GitHub Copilot: Gute Praktiken

Copilot ist schnell. Ihre Feedback-Schleife muss schneller sein.

GitHub Copilot kann schnell viel Code schreiben. Das ist nicht der schwierige Teil.

Der schwierige Teil ist, Ihre Standards intakt zu halten, während das Output-Volumen steigt: Tests, Sicherheit, Klarheit und kleine Änderungen, die Sie wirklich reviewen können.

Diese Seite sammelt einfache Praktiken, die Copilot nützlich machen, statt gefährlich.

Hinweis: Copilot-Funktionen, Modelle und Agent-Workflows ändern sich schnell. Sehen Sie diese Praktiken als aktuelle Orientierung, nicht als dauerhaften Vertrag.

Praktiken, die wirklich funktionieren

1) Geben Sie Copilot einen Vertrag, kein Bauchgefühl

Copilot liefert am besten, wenn Sie definieren, was „fertig“ bedeutet.

Nutzen Sie einen kurzen Prompt-Vertrag:

Ziel:
-

Randbedingungen:
- Änderungen klein und fokussiert halten
- Keine neuen Abhängigkeiten, außer wenn nötig
- Keine öffentlichen APIs ändern

Abnahmekriterien:
- Tests ergänzen oder aktualisieren
- Erklären, wie man die Tests ausführt
- Randfälle und Fehlermodi nennen

Kontext:
- Relevante Dateien:
- Aktuelles Verhalten:
- Erwartetes Verhalten:

Wenn Sie die Abnahmekriterien nicht beschreiben können, kann Copilot sie nicht für Sie erraten.

2) Geben Sie Realität: Code, Fehler und Grenzen

Copilot rät, wenn Sie ein vages Problem beschreiben. Geben Sie ihm konkrete Inputs:

• Die fehlschlagenden Tests, den Fehler-Stacktrace oder einen Log-Ausschnitt
• Die konkrete Datei und Funktion, die geändert werden soll
• Die Grenzen, die wirklich zählen (Performance, Kompatibilität, Thread-Safety, Abwärtskompatibilität)

Bitten Sie dann um die kleinste sichere Änderung.

3) Arbeiten Sie absichtlich in kleinen Diffs

Große, KI-generierte Änderungen verstecken Probleme. Halten Sie Diffs reviewbar.

• Bitten Sie um genau eine Änderung auf einmal
• Verlangen Sie einen kurzen Schritt-für-Schritt-Plan vor Edits
• Wenn möglich: eine Datei pro Änderung
• Lassen Sie nach dem ersten funktionierenden Inkrement stoppen

Kleine Diffs sind ein Multiplikator, weil Sie sie schnell reviewen und testen können.

4) Nutzen Sie Tests als Lenkrad

Copilot erfindet bereitwillig Code, der kompiliert und trotzdem in Produktion scheitert.

Drängen Sie ihn in einen Test-first-Workflow:

• Bitten Sie um einen fehlschlagenden Test, der den Bug beschreibt
• Führen Sie den Test aus und stellen Sie sicher, dass er aus dem richtigen Grund fehlschlägt
• Erst dann akzeptieren Sie den Fix

Wenn der Code schwer zu testen ist, ist das ein Signal. Nutzen Sie Copilot, um eine Test-Seam herauszuarbeiten, nicht um mehr Komplexität zu stapeln.

5) Lassen Sie Copilot Review-Arbeit machen, nicht nur Code schreiben

Gute Prompts fürs Review:

• „Erklären Sie in einem Absatz, was dieser Diff ändert.“
• „Nennen Sie die drei größten Risiken und wie man sie mitigiert.“
• „Welche Randfälle brechen das?“
• „Welche Tests hätten hier eine Regression verhindert?“

Sie tragen weiterhin das Urteil. Copilot reduziert nur die Kosten, die richtigen Fragen zu stellen.

6) Standardmäßig sicher handeln

Copilot kann nicht wissen, was in Ihrer Umgebung geheim ist.

• Nie Tokens, private Keys oder Kundendaten einfügen
• In Konfigurationen Platzhalter bevorzugen
• Nach Mustern fragen, die Secrets aus Umgebungsvariablen oder Secret-Stores laden
• Abhängigkeiten prüfen, bevor Sie sie hinzufügen

Wenn Sie es nicht in ein öffentliches Issue kopieren würden, kopieren Sie es nicht in einen Prompt.

Copilot in VS Code: Wissen, was Sie installiert haben

Wenn Sie Copilot in Visual Studio Code nutzen, verwenden Sie meist zwei separate Erweiterungen:

• GitHub Copilot: Inline-Vorschläge während des Tippens (Ghost Text) und Next Edit Suggestions (NES)
• GitHub Copilot Chat: Chat, Edits über mehrere Dateien und Agent/Plan-Workflows

Die praktische Konsequenz: Inline-Vorschläge und Chat hängen zusammen, sind aber nicht dieselben Features und teilen nicht immer dieselbe Konfiguration.

