# davis-gill-hendrickson-itrevolution-agentic-ai-code-reviews-2026-09-30

## Veille

Ein gemeinschaftlicher Artikel von sieben Autoren (**Zach Davis**, **Michelle Gill**, **Elisabeth Hendrickson**, **Angie Jones**, **Sha Ma**, **Randy Shoup**, **James Wickett**), veröffentlicht im *Enterprise Technology Leadership Journal* von **IT Revolution** (Herbst 2026, Bd. 3, Nr. 2), unter einer CC BY-NC-SA-Lizenz. Etwa **7.500 Wörter**, mit dem Titel *« Toward a Pattern Language for Code Reviews in the Age of Agentic AI »*. **(A)** Rahmung: Code Review wird definiert als eine Prüfung durch eine nicht-autorschaftliche Instanz, die zu einer Handlung führt; empirische Studien (Microsoft 2013, Mäntylä 2009, Beller 2014) zeigen, dass ihr Wert hauptsächlich in der Wartbarkeit und im Wissensaustausch liegt, weniger in der Erkennung funktionaler Fehler. **(B)** Drei Bedingungen, um den Menschen aus dem kritischen Pfad zu nehmen: maximale deterministische Validierung, **risikogestaffelte** Review, eine **dauerhafte Spur** jeder Agenten-Entscheidung; *« no human in the loop »* ist eine Konfigurationsentscheidung, kein Standardzustand. **(C)** Neun komponierbare Muster, präsentiert als Werkzeugkasten statt als Reifegradleiter: small changes, Shift Left, design for verification, deterministische Engineering-Praktiken, context engineering, kontinuierliche Qualitätsschleife, adversarial LLM review, Multi-Agent-Reviews, spezifikationsgetriebene Entwicklung. **(D)** Drei Fallstudien: **Block**, **Cloudflare** (131.246 Reviews über 48.095 PRs in einem Monat, 1,2 Befunde pro Review), **DryRun Security**. Erweitert die bisherigen Notizen des Korpus zu context engineering und agentengestütztem Code Review.

## Titre Article

Agentic AI and Code Reviews: Toward a Pattern Language for Code Reviews in the Age of Agentic AI

## Date

2026-09-30

## URL

https://reader.itrevolution.com/download/agentic-ai-and-code-reviews?via=itrevolution

## Keywords

agentic code review, code review, pattern language, pattern, adversarial review, multi-agent review, continuous quality loop, shift left, deterministic verification, risk-graded review, context engineering, AGENTS.md, specification-driven development, small changes, stacked PRs, audit trail, human in the loop, Zero Trust, structural independence, Block, Cloudflare, OpenCode, DryRun Security, IT Revolution, dark software factory

## Authors

Zach Davis (LaunchDarkly), Michelle Gill (Engineered by AI), Elisabeth Hendrickson (Curious Duck), Angie Jones (Agentic AI Foundation), Sha Ma (Topogy), Randy Shoup (CircleCI), James Wickett (DryRun Security) ; article collectif, IT Revolution.

## Ton

**Profil**: ein praxisorientiertes Forschungspapier für technische Führungskräfte, veröffentlicht in einem redaktionellen Journal des DevOps-Ökosystems. Die Autoren kommen aus Tool-Anbietern (LaunchDarkly, CircleCI, DryRun Security, Topogy) und der Beratung; das Journal merkt an, dass KI-Tools beim Schreiben geholfen haben könnten.

**Stil**: gegliedert in Muster mit konstanter Vorlage (Problem, Anwendbarkeit, Mechanismus, menschliche Rolle, Verweise auf andere Muster), unter Bezug auf Christopher Alexander. Allgemeine, normative Sätze, wenige Zahlen außerhalb des Cloudflare-Falls.

**Epistemische Position**: ein vorgeschlagener Rahmen, nicht durch Messung evaluiert. Die Fallstudien sind von oder mit den beteiligten Unternehmen verfasst; nur Cloudflare liefert Volumenangaben. Der Artikel selbst benennt die Grenzen der KI (architektonisches Urteilsvermögen, systemübergreifende Auswirkungen, subtile Nebenläufigkeitsprobleme, sehr große Änderungen). Zwei Autoren leiten Anbieter von Review- oder Verifikationsprodukten, wie auf der Autorenseite offengelegt.

