Startseite › KI, die PRs aus Fehlern entwirft

Leitfaden · Autonome Entwicklung

KI, die Pull-Requests aus Ihren Fehlerberichten entwirft

Von , Mitbegründer, Qualia · Aktualisiert am 2. August 2026

TL;DR. Wenn ein Fehler in der Produktion auftritt (Sentry, Rollbar, Log-Aggregator), sichten die meisten Teams manuell: Stack-Trace lesen, Datei finden, Kontext verstehen, Fix schreiben, PR öffnen. Ein KI-Mitarbeiter der all dies automatisch erledigt und Ihnen einen überprüfbaren PR anstelle einer Warnung liefert, reduziert Ihren Bug-Backlog drastisch. Im Jahr 2026 bieten drei Optionen dies an: Qualia (Portfolio-Umfang, ein KI-Mitarbeiter für alle Produkte), Viktor (als Teil seiner Ingenieurrolle) und DIY-Setups auf Cursor oder Claude Code plus benutzerdefinierte Automatisierung.

Der Workflow, für den Sie tatsächlich bezahlen.

Manuelle Fehlerbehebung im Jahr 2026 sieht so aus:

  1. Sentry-Alarm wird ausgelöst.
  2. Jemand erhält die Benachrichtigung (wartet bis zum Morgen, wenn außerhalb der Geschäftszeiten).
  3. Ingenieur öffnet Sentry, liest den Stack-Trace, öffnet die Codebasis.
  4. Liest den umgebenden Code, um zu verstehen, was passiert.
  5. Wenn die Lösung offensichtlich ist, schreibt er sie.
  6. Wenn nicht, öffnet er Slack, um herauszufinden, wer diese Datei zuletzt bearbeitet hat.
  7. Öffnet einen PR mit Kontext.
  8. Zusammenführen.

Bester Fall: 30 Minuten pro Fehler. Realistischer Fall für einen Portfolio-Betreiber: 2 Stunden pro Fehler, denn „Öffnen der Codebasis“ beinhaltet das Laden von Kontext zu einem Produkt, das Sie seit Wochen nicht mehr angesehen haben.

Für 15 Produkte mit Dutzenden von Fehlern pro Tag ist dies eine Vollzeitaufgabe. Oder es ist ein Rückstand, der jede Woche wächst.

Was ein AI employee stattdessen tut.

  1. Sentry-Alarm wird ausgelöst.
  2. Der AI employee liest den Alarm, den Stack-Trace, den umgebenden Code, git blame, die letzten Commits und den Slack-Kontext.
  3. Bestimmt: echter Fehler oder Rauschen? (Filtert fehlerhafte Tests, Drittanbieter-API-Aussetzer, bekannte Duplikate.)
  4. Wenn es ein echter Fehler ist: Entwirft die Korrektur, öffnet einen PR für den richtigen Branch, fügt Kontext zur PR-Beschreibung hinzu, markiert den Prüfer.
  5. Ingenieur prüft (normalerweise 5 bis 20 Zeilen), genehmigt oder bearbeitet.
  6. Zusammenführen.

Zeitersparnis: 90 % bei einfachen Korrekturen, 60 % bei komplexen Korrekturen.

Auf Portfolio-Ebene ist dies der Unterschied zwischen „wir haben eine dedizierte Fehlerbehebung“ und „wir liefern die Korrekturen, sobald sie eintreffen.“ Siehe autonome Operationen für das breitere Muster.

Worauf Sie bei einer KI achten sollten, die PRs entwirft.

  • 1. Liest den tatsächlichen Code, nicht nur den Fehler. Produkte, die nur die Fehlermeldung sehen, produzieren halluzinierte Korrekturen.
  • 2. Liest die Git-Historie. Wer hat diese Datei zuletzt angefasst? Produkte ohne Git-Bewusstsein führen bereits behobene Fehler wieder ein.
  • 3. Verwendet die PR-Muster Ihres Teams. Deskriptive Commit-Nachrichten, Tests wo erforderlich.
  • 4. Filtert Rauschen. Nicht jede Warnung ist ein echter Fehler.
  • 5. Portfolio-bewusst, nicht Repo-bewusst. Für ein einzelnes Produkt funktioniert jede Coding AI (Cursor, Claude Code, Codex). Für ein Portfolio von 5+ Produkten muss die KI verstehen, welches Produkt, welches Repo, welches Team.
  • 6. Geht elegant mit falsch-positiven PRs um. Das Schließen falscher PRs sollte ein Klick sein.

