KI-Coding hat das Programmieren beschleunigt, doch der Engpass ist damit nur weitergewandert. Bei der Projektsoftware Linear wuchs die automatische Testsuite seit Januar 2026 auf fast das Vierfache, seit Coding-Agenten den Code im großen Stil liefern. Gebremst wird jetzt nicht mehr das Schreiben, sondern die Freigabe.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Die Continuous Integration, also die automatische Prüfstrecke aus Typprüfung, Linting und Tests vor jedem Merge, wurde so zum Flaschenhals. Ohne mehr Durchsatz zahlen Teams den Unterschied in Wartezeit und Rechenminuten.
Das Wichtigste in Kürze
- KI-Coding hat die Testsuite von Linear seit Januar 2026 fast vervierfacht und die Continuous Integration zum Flaschenhals gemacht.
- Trotz der vervierfachten Testmenge sank die Wartezeit pro Pull Request von über sechs auf gut fünf Minuten.
- Die größten Hebel waren schnellere Runner, der native Compiler tsgo mit 73 Prozent kürzerer Typprüfung und doppelt so viele parallele Test-Shards.
- Für Teams heißt das: Prüfinfrastruktur und Rechenkosten mitdenken, bevor der Output der Agenten die Pipeline überrollt.
Warum wird die CI zum Flaschenhals?
Die Prüfung skaliert nicht mit. Coding-Agenten erzeugen mehr Code und damit mehr Pull Requests, doch Typprüfung, Linting und Testläufe vor jedem Merge brauchen weiter ihre Zeit. Bei Linear stieg die Testsuite seit Januar 2026 auf fast das Vierfache, während die Wartezeit auf grünes Licht davonzulaufen drohte.
„Agenten haben das Ausliefern von Code enorm beschleunigt, die Prüfung dieser Änderungen ist aber nicht im selben Tempo mitgekommen“, schreibt Mufeez Amjad, Ingenieur bei Linear.[1] Der eigentliche Engpass sitzt damit nicht mehr am Rechner des Entwicklers, sondern in der Prüfstrecke dahinter.
Wie hat Linear die Testpipeline beschleunigt?
Der Hebel lag in vielen kleinen Schritten. Linear wechselte von GitHub Actions auf leistungsstärkere Runner anderer Anbieter und beschleunigte die Jobs so um rund ein Drittel. Der native TypeScript-Compiler tsgo verkürzte die Typprüfung um 73 Prozent. Die eigenen Linting-Regeln liefen fortan über reine Syntaxanalyse statt über den vollen Typgraphen.
Den größten Hebel brachte die Parallelisierung. Linear verdoppelte die Zahl der Vitest-Shards von vier auf acht und teilte große Testdateien auf, sodass der langsamste Abschnitt von rund 370 auf etwa 195 Sekunden fiel. Allein das Bündeln vieler kurzer Prüfungen sparte monatlich 87.000 Runner-Minuten.
Der Engpass verschwindet mit KI-Coding nicht, sondern wandert von der Tastatur in die Prüfstrecke. Teams, die Agenten einführen und ihre Testinfrastruktur vergessen, gewinnen Tempo beim Schreiben und verlieren es beim Freigeben.
— Michael Dobler, Herausgeber Dr. Web
Was heißt das für Entwicklungsteams im Mittelstand?
Die CI wird zur Kennzahl. Vor der Einführung von Coding-Agenten lohnt der Blick auf Wartezeit und Rechenminuten der Prüfstrecke, bevor der Output der Agenten sie überrollt. Der Kostenblock wandert mit, denn GitLab hat die Rate Limits für KI-Coding-Agenten bereits verschärft, weil deren Anfragen die Infrastruktur belasten.
Ebenso zählt die Priorisierung der Rechenlast. Praxisberichte zeigen, dass feste Rollen und klare Grenzen für KI-Agenten mehr bringen als zusätzliche Rechenleistung, sobald die Token-Kosten das Budget sprengen. Neuere Coding-Modelle setzen deshalb ausdrücklich auf Kosteneffizienz statt auf reine Benchmark-Werte.
Für den Mittelstand heißt das: erst die Prüfinfrastruktur härten, dann die Agenten hochfahren. Schnellere Runner, geteilte Testläufe und ein nüchterner Blick darauf, was die Automatisierung im Repository wirklich übernimmt, entscheiden darüber, ob KI-Coding die Auslieferung beschleunigt oder nur die Warteschlange verlängert.
Quelle
[1] Linear: „AI coding has made CI a bottleneck, so we reworked ours to keep up“
Mehr Newshunger?
- KI-Coding-Kosten im großen Maßstab steuern: Databricks nennt vier Hebel
- Zhipus KI-Coding-Tool ZCode lädt die komplette Git-Historie heimlich in die Cloud
- MiniMax veröffentlicht seinen Terminal-Coding-Agenten als Open Source
- Muse Code: Metas KI-Coding-Agent tritt gegen Claude Code und Codex an
- DeepSeek-V4-Flash: Chinas Coding-Agent tritt gegen Codex an