## Pense-betes

- **Definition von Code Review**: Prüfung von Code durch eine nicht-autorschaftliche Instanz, die zu einem Urteil mit anschließender Handlung führt (Merge, Ablehnung, Feedback). Grenzt Review von bloßem Lesen ab; die Instanz kann ein Agent sein.
- **Empirischer Wert**: Review wird wahrscheinlich als Fehlerdetektor überschätzt und als **Risikotriage** unterschätzt; die meisten Befunde betreffen die Weiterentwickelbarkeit (Wartbarkeit, Stil, Wissensaustausch).
- **Drei Bedingungen**, um den Menschen aus dem kritischen Pfad zu nehmen: (1) zuerst deterministisch (Tests, statische Analyse, Policy as Code), der Agent übernimmt nur den subjektiven Rest; (2) **gestaffelte** Review von „kein Mensch“ bis zur expliziten Freigabe; (3) **einsehbarer Nachweis**, was bewertet wurde, nach welchen Richtlinien, mit welcher Konfidenz, von wem.
- **Platzierung im Zyklus**: während der Erstellung (schnelles Feedback), vor dem Merge (Richtlinie, Architektur, Regressionen), nach dem Merge (System-Drift), vor der Produktion (Release-Governance).
- ⭐ **Kontinuierliche Qualitätsschleife**: ein Autor-Agent und ein Reviewer-Agent in einem sechsstufigen Zyklus (Produktion, Prüfung, strukturiertes Feedback, Korrektur, erneute Bewertung, Stopp bei Kriterium: sauberer Durchlauf, maximale Anzahl Iterationen oder akzeptables Restrisiko). Der Reviewer dupliziert nicht, was Linter ohnehin tun; er muss **verifizieren, dass die Korrektur funktioniert hat**, und nicht nach neuen Problemen suchen, sobald die alten gelöst sind.
- **Adversarial LLM Review**: strukturelle Unabhängigkeit zwischen Generierung und Bewertung. Drei Formen: modellübergreifend, sitzungsübergreifend (gleiches Modell, isolierter Kontext, kritischer Prompt), strukturiertes adversariales Prompting. Analogien zu GANs und Zero Trust (explizite Verifikation, geringstes Privileg). Reserviert für sensible Pfade: Kosten und Rauschen.
- **Multi-Agent-Reviews**: Spezialisten (Sicherheit, Performance, Compliance, Standards, Korrektheit, Ausnutzbarkeit), ein Triage-Agent, ein **Koordinator** (Deduplizierung, Schweregrad, blockierend/beratend als Richtlinie), Kontext-Routing. Die Kosten wachsen mit der Anzahl der Spezialisten; die Qualität des Koordinators bestimmt das Vertrauensniveau.
- **Context Engineering**: Der Agent benötigt die Architektur, API-Verträge, Vorfälle, frühere Review-Kommentare, akzeptierte Kompromisse. Ohne sie: verrauschte, oberflächliche Befunde. Die menschliche Rolle wird zu der eines **Kurators**.
- **Spezifikation zuerst**: Verlagerung des Kontrollpunkts von der Implementierung auf den Plan; der Mensch prüft die Absicht, der adversariale Agent verifiziert die Treue zur Spezifikation.
- **Cloudflare**: CI-basierte Orchestrierung rund um OpenCode, spezialisierte Reviewer und ein Koordinator, gestaffelte Review, Filterung von Lockfiles und generierten Artefakten, eine zur Freigabe tendierende Richtlinie, eine menschliche „Glasbruch“-Option, Befunde werden zwischen Commits weitergetragen. **131.246 Reviews, 48.095 PRs, 5.169 Repositories, 159.103 Befunde** (März–April 2026).
- **Block**: 3.500 Ingenieure, 90 % nutzen KI Mitte 2025 täglich; Agenten-PRs bleiben mangels Zuständigkeit im Entwurfsstatus; verrauschte interne Reviewer, dann nützlichere kommerzielle Tools; gestapelte PRs, lokale adversarial review vor dem Push.
- **DryRun**: eine Mandanten-Isolationslücke in der Beta (2023), die in eine Code-Richtlinie überführt wurde; Feedback in dreißig Sekunden; Test der Ausnutzbarkeit.
- ⚠️ **Einschränkungen**: Rahmen außerhalb von Cloudflare nicht gemessen; Fallstudien von Anbietern, die ihre eigene Praxis beschreiben.

## RésuméDe400mots

Der Artikel schlägt eine Mustersprache für Code Review im Zeitalter der Agenten vor. Ausgangspunkt ist eine Beobachtung: Agenten beschleunigen das Volumen der Änderungen, erfahrene Ingenieure erhalten dutzende Review-Anfragen pro Tag, und eine erschöpfende menschliche Prüfung ist nicht mehr tragbar. Code Review wird definiert als die Prüfung von Code durch eine Instanz, die nicht dessen Autor ist, mit einem Urteil, auf das eine Handlung folgt. Die zitierten empirischen Studien zeigen, dass ihr Wert ebenso sehr in der Wartbarkeit, der Entdeckung von Alternativen und dem Wissensaustausch liegt wie in der Fehlererkennung; sie sei vor allem ein Mechanismus zur Risikotriage.

