KI-Agent-Tickets verwalten: Kriterien und Review

Wenn die Person, die bei einem KI-Agenten eine Pull Request angefordert hat, sie auch selbst genehmigt, zählt diese Genehmigung nicht: GitHubs eigene Regeln sagen das, und Atipol wendet dieselbe Trennung in seinem Ticket-Ablauf an. Jedes Ticket braucht außerdem schriftliche Abnahmekriterien, die vor dem Start des Agenten festgelegt werden, sowie eine protokollierte, durchsuchbare Entscheidungshistorie, damit eine Lieferung gegen ein im Voraus festgelegtes Ziel geprüft wird, nicht im Nachhinein bewertet.
Agenten liefern schnell, aber niemand kann sagen, was genehmigt wurde
Ein CTO, der KI-Agenten Arbeit zuweist, bekommt meist schnell ein Ergebnis. Die schwierigere Frage kommt danach: Was genau wurde der Agent gebeten zu tun, wer hat die Lieferung gegen diese Anfrage geprüft, und wer hat zugestimmt, bevor sie zusammengeführt oder ausgeliefert wurde. Ohne ein Ticket, das ein Ziel, einen Prüfer und eine Entscheidung festhält, hinterlässt Geschwindigkeit eine Spur, der niemand sechs Wochen später folgen kann, wenn etwas kaputtgeht.
Das ist eine Prozesslücke, kein Problem der Modellqualität. Ein schneller Agent, der von einem ungeschriebenen Auftrag ausgeht und von genau der Person durchgewinkt wird, die ihn angefordert hat, liefert genauso schnell ein Ergebnis wie einer, der von einem klaren Ticket ausgeht. Der Unterschied zeigt sich erst bei einer Vorfallsanalyse, einem Audit, oder einer Meinungsverschiedenheit darüber, was tatsächlich versprochen wurde.
Diese Kosten tauchen tendenziell im denkbar schlechtesten Moment auf: während einer Vorfall-Nachbetrachtung, einer Sicherheitsprüfung, oder eines Kundenaudits, wenn jemand nach der Aufzeichnung fragt, was der Agent gebeten wurde zu tun und wer es genehmigt hat, und die ehrliche Antwort lautet, dass keine solche Aufzeichnung existiert. Das NIST AI Risk Management Framework (AI RMF 1.0, veröffentlicht am 26. Januar 2023) fasst dies als Lebenszyklus-Anliegen auf, nicht als einmalige Aufgabe: Das Framework ist für die freiwillige Nutzung gedacht, um Organisationen zu helfen, Vertrauenswürdigkeitserwägungen in Design, Entwicklung, Nutzung und Bewertung von KI-Systemen einzubeziehen, nicht nur in das Ergebnis eines einzelnen Agentenlaufs.
Abnahmekriterien vor dem Start des Agenten festlegen, nicht danach
Ein Abnahmekriterium legt schriftlich fest, was eine Lieferung erfüllen muss, bevor der Agent gestartet wird. Die Messlatte erst im Nachhinein zu setzen, wenn die eigene Zusammenfassung des Agenten über seine Arbeit bereits auf dem Tisch liegt, lädt dazu ein, die Arbeit gegen das zu bewerten, was geliefert wurde, statt gegen das, was angefordert wurde. Die Regel ist hier klar: Jedes Ticket braucht Abnahmekriterien, die vor dem Start des Agenten schriftlich festgelegt werden, und ein Kriterium, das der Agent nicht erfüllen kann, soll als Blocker vor der Prüfung auftauchen, nicht während ihr.
Ein zweites Element begleitet die Kriterien: der Dateiumfang. Vorab festzulegen, welche Dateien oder Bereiche ein Ticket berühren darf, bevor der Agent startet, bedeutet, dass zwei laufende Tickets nicht denselben Umfang beanspruchen können, sodass eine Überschneidung zwischen zwei Agenten bei der Übergabe erkannt wird statt mitten in einem Merge-Konflikt entdeckt zu werden.
In der Praxis bedeutet das, dass die Kriterien ein Ergebnis beschreiben, keine Umsetzung: auf welche Datei oder welches Modul sich die Änderung bezieht, was der Diff berühren darf und was nicht, und welche konkrete Prüfung bestehen muss. Ein Kriterium, das der Agent nicht erfüllen kann, soll als Blocker auftauchen und zum Anfordernden zurückgehen, bevor überhaupt ein Prüfer die Pull Request öffnet, statt erst während der Prüfung entdeckt zu werden, wenn die Arbeit schon erledigt ist.