Produkte, die dies 2026 tun.

Qualia

Portfolio-übergreifender KI-Mitarbeiter. Liest Sentry über alle Ihre Produkte hinweg und entwirft PRs für die richtigen Repos. Entwickelt für Teams von 2 bis 10 Personen, die 3 bis 20 Produkte betreiben.

Viktor

Teil seiner Rolle als „Ingenieur“-KI-Mitarbeiter. Am stärksten für Teams, die einen benannten KI-Ingenieur pro Team wünschen. Nicht portfolio-übergreifend. Siehe Qualia vs Viktor.

Cursor / Claude Code plus benutzerdefinierte Automatisierung

DIY-Einrichtung. Funktioniert, wenn Sie Ingenieurzeit haben, um es zu bauen.

Sentry AI Autofix

Sentrys eigene Beta. Beschränkt auf Sentry, gebunden an die Roadmap dieses Produkts.

GitHub Copilot Workspace

Gut für vorgeschlagene Korrekturen; erfordert einen Menschen zur Initiierung. Nicht autonom.

Devin / Cognition

Autonomer Allzweck-Codierungsagent. Für die meisten PR-Entwurf-Workflows überdimensioniert.

Wie Sie bewerten, bevor Sie sich festlegen.

  • Schritt 1. Wählen Sie 10 echte Sentry-Fehler aus den letzten 30 Tagen aus. Mischen Sie einfache und komplexe.
  • Schritt 2. Füttern Sie jeden dem AI employee. Bitten Sie ihn, einen PR zu entwerfen.
  • Schritt 3. Bewerten Sie jeden PR: Korrektheit, Vollständigkeit, Konvention, Kontext.
  • Schritt 4. Vergleichen Sie Produkte. Ein Produkt, das 8 von 10 richtig macht und die anderen 2 elegant handhabt, ist besser als eines, das 10 von 10 bei einfachen Fehlern richtig macht, aber bei komplexen halluziniert.

Häufige Fehler.

  • Bereitstellung ohne Überprüfungs-Gate. Lassen Sie niemals von der KI entworfene PRs automatisch zusammenführen.
  • Die KI nicht mit der Git-Historie verbinden. Eine KI, die nur den Fehler sieht, führt bereits behobene Fehler wieder ein.
  • Zu aggressives Filtern. „Nur echte Fehler“ übersieht Randfälle. „Alles“ ist Rauschen. Iterieren Sie 2 Wochen lang.
  • Annahme des Portfolio-Umfangs von einem Repo-Umfang-Produkt. Single-Repo-Tools (Cursor, Copilot) handhaben „welches Produkt, welches Repo“ nicht nativ.

Häufig gestellte Fragen.

Schreibt die KI tatsächlich gute Korrekturen?

Für einfache Korrekturen (Null-Checks, Typumwandlung, fehlende Importe), ja. Für komplexe Korrekturen sollte die KI Unsicherheit signalisieren, anstatt selbstbewusst falsche Korrekturen zu produzieren.

Kann ich dies zusammen mit Cursor oder Claude Code verwenden?

Ja. Die meisten Portfolio-Betreiber verwenden Cursor für interaktives Codieren und einen AI employee für die autonome Triage.

Was, wenn die KI zu viele PRs öffnet?

Konfigurieren Sie den Filter so, dass er nur oberhalb eines Schwellenwerts ausgelöst wird. Wöchentlich iterieren.

Ersetzt dies Ingenieure?

Nein. Es ersetzt die Zeit, die Ingenieure für die Triage aufwenden.

Wie viel kostet das?

Portfolio-preisige Produkte beinhalten dies als eine Funktion. Dedizierte Bugfixing-Produkte werden pro Fix oder pro Repo abgerechnet.

Was, wenn ich nur ein Produkt habe?

Ein Single-Repo-Tool könnte ausreichen. Der Portfolio-Umfang ist bei 3+ Produkten relevant.

Wie lange dauert es, bis es nützlich ist?

Tage für die ersten PRs. Wochen für die Filterkalibrierung. Monate, bis die Feedbackschleife es bei der Triage durchgängig besser macht als ein Ingenieur auf mittlerem Niveau.

Weiterlesen.