Code-Review: Tipps für bessere Reviews mit Pull Requests, Checklisten und KI

Kleine Änderungen, klare Kriterien, freundlicher Ton und Automatisierung: So prüfen Teams Code wirksam – auch wenn KI mitschreibt und mitliest

31.10.2019

Kleine Pull Requests, Checklisten, guter Ton, Linter und Tests in der CI: So werden Code-Reviews wirksam. Dazu die Grenzen von KI-Reviews wie Copilot.

Warum gute Code-Reviews weniger mit Fehlersuche zu tun haben, als viele glauben

Freitagnachmittag, kurz vor Feierabend: Im Postfach liegt ein Pull Request mit 1.800 geänderten Zeilen, dazu die Bitte um „einen kurzen Blick“. Was folgt, kennt fast jedes Entwicklungsteam. Jemand scrollt durch, findet zwei Tippfehler in Variablennamen, schreibt „Sieht gut aus“ und klickt auf Freigeben. Formal hat ein Review stattgefunden. Tatsächlich hat niemand den Code verstanden.

Code-Reviews gehören heute in fast jedem Softwareteam zum Alltag. Bevor eine Änderung in den Hauptzweig des Projekts übernommen wird, liest mindestens eine zweite Person sie gegen. Das klingt nach Kontrolle, ist im besten Fall aber etwas anderes: ein Gespräch über Code, bei dem Fehler auffallen, Wissen im Team verteilt wird und die Software auf Dauer verständlich bleibt. Ob das gelingt, hängt weniger vom Werkzeug ab als von ein paar Gewohnheiten. Und seit KI-Assistenten selbst Code schreiben und Reviews kommentieren, sind neue Fragen hinzugekommen.

Was ein Code-Review leisten soll – und was nicht

Ein Review hat mehrere Ziele, und es hilft, sie im Team ausdrücklich zu benennen. Erstens sollen Fehler auffallen, bevor sie bei Kundinnen und Kunden ankommen: falsche Logik, vergessene Sonderfälle, Sicherheitslücken. Zweitens soll der Code verständlich und wartbar bleiben – auch für Menschen, die ihn in zwei Jahren ändern müssen. Drittens verteilt ein Review Wissen: Wer den Code einer Kollegin liest, weiß danach, wie dieser Teil der Anwendung funktioniert. Fällt jemand aus, steht das Team nicht ohne Wissen da.

Was ein Review nicht leisten sollte: Tests ersetzen, Formatierungsfragen klären oder eine Architekturentscheidung nachholen, die eigentlich vor der ersten Codezeile hätte fallen müssen. Wer im Review grundsätzlich über den Lösungsansatz streitet, hat das Gespräch zu spät begonnen. Größere Vorhaben sollten deshalb vorher kurz skizziert und abgestimmt werden.

Pull Requests: Kleine Änderungen sind das halbe Review

Auf Plattformen wie GitHub heißt der Vorschlag einer Änderung Pull Request, bei GitLab Merge Request. Gemeint ist dasselbe: Eine Entwicklerin bittet darum, ihre Änderungen in den gemeinsamen Code zu übernehmen, und andere kommentieren Zeile für Zeile.

Der wirksamste Tipp für bessere Reviews setzt vor dem Review an: kleine Pull Requests. Eine oft zitierte Faustregel lautet, nicht mehr als etwa 400 Zeilen am Stück und nicht länger als rund 60 Minuten zu prüfen, weil danach die Aufmerksamkeit spürbar nachlässt. Die genauen Zahlen sind weniger wichtig als die Richtung. Eine Änderung, die eine Sache erledigt, lässt sich in einer Viertelstunde gründlich prüfen. Ein Paket aus Umbau, neuer Funktion und Aufräumarbeiten dagegen lädt zum Durchwinken ein.

Ebenso wichtig ist die Beschreibung. Ein guter Pull Request erklärt in wenigen Sätzen, was sich ändert, warum, und wie man es ausprobieren kann. Verweist er auf die zugehörige Anforderung, etwa eine User Story mit Akzeptanzkriterien, kann die Reviewerin prüfen, ob der Code tatsächlich das Gewünschte tut. Wie solche Anforderungen aussehen sollten, beschreibt der Beitrag über User Stories und ihre Akzeptanzkriterien.