Der Lebenszyklus eines an einen KI-Agenten vergebenen Tickets
GitHubs eigene Dokumentation für seinen Copilot-Coding-Agenten beschreibt eine konkrete Version dieses Lebenszyklus. Sobald ein Issue dem Agenten zugewiesen wird, bestätigt dieser die Zuweisung mit einer Reaktion, eröffnet einen eigenen Branch und eine mit dem Issue verknüpfte Entwurfs-Pull-Request und startet eine Agentensitzung. Während der Arbeit pusht er Commits und aktualisiert den Text der Pull Request mit Statusmeldungen. Wenn er fertig ist, postet er ein Ereignis zur abgeschlossenen Arbeit und fordert eine Prüfung an, was das Signal ist, dass das Ticket von in Bearbeitung zu wartend auf eine menschliche Entscheidung gewechselt hat.
Dieselbe Dokumentation fügt ein Detail zur Fehlerbehebung hinzu, das operativ wichtig ist: Sitzungen laufen nach einer Stunde ab, und ein festgefahrener Agent wird wiederhergestellt, indem das Issue de-zugewiesen und neu zugewiesen oder der auslösende Kommentar erneut gepostet wird, nicht durch endloses Warten.
GitHubs Dokumentation beschreibt mehrere Wege, ein Ticket vor den Agenten zu bringen: ein Issue über den Reiter Issues zuzuweisen, genau wie man es einem Teammitglied zuweisen würde, über GitHub Projects oder GitHub Mobile, über die GraphQL-API, indem geprüft wird, dass der Coding-Agent als vorgeschlagener Akteur erscheint und anschließend eine Mutation zur Zuweisung aufgerufen wird, oder über die Kommandozeile mit der GitHub CLI. Welcher Weg auch genutzt wird, der Agent erhält nur den Titel des Issues, seine Beschreibung, und die Kommentare, die zum Zeitpunkt der Zuweisung bereits existierten; später hinzugefügte Kommentare sieht der Agent nicht, sodass spätere Anweisungen auf der Pull Request selbst stehen müssen, nicht zurück auf dem ursprünglichen Issue.
Die Phasen im Überblick
Die folgenden Phasen verallgemeinern über Werkzeuge hinweg, die Tickets an KI-Agenten vergeben; die Namen der Signale unterscheiden sich je nach Plattform, die Reihenfolge nicht.
Das Signal in jeder Phase zu benennen, zählt mehr, als es scheint: Ein Team, das nur weiß, dass ein Agent zugewiesen ist, ohne sichtbares Signal für Bestätigung, laufende Arbeit oder Abschluss, fragt am Ende den Agenten ab, statt informiert zu werden, wenn ein Ticket Aufmerksamkeit braucht.
| Phase | Zu beobachtendes Signal | Wer als Nächstes handelt |
|---|---|---|
| Zuweisung | Agent bestätigt das Ticket | Agent beginnt die Arbeit innerhalb seines reservierten Umfangs |
| In Bearbeitung | Statusupdates und Commits landen auf dem Branch des Tickets | Team kann kommentieren, um vor Abschluss umzusteuern |
| Arbeit abgeschlossen | Agent postet ein Abschlussereignis | Ein anderer Prüfer als der Anfordernde wird gebeten, es anzusehen |
| Prüfung | Prüfer vergleicht den Diff mit den Abnahmekriterien | Prüfer genehmigt oder schickt es mit einem Blocker zurück |
| Integration | Prüfungen werden zum Zeitpunkt der Zusammenführung erneut ausgeführt | Entscheidung und Ticket werden in der Historie festgehalten |
Die Person, die die Arbeit angefordert hat, sollte nicht diejenige sein, die sie genehmigt
GitHubs Dokumentation zur Prüfung einer von Copilot erstellten Pull Request besagt, dass, wenn ein Repository Pull-Request-Genehmigungen verlangt, die Genehmigung der Person, die das Issue dem Agenten zugewiesen hat, nicht zu dieser erforderlichen Anzahl zählt; ein anderer Prüfer muss sie vor der Zusammenführung genehmigen. Das zugehörige Schulungsmaterial ist direkter beim Warum: Der Entwickler, der Copilot gebeten hat, die Pull Request zu erstellen, kann sie nicht genehmigen, was die erforderliche Prüfregel des Repositorys bewahrt und eine unabhängige Kontrolle im Ablauf hält.
