt: Agenten entwerfen mehr Code, und Review, Sicherheitsprüfungen und Merge-Regeln tragen jetzt mehr von der Last.
Was GitHub in diesem Jahr gemessen hat
Der Bericht misst, wie viel mehr Arbeit heute über GitHub läuft. GitHub-Vizepräsident Jay Parikh stellte ihn auf der GitHub Universe vor, und die wichtigsten Zahlen zeigen, wie schnell die Aktivität gewachsen ist. Die gemergten Pull Requests haben sich in weniger als einem Jahr auf 220 Millionen pro Monat verdreifacht. Die Commits haben sich auf 7,38 Milliarden pro Monat mehr als verdreifacht, der Großteil des Anstiegs fiel in die zweite Jahreshälfte. Die Rate neuer Repositories verdoppelte sich auf 30,3 Millionen pro Monat.
Der Berichtszeitraum lief vom 1. Oktober 2025 bis zum 30. September 2026. Die Zahlen zu Agenten beruhen auf der eigenen Erkennung von Agentenaktivität auf der Plattform durch GitHub. Für einige Aufschlüsselungen nutzte GitHub selbst KI: Ein LLM ordnete Nutzerprofile Ländern zu, und ein feinabgestimmtes mehrsprachiges Embedding-Modell sortierte öffentliche Repositories nach Branchen.
Wie viel der Arbeit KI-Agenten heute starten
Mehr als 40 % der Pull Requests auf GitHub begannen im September 2026 mit einem von einem KI-Agenten erstellten Entwurf, nach 17 % im März. Allein im September starteten Agenten 110 Millionen Pull Requests, etwa sechsmal so viele wie im März.
Die Arbeit von Agenten ist zudem breiter angelegt. GitHub stellte fest, dass 87 % der von Agenten gestarteten Pull Requests mehrere Dateien änderten, gegenüber 79 % der Pull Requests ohne erkannte Beteiligung eines Agenten. Der Anteil der Pull Requests mit Agentenbeteiligung, die innerhalb von zwei Wochen gemergt wurden, stieg von 83 % im Februar auf 90 % im September, während er bei den übrigen bei etwa 86 % blieb. GitHub weist darauf hin, dass diese Zahlen die Zeit bis zum Merge beschreiben, nicht die Codequalität.
Wie Entwickler die Agentenfunktionen von Copilot nutzen
Von den monatlich aktiven Nutzern von GitHub Copilot verwendeten 55 % Agentenfunktionen, nach 35 % ein Jahr zuvor. Die Nutzung des Cloud-Agenten von Copilot, mit dem Entwickler eine Aufgabe an einen Agenten übergeben, der sie selbstständig erledigt, wuchs im Jahresvergleich um 230 %, die Nutzung des Agenten-Chats um 85 %.
GitHub hat außerdem Copilot Projects als öffentliche Vorschau gestartet. Damit koordinieren Entwickler Agenten über mehrere Repositories, geben Kontext aus Designdateien, Slack-Gesprächen und Besprechungsnotizen hinein und prüfen das Ergebnis.
Wie GitHub das Review von Agenten-Code angeht
Mehr Code heißt mehr Review, und die Zahlen von GitHub zeigen, dass Review- und Sicherheitstools schnell wachsen. Die Nutzung von KI-gestütztem Code Review und von GitHub Advanced Security wuchs im Jahresvergleich jeweils um mehr als 90 %. Entwickler mergten mehr als 30 Millionen Pull Requests von Dependabot, etwa doppelt so viele wie 2025.
Bis September hatten mehr als 264.000 Entwickler Stacked Pull Requests genutzt. Die Funktion teilt eine große Änderung in kleinere Pull Requests auf, die einzeln geprüft werden können, und ist seit dem 6. Oktober allgemein verfügbar. Laut GitHub stieg der gemergte Code in Repositories, die sie während der Vorschau nutzten, um 9 %, wobei GitHub nicht behauptet, dass die Funktion allein der Grund war.