Checklisten: Worauf Reviewer achten sollten

Ohne gemeinsame Kriterien prüft jede Person nach eigenem Geschmack. Die eine achtet auf Namen, der andere auf Performance, die dritte auf gar nichts Bestimmtes. Eine kurze Checkliste schafft Verlässlichkeit. Sie sollte auf eine Bildschirmseite passen und zum Projekt passen, etwa so:

  • Verständnis: Verstehe ich, was der Code tut und warum? Wenn nicht, ist das bereits ein Befund.
  • Anforderung: Erfüllt die Änderung, was in der Aufgabe steht – nicht mehr und nicht weniger?
  • Sonderfälle: Was passiert bei leeren Eingaben, Netzwerkfehlern, gleichzeitigen Zugriffen?
  • Tests: Gibt es Tests für das neue Verhalten, und prüfen sie etwas Sinnvolles?
  • Sicherheit und Datenschutz: Werden Eingaben geprüft, Zugangsdaten sauber behandelt, personenbezogene Daten nur dort verarbeitet, wo es nötig ist?
  • Lesbarkeit: Sind Namen sprechend, Funktionen überschaubar, Kommentare dort, wo der Code allein nicht reicht?
  • Abhängigkeiten: Kommt eine neue Bibliothek hinzu? Ist sie gepflegt und lizenzrechtlich in Ordnung?

Die Checkliste gehört idealerweise direkt in die Vorlage für neue Pull Requests. So sieht die Autorin schon beim Erstellen, worauf später geachtet wird – und erledigt vieles selbst.

Ton und Feedback: Fragen statt Urteile

Code-Reviews sind auch ein soziales Ritual. Ein Kommentar wie „Das ist falsch“ landet bei der Empfängerin anders als „Was passiert hier, wenn die Liste leer ist?“. Die Frage führt zum selben Ergebnis, lässt aber Raum für Gründe, die der Reviewer vielleicht nicht kennt. Einige Gewohnheiten haben sich bewährt:

  • Über den Code sprechen, nicht über die Person: „Diese Funktion erledigt drei Aufgaben auf einmal“ statt „Wer schreibt denn so etwas?“.
  • Gewicht kennzeichnen: Viele Teams markieren Kleinigkeiten mit einem Präfix wie „nit:“ (von „nitpick“, Kleinkram), damit klar ist, was die Freigabe blockiert und was nur ein Vorschlag ist.
  • Begründen: Ein Hinweis mit Grund („weil sonst die Datenbank bei jedem Aufruf …“) ist lehrreich, einer ohne Grund wirkt willkürlich.
  • Loben, wo es passt: Eine elegante Lösung zu erwähnen kostet einen Satz und zeigt, dass jemand genau gelesen hat.
  • Reden statt schreiben: Wenn ein Kommentarstrang länger als drei Runden dauert, ist ein kurzes Gespräch fast immer schneller.

Wichtig ist auch die Gegenseitigkeit. Wenn Berufseinsteiger ebenso den Code der erfahrenen Kolleginnen prüfen, lernen sie am schnellsten – und die Erfahrenen bekommen ehrliche Rückfragen zu Stellen, die sie selbst für selbstverständlich halten.

Automatisierung: Was Maschinen besser prüfen

Vieles, worüber in Reviews früher gestritten wurde, gehört heute in die Pipeline. Gemeint ist die Continuous Integration (CI), also die automatische Prüfung, die bei jeder Änderung anläuft. Sie übernimmt drei Aufgaben zuverlässiger als jeder Mensch:

  • Formatierung: Ein Formatierer bringt den Code automatisch in die vereinbarte Form. Einrückungen und Klammern sind damit kein Review-Thema mehr.
  • Statische Analyse: Linter und Analysewerkzeuge finden typische Fehlermuster, ungenutzte Variablen oder bekannte Sicherheitsprobleme, ohne den Code auszuführen.
  • Tests: Die automatischen Tests laufen bei jeder Änderung. Erst wenn sie grün sind, beginnt das menschliche Review.

Diese Reihenfolge spart Zeit und Nerven: Menschen konzentrieren sich auf Logik, Verständlichkeit und Design, die Maschine auf das Mechanische. Wie Tests mit KI-Unterstützung entstehen und wo dabei Vorsicht geboten ist, zeigt das Seminar Software-Tests mit ChatGPT und Copilot.