Atipol wendet dieselbe Trennung in seinem eigenen Ticket-Ablauf an: Der agent lead des Projekts prüft jede Lieferung vor der Integration, und von dieser Prüfung wird erwartet, dass sie den tatsächlichen Diff abdeckt, nicht nur die Zusammenfassung, die der Agent über seine eigene Arbeit gibt. Die Integration führt dann die Prüfungen des Projekts erneut aus, statt sich allein auf die vorausgegangene Prüfung zu verlassen, sodass eine Prüfung, die ein Problem erkannt hätte, nicht übersprungen wird, nur weil ein Mensch bereits die Zusammenfassung angesehen hat.
Das ist keine Copilot-spezifische Ausnahme. GitHubs allgemeine Dokumentation zu erforderlichen Prüfungen besagt klar, dass Pull-Request-Autoren ihre eigene Pull Request nicht genehmigen können, und dass, wenn ein Regelsatz oder eine Branch-Protection-Regel Prüfungen verlangt, eine Genehmigung von jemand anderem als dem Autor kommen muss, bevor die Änderung zusammengeführt werden kann. Dieselbe Seite fügt zwei Copilot-spezifische Details hinzu: Genehmigungen von Copilot selbst erscheinen in diesem Prüferbereich, zählen aber nicht zur erforderlichen Anzahl, und die Person, die das zugehörige Issue Copilot zugewiesen hat, kann die von ihm aufgeworfene Pull Request nicht genehmigen, was die Lücke schließt, indirekt über den Agenten zu genehmigen.
Die Rollentrennung von der Zuweisung bis zur Integration, als Diagramm:
Ticketentscheidungen in eine später durchsuchbare Historie verwandeln
Die Genehmigung eines Prüfers ist nur so lange nützlich, wie sich jemand daran erinnert, dass sie stattgefunden hat. Atipol bewahrt die Historie jedes Tickets und der Prüfungsentscheidungen, die es validiert haben, und erzeugt so eine Aufzeichnung, wer was angefordert und wer was genehmigt hat, bevor eine Aktion integriert wurde. Jeder Aufruf, den ein Agent tätigt, wird mit einem Agenten, einem Ticket und einem Ergebnis verknüpft, zusammen mit jeder erteilten oder verweigerten Genehmigung, was eine Wochen später gestellte Frage zu etwas macht, das ein Prüfer suchen kann, statt zu etwas, an das sich ein Prüfer erinnern muss.
Ein erst nach einem Vorfall eingerichtetes Protokoll hilft nicht dabei festzustellen, was währenddessen tatsächlich gelesen oder geschrieben wurde; die Aufzeichnung muss existieren, bevor der Agent verbunden wird, nicht nachdem etwas schiefgegangen ist.
Die Begründung dafür, dieses Protokoll vor der Verbindung eines Agenten aufzubauen, statt es erst hinzuzufügen, nachdem ein Problem auftaucht, ist dieselbe wie die dafür, Abnahmekriterien vor dem Start zu schreiben: eine im Nachhinein zusammengestellte Aufzeichnung kann beschreiben, was wahrscheinlich passiert ist, aber sie kann keine Zeile ersetzen, die einen konkreten Aufruf mit dem Agenten verknüpft, der ihn getätigt hat, mit dem Ticket, an dem er arbeitete, und mit der Genehmigung, die zu diesem Zeitpunkt erteilt oder verweigert wurde.
Wann der native Ablauf einer Plattform weiterhin die richtige Wahl ist
Teams, deren KI-Agenten-Arbeit vollständig innerhalb eines einzigen GitHub-Repositorys stattfindet, mit einem einzigen Coding-Agenten und einer bereits vorhandenen Branch-Protection-Regel, bekommen Zuweisung, Entwurfs-Pull-Request, Abschlussereignis und unabhängige Genehmigungsregel direkt von GitHub, wie oben beschrieben, ohne ein weiteres System hinzuzufügen. Dieser native Ablauf reicht aus, wenn die Abnahmekriterien in der Issue-Beschreibung stehen und die Prüfregeln einer einzigen Plattform die einzigen sind, die zählen.
Die Lücke zeigt sich, sobald ein Team mehr als einen Agenten oder mehr als ein Werkzeug gegen ein gemeinsames Backlog laufen lässt: Der Dateiumfang muss werkzeugübergreifend reserviert werden, die Abnahmekriterien müssen für jeden Agenten sichtbar sein, der das Ticket als Nächstes übernimmt, und die Entscheidungshistorie muss Agenten abdecken, die den Pull-Request-Ablauf von GitHub überhaupt nie berühren. Diese Koordination über Werkzeuge und Agenten hinweg ist das, was ein für KI-Agenten gebautes Ticketsystem wie das von Atipol abdecken soll; siehe, wie mehrere Agenten Tickets und Dateiumfang teilen, ohne zu kollidieren, auf atipol.ai/agentic-ai-blog/parallel-claude-code-agents.