„Für ein Team, das gegenseitig seine Arbeit prüft, war das eine spürbare Verbesserung in der Zusammenarbeit." David Mostoller, Softwareentwickler bei Comcast, über Stacked Pull Requests
Am 28. Oktober ergänzte GitHub Copilot code review Max als öffentliche Vorschau, das unabhängige Review-Agenten auf Modellen verschiedener Anbieter laufen lässt und ihre Befunde zusammenführt. Agentic Autofix ist seit dem 15. Oktober allgemein verfügbar: Copilot schlägt Korrekturen für bis zu 25 Code-Scanning-Warnungen in einem Pull Request vor und lässt CodeQL erneut laufen, um sie zu prüfen.
Was der Wandel für Engineering-Leads bedeutet
Für ein Unternehmen, das Software ausliefert, verschiebt sich der Engpass vom Schreiben des Codes zum Prüfen. Wenn Agenten über 40 % der Pull Requests starten, wird die Grenze des Outputs dadurch bestimmt, wie viele Änderungen Menschen mit Sicherheit prüfen können.
Die eigenen Kontrollen von GitHub zeigen, wie das Unternehmen erwartet, dass Firmen damit umgehen. Copilot-Freigaben, jetzt allgemein verfügbar, können als erforderliche Freigaben zählen, sind aber standardmäßig deaktiviert, Administratoren können einschränken, für welche Dateipfade Copilot freigeben darf, und eine Freigabe wird zurückgezogen, wenn danach neue Commits kommen. Teams, die Agenten einführen, bräuchten Review-Regeln dieser Art, bevor das Volumen kommt.
Fragen und Antworten
Welchen Anteil der Pull Requests auf GitHub starten KI-Agenten?
Laut GitHub Octoverse 2026 mehr als 40 % im September 2026, nach 17 % im März. Im September starteten Agenten 110 Millionen Pull Requests.
Wie viele Pull Requests werden auf GitHub pro Monat gemergt?
Laut GitHub 2026 rund 220 Millionen pro Monat, dreimal so viele wie vor weniger als einem Jahr.
Was ist Copilot code review Max?
Eine Review-Option, seit dem 28. Oktober als öffentliche Vorschau verfügbar, die unabhängige Review-Agenten auf Modellen verschiedener Anbieter laufen lässt und ihre Befunde zu einem Review zusammenführt. Laut GitHub dauert sie länger und verbraucht mehr KI-Credits als die Optionen Lite und Balanced.
Die Sicht von MOZGII
Wie wir es bauen würden
Wenn Agenten einen großen Teil der Änderungen starten, ist die knappe Ressource in einem Softwareteam nicht mehr das Tippen. Es ist das sorgfältige Lesen. Wenn wir ein Team dafür aufstellen würden, würden wir beim Review-Weg anfangen, nicht beim Agenten. Jeder von einem Agenten gestartete Pull Request hätte eine kurze Notiz dazu, was er geändert hat und warum, welche Tests er ausgeführt hat und welche Dateien er berührt, damit ein Reviewer mit Kontext beginnt statt mit einem rohen Diff.
Wir würden Änderungen klein halten, denn eine kleine Änderung lässt sich leichter prüfen als eine große, und alles, was Anmeldelogik oder gemeinsame Bibliotheken berührt, per Regel an einen erfahrenen Reviewer geben. KI-Freigaben blieben für diese Pfade ausgeschaltet. Ein zweites Modell, das das erste prüft, kann Fehler finden, aber die Entscheidung zum Merge würde weiter ein Mensch treffen.
Brechen würde es dort, wo das Volumen die Aufmerksamkeit überholt. Wenn Reviewer jeden Tag viel mehr Pull Requests vor sich haben, fangen sie an, aus Gewohnheit freizugeben, und die Tempozahlen sehen gut aus, während die Qualität sinkt. Deshalb würden wir nicht auf die Zeit bis zum Merge achten. Die eine Kennzahl, auf die wir achten würden, ist der Anteil gemergter Agentenänderungen, die innerhalb weniger Wochen zurückgenommen oder korrigiert werden. Als Nächstes würden wir einen wöchentlichen Bericht bauen, der Reviewern zeigt, welche Arten von Agentenänderungen die meiste Nacharbeit brauchten, damit das Team weiß, wo es genauer hinschauen muss.
Quellen
Woher die Fakten dieser Meldung stammen.