KI im Review: Hilfreicher Zweitleser, kein Entscheider

Seit einiger Zeit können KI-Assistenten Pull Requests selbst kommentieren. Bei GitHub lässt sich Copilot als Reviewer anfordern; der Assistent fasst die Änderung zusammen und hinterlässt Hinweise zu einzelnen Zeilen. Auch GitLab und spezialisierte Anbieter haben vergleichbare Funktionen im Programm.

In der Praxis sind solche KI-Reviews nützlich für eine erste Durchsicht: Sie finden vergessene Fehlerbehandlungen, Tippfehler in Bedingungen, unklare Namen und manchmal echte Logikfehler. Für die Autorin eines Pull Requests sind sie eine gute Selbstkontrolle, bevor ein Mensch Zeit investiert.

Die Grenzen sind allerdings deutlich. Ein KI-Reviewer kennt meist nur den sichtbaren Ausschnitt, nicht die Absprachen im Team, die fachlichen Regeln oder den Grund, warum eine Lösung bewusst anders gebaut wurde. Er formuliert falsche Hinweise ebenso überzeugt wie richtige und übersieht, was eine erfahrene Kollegin sofort bemerken würde. Bei GitHub zählt ein Copilot-Review standardmäßig auch nicht als Freigabe. Meine Einschätzung: KI-Reviews sind ein guter Filter vor dem eigentlichen Review, aber kein Ersatz dafür. Die Entscheidung, ob Code in das Produkt kommt, trifft ein Mensch, der ihn verstanden hat.

KI-generierter Code im Review: genauer hinsehen

Die zweite Veränderung betrifft die andere Seite: Immer mehr Code, der zur Prüfung vorgelegt wird, stammt ganz oder teilweise von einem KI-Assistenten. Solcher Code sieht oft sauber aus, ist ordentlich formatiert und kommentiert. Gerade das verführt dazu, ihn weniger kritisch zu lesen.

Typische Schwachstellen sind erfundene Funktionen oder Bibliotheken, veraltete Schnittstellen, übersehene Sonderfälle, Tests, die nur prüfen, was der Code ohnehin tut, und Sicherheitsmuster aus alten Lehrbuchbeispielen. Zudem wachsen Pull Requests mit KI-Hilfe schnell auf eine Größe, die kein Mensch mehr sorgfältig prüfen kann. Drei Regeln helfen:

  • Verantwortung bleibt beim Menschen: Wer einen Pull Request öffnet, muss jede Zeile erklären können – egal, wer sie geschrieben hat.
  • Größe begrenzen: Die Regel der kleinen Änderungen gilt für KI-Code erst recht.
  • Kennzeichnen: Ein kurzer Hinweis, welche Teile mit KI entstanden sind, lenkt die Aufmerksamkeit der Reviewer dorthin, wo sie gebraucht wird.

Welche Spielregeln sich für den Einsatz von KI-Assistenten im Team bewährt haben, beschreibt der Beitrag Copilot-Chaos oder Code-Kontrolle: 4 Regeln für den Einsatz von KI-Assistenten. Wie sich KI-Werkzeuge sinnvoll in den gesamten Entwicklungsablauf einfügen, ist Thema des Seminars Moderne KI-Entwicklungsprozesse mit intelligenten Assistenten.

Was das für Ihr Team bedeutet

Gute Code-Reviews sind keine Frage teurer Werkzeuge, sondern von Vereinbarungen. Für die meisten Teams lohnt sich ein kleiner Satz an Regeln: Pull Requests klein halten und gut beschreiben, eine kurze gemeinsame Checkliste nutzen, alles Mechanische der CI überlassen, freundlich und begründet kommentieren und Reviews zeitnah erledigen, damit niemand tagelang wartet. KI-Reviewer können diesen Ablauf beschleunigen, wenn sie als erster Filter dienen. Überschätzt wird dagegen die Idee, KI könne das Review ganz übernehmen – gerade weil immer mehr Code maschinell entsteht, wird das menschliche Verständnis wichtiger, nicht unwichtiger.