Um den Menschen aus dem kritischen Pfad zu nehmen, werden drei Bedingungen gesetzt. Ein möglichst großer Anteil der Validierung muss auf deterministische Prüfungen verlagert werden, sodass Agenten nur den verbleibenden subjektiven Raum bearbeiten. Die Review muss nach Risiko gestaffelt werden, von gar keinem Menschen bis zur expliziten Freigabe. Und jede Agenten-Entscheidung muss eine dauerhafte Spur hinterlassen, was bewertet wurde, nach welchen Richtlinien, mit welcher Konfidenz. Ohne Menschen im Loop zu arbeiten, ist eine durch Risiko und Evidenz begründete Konfigurationsentscheidung.

Neun Muster bilden den Werkzeugkasten: kleine inkrementelle Änderungen, Shift Left, design for verification, deterministische Engineering-Praktiken, context engineering, kontinuierliche Qualitätsschleife, adversarial LLM review, Multi-Agent-Reviews, spezifikationsgetriebene Entwicklung. Die kontinuierliche Schleife lässt einen Autor-Agenten und einen Reviewer-Agenten so lange austauschen, bis ein Konvergenzkriterium erreicht ist. Die adversarial review sorgt für strukturelle Unabhängigkeit, durch ein anderes Modell oder eine isolierte Sitzung. Multi-Agent-Reviews verteilen die Arbeit auf Spezialisten, einen Triage-Agenten und einen Koordinator. Context engineering bestimmt den Rest: ohne sie sind die Befunde verrauscht.

Drei Fälle veranschaulichen dies. Block, konfrontiert mit unrevidierten Agenten-PRs, wechselte von verrauschten internen Reviewern zu kommerziellen Tools, gestapelten PRs, lokaler adversarial review und automatischer Korrektur in CI. Cloudflare baute eine CI-basierte Orchestrierung rund um OpenCode auf: spezialisierte Reviewer, ein Koordinator, gestaffelte Review, Filterung verrauschter Dateien, ein menschlicher Bypass und die Weitergabe von Befunden von einem Commit zum nächsten. In einem Monat decken 131.246 Reviews 48.095 PRs über 5.169 Repositories ab, mit durchschnittlich 1,2 Befunden pro Review. DryRun Security verwandelte eine Mandanten-Isolationslücke in eine bei jeder Änderung geprüfte Richtlinie.

Abschließend stellen die Autoren den Übergang als eine Neuordnung der Verantwortlichkeiten dar: präzise Spezifikationen, unabhängige Verifikation, dauerhafte Audit-Spuren. Die Leitfrage: Wenn etwas schiefginge, wie würde jemand davon erfahren?

## GrapheDeConnaissance

- Zach Davis —travaille_chez→ LaunchDarkly (ORGANISATION, 0.9)
- Randy Shoup —travaille_chez→ CircleCI (ORGANISATION, 0.95)
- James Wickett —dirige→ DryRun Security (ORGANISATION, 0.95)
- IT Revolution —publie→ article Agentic AI and Code Reviews (DOCUMENT, 0.95)
- article Agentic AI and Code Reviews —recommande→ revue graduée par le risque, avec trace durable de chaque décision d'agent (AFFIRMATION, 0.93)
- article Agentic AI and Code Reviews —affirme_que→ « No human in the loop » est un choix de configuration justifié par le risque et la preuve, non une valeur par défaut (AFFIRMATION, 0.92)
- revue adverse LLM —améliore→ l'indépendance entre génération et évaluation, par un modèle ou une session distincts (AFFIRMATION, 0.9)
- revue adverse LLM —s_inspire_de→ Zero Trust (CONCEPT, 0.88)
- boucle de qualité continue —utilise→ revue adverse LLM (METHODOLOGIE, 0.8)
- revues multi-agents —utilise→ agent coordinateur (CONCEPT, 0.92)
- ingénierie de contexte —permet→ des constats de revue moins bruyants et plus pertinents (AFFIRMATION, 0.9)
- développement piloté par la spécification —s_applique_à→ la revue de l'intention avant l'écriture du code (AFFIRMATION, 0.9)
- Cloudflare —a_créé→ système de revue de code en CI (TECHNOLOGIE, 0.93)
- système de revue de code en CI —utilise→ OpenCode (TECHNOLOGIE, 0.95)
- système de revue de code en CI —mesure→ 131 246 revues sur 48 095 PR dans 5 169 dépôts, 159 103 constats, soit 1,2 par revue (mars-avril 2026) (MESURE, 0.95)
- Block —utilise→ revue adverse locale avant push (METHODOLOGIE, 0.88)
- Block —observé_dans→ PR d'agents laissées en brouillon faute de propriété (AFFIRMATION, 0.85)
- DryRun Security —utilise→ test d'exploitabilité (METHODOLOGIE, 0.9)
- article Agentic AI and Code Reviews —référence→ étude Microsoft sur la revue de code moderne (DOCUMENT, 0.9)
- article Agentic AI and Code Reviews —affirme_que→ « Generating code is cheap, but organizational attention is not. » (CITATION, 0.85)

---
Canonical: https://www.thekb.eu/de/fiches/davis-gill-hendrickson-itrevolution-agentic-ai-code-reviews-2026-09-30/