Dieselbe GitHub-Dokumentation listet selbst die Grenzen dieses nativen Ablaufs auf: Der Agent ist auf persönlichen Enterprise-Managed-User-Repositorys nicht verfügbar, sodass diese zu einem organisationseigenen Repository mit von GitHub gehosteten Runnern wechseln müssen; eine scheinbar festgefahrene Sitzung lässt sich meist wiederherstellen, indem das Issue de-zugewiesen und neu zugewiesen wird, statt zu warten, da Sitzungen nach einer Stunde ablaufen; und Pull Requests des Agenten bleiben im Entwurfsstatus und lösen GitHub Actions nicht automatisch aus, sodass ein Mensch den Workflow weiterhin manuell genehmigen und starten muss. Nichts davon ändert sich, sobald ein zweiter Agent oder ein zweites Werkzeug demselben Backlog beitritt; es bedeutet lediglich, dass der native Ablauf nie dafür gedacht war, mehr als einen zu koordinieren.
Die Praxis in einem Team verankern
Nichts davon erfordert neue Werkzeuge, um zu beginnen: Ein Ticket mit schriftlichen Abnahmekriterien, ein Prüfer, der die Arbeit nicht angefordert hat, und eine Aufzeichnung der Entscheidung decken den größten Teil der oben beschriebenen Lücke ab. Das Governance-Rahmenwerk hinter dieser Praxis, einschließlich einer Beispiel-Nutzungsrichtlinie und wo die menschliche Prüfung vor einer Zusammenführung sitzen muss, ist unter atipol.ai/agentic-ai-blog/ai-agent-governance beschrieben.
Eine minimale Version dieser Praxis passt auf ein einziges Ticket: ein schriftliches Abnahmekriterium, ein benannter Prüfer, der nicht der Anfordernde war, und eine Zeile in einem Protokoll, die die Entscheidung festhält. Alles andere, was oben beschrieben wurde, Branch-Protection-Regeln, API-gesteuerte Zuweisung, ein dedizierter Audit-Trail, ist eine Art, diese minimale Version in größerem Maßstab durchzusetzen, sobald mehr als ein Agent und mehr als ein Prüfer beteiligt sind.
Um zu sehen, wie dieser Ticket-, Prüfungs- und Historienablauf durchgängig auf ein Team von Agenten angewendet wird, führt die geführte Tour unter atipol.ai/tour durch die Zuweisung eines Tickets an einen agent lead, das Festlegen von Abnahmekriterien und die Prüfung einer Lieferung vor der Integration.
Schriftliche Abnahmekriterien, die vor dem Start des Agenten festgelegt werden, ein Prüfer, der die Arbeit nicht angefordert hat, und eine protokollierte Entscheidung, die existiert, bevor der Agent verbunden wird.
Häufige Fragen
Wer sollte die Abnahmekriterien für ein KI-Agent-Ticket schreiben?
Wer die Arbeit anfordert, schreibt die Kriterien, bevor der Agent gestartet wird, denn das Ziel ist ein Maßstab, an dem der Agent geprüft werden kann, keine erst nach der Lieferung bewertete Zusammenfassung.
Kann der Agent, der ein Ticket abgeschlossen hat, seine eigene Pull Request genehmigen?
Nein. Laut GitHubs Dokumentation zum Copilot-Coding-Agenten und zu erforderlichen Prüfungen allgemein zählt eine Genehmigung der Person, die das Issue zugewiesen hat, nicht zu den erforderlichen Prüfungen eines Repositorys, und ein anderer Prüfer muss die Änderung vor der Zusammenführung genehmigen.
Was sollte ein Audit-Protokoll für KI-Agent-Tickets festhalten?
Jeder Eintrag sollte einen Agenten, ein Ticket und ein Ergebnis verknüpfen, zusammen mit jeder erteilten oder verweigerten Genehmigung, und er muss existieren, bevor der Agent verbunden wird, damit er Fragen beantworten kann, die im Nachhinein aufkommen.
Quellen
- Microsoft Learn, Assigning, tracking, and troubleshooting Copilot in the cloud, aktualisiert am 27.10.2026
- GitHub Docs, Reviewing a pull request created by Copilot, abgerufen am 11.11.2026
- GitHub Docs, Approving a pull request with required reviews, abgerufen am 11.11.2026
- NIST, AI Risk Management Framework (AI RMF 1.0), veröffentlicht am 26.01.2023
Die öffentliche Demo zeigt eine fiktive Organisation im laufenden Betrieb, ohne Konto. Der kostenlose Tarif umfasst ein Projekt, drei Agenten und einen Agent Lead.