Code-Reviews sind dabei nur ein Baustein. Welche Gewohnheiten Softwareprojekte insgesamt erfolgreicher machen, von klaren Zielen bis zum Umgang mit technischen Schulden, fasst der Beitrag Praktische Tipps für bessere Software-Projekte zusammen. Weitere Seminare rund um Entwurf, Qualität und Architektur finden Sie im Themenbereich Software Engineering.

Häufige Fragen zu Code-Reviews

Wie viele Personen sollten einen Pull Request prüfen?

In den meisten Teams reicht eine sorgfältige Freigabe. Bei sicherheitskritischen Teilen, zentralen Schnittstellen oder Datenbankänderungen ist eine zweite Person sinnvoll, idealerweise jemand mit Überblick über die Architektur.

Wie schnell sollte ein Review erledigt sein?

Viele Teams vereinbaren, Reviews innerhalb eines Arbeitstags zu beginnen. Lange Wartezeiten führen dazu, dass Entwickler mehrere Änderungen parallel anfangen – das macht die nächsten Pull Requests größer und die Reviews schlechter.

Ersetzt Pair Programming das Review?

Teilweise. Wer zu zweit programmiert, prüft den Code bereits beim Entstehen. Viele Teams verzichten dann auf ein ausführliches Review und lassen nur noch die automatischen Prüfungen laufen. Für Änderungen mit großer Tragweite bleibt ein frischer Blick von außen trotzdem nützlich.

Darf ein KI-Reviewer Code freigeben?

Technisch ist das möglich: Bei GitHub können Administratoren seit Herbst 2026 einschalten, dass eine Copilot-Freigabe als erforderliche Freigabe zählt, auf Wunsch beschränkt auf bestimmte Pfade. Sinnvoll ist das höchstens in engen Grenzen. Ein KI-Hinweis kann ein Review vorbereiten, die Freigabe sollte bei einer Person liegen, die den Code versteht und für ihn einsteht.

Weitere Artikel

Ihr Kommentar zum Artikel

"Code-Review: Tipps für bessere Reviews mit Pull Requests, Checklisten und KI"

Wir freuen uns über Ihren Kommentar und antworten so schnell es geht!

Vielen Dank, Ihr Kommentar wurde empfangen!
Beim Absenden des Formulars ist etwas schiefgelaufen.
Unsere Beratungsleistungen zum Thema

Software Engineering

Wir erweitern ständig unser Beratungsportfolio. Über 600 Beratungsleistungen haben wir für Sie im Programm. Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Beratung, die Sie wünschen und brauchen.

Mehr IT-, Online-, Digital-Beratungsleistungen anzeigen >>

Kontaktanfrage

*) Die Angabe erfolgt freiwillig. Wir nutzen Ihre Telefonnummer ausschließlich, um Ihre Anfrage effizienter zu bearbeiten oder Rückfragen zu klären.

Mit dem Absenden dieses Formulars erklären Sie sich damit einverstanden, dass wir Ihre Anfrage (Name, E-Mail-Adresse, Telefonnummer, Interessensgebiet und Nachricht) an den zuständigen Kooperationspartner weiterleiten, der die Beratung und Durchführung der Weiterbildung übernimmt. Der jeweilige Partner ist eigenständig verantwortliches Unternehmen im Sinne der DSGVO und wird sich direkt mit Ihnen in Verbindung setzen.

Das Angebot von "HECKER CONSULTING" richtet sich ausschließlich an Unternehmen und Behörden (iSv § 14 BGB). Verbraucher (§ 13 BGB) sind vom Vertragsschluss ausgeschlossen. Mit Absendung der Anfrage bestätigt der Anfragende, dass er nicht als Verbraucher, sondern in gewerblicher Tätigkeit handelt. § 312i Abs. 1 S. 1 Nr. 1-3 und S. 2 BGB (Pflichten im elektronischen Geschäftsverkehr) finden keine Anwendung.

Sie suchen eine geförderte Weiterbildung mit Bildungsgutschein?
‍Beratung über unsere Kursseiten.

Vielen Dank, Ihre Nachricht wurde empfangen!
Beim Absenden des Formulars ist etwas schiefgelaufen.
WEITERE INFORMATIONEN AUS UNSEREM BLOG ZUM THEMA

Software Engineering

Aktuelle und interessante Themen und Beiträge für Sie zusammengetragen und aufbereitet.

Mehr IT-, Online-, Digital-Neuigkeiten anzeigen >>
Nach oben