VS Code und Copilot Chat aktuell halten

Copilot Chat veröffentlicht im Gleichschritt mit VS Code. Neuere Copilot-Chat-Versionen sind oft nur mit der neuesten VS-Code-Version kompatibel.

Wenn Chat plötzlich verschwindet oder nicht mehr funktioniert, ist ein Upgrade von VS Code und den Erweiterungen oft die Lösung.

Referenzen:

• GitHub Copilot Chat Extension: https://marketplace.visualstudio.com/items?itemName=GitHub.copilot-chat
• GitHub Copilot Troubleshooting: https://docs.github.com/en/copilot/troubleshooting-github-copilot/troubleshooting-issues-with-github-copilot-chat

Die richtige Oberfläche für die Aufgabe wählen

VS Code bietet mehrere Copilot-„Oberflächen“, die zu unterschiedlichen Arbeitsarten passen:

• Inline suggestions für schnelles Schreiben von neuem Code (Ghost Text und NES)
• Ask mode fürs Verstehen, Erkunden und Reviewen ohne Edits
• Inline chat für ein fokussiertes Refactoring oder eine kleine Umschreibung direkt im Code
• Edit mode für kontrollierte Multi-File-Edits in einem definierten Working Set
• Agent mode für mehrstufige Aufgaben, bei denen der Assistent plant, Tools ausführt und iteriert
• Plan mode um zuerst einen Plan zu erstellen und danach in die Umsetzung zu gehen

Referenzen:

• VS Code AI Core Concepts: https://code.visualstudio.com/docs/copilot/core-concepts
• GitHub Copilot Features: https://docs.github.com/en/copilot/about-github-copilot/github-copilot-features

Verhalten mit Custom Instructions konsistent machen

Wenn Sie wollen, dass Copilot Chat und Agents Projektregeln zuverlässig einhalten, legen Sie sie in Instruction Files ab, statt sie in jeden Prompt zu wiederholen.

• .github/copilot-instructions.md gilt automatisch für alle Chat-Anfragen im Workspace
• AGENTS.md ist eine weitere Always-on-Option, die explizit für die Arbeit mit mehreren Agents gedacht ist
• *.instructions.md erlaubt Regeln für Teilbereiche des Repos über Globs

Hinweis: Custom Instructions gelten nicht für Inline-Vorschläge während des Tippens. Behandeln Sie sie als Stellschraube für Chat und Agents.

Referenz:

• VS Code Custom Instructions: https://code.visualstudio.com/docs/copilot/customization/custom-instructions

Edits prüfen wie bei einem PR eines Junior-Entwicklers

Wenn Chat oder Agents Edits anwenden, verfolgt VS Code die ausstehenden Änderungen und bietet Keep/Undo pro Änderung, plus eine „Reject all“-Notbremse.

Zwei hilfreiche Gewohnheiten:

• Änderungen erst stagen, nachdem Sie sie reviewed haben (Staging akzeptiert ausstehende Edits implizit)
• Für sensible Dateien explizite Freigabe verlangen (zum Beispiel .env und Workspace-Settings)

Referenz:

• Review AI-generated code edits: https://code.visualstudio.com/docs/copilot/chat/review-code-edits

Telemetrie-Regler kennen

Die Copilot-Erweiterungen sammeln Nutzungsdaten und respektieren die VS-Code-Einstellung telemetry.telemetryLevel.

Wenn Sie Copilot Free nutzen, nennt die VS-Code-Dokumentation, dass Telemetrie standardmäßig aktiviert ist und über die VS-Code-Telemetrie-Einstellung deaktiviert werden kann (und Sie können Copilot-Einstellungen auch auf GitHub anpassen).

Referenzen:

• Telemetrie-Hinweis in der Copilot-Chat-Extension: https://marketplace.visualstudio.com/items?itemName=GitHub.copilot-chat
• GitHub Copilot in VS Code einrichten: https://code.visualstudio.com/docs/copilot/setup

Mehrere Agents, ein Repo: So vermeiden Sie ein selbstgemachtes Merge-Desaster

Copilot ist nicht mehr nur ein einzelner Assistent. In VS Code können Sie mehrere unabhängige Chat-Sessions (und mehrere Agent-Sessions) parallel betreiben, und jede Session hat ihr eigenes Kontextfenster.

Das ist großartig für Durchsatz und fatal, wenn Sessions sich gegenseitig überschreiben.

Referenz:

• Chat-Sessions verwalten: https://code.visualstudio.com/docs/copilot/chat/chat-sessions

1) Nach Outcome schneiden, nicht nach „Codebereich“

Geben Sie jedem Agenten eine Aufgabe mit:

• einem konkreten Ziel
• klaren Randbedingungen
• einem definierten Akzeptanz-Check (Tests, Build, Lint)

Wenn zwei Aufgaben dieselben Dateien anfassen, haben Sie keine Parallelität. Sie haben Konflikt.

2) Kontext und Arbeitskopien trennen

Halten Sie jeden Agenten in einer eigenen Chat-Session. Starten Sie eine neue Session, wenn das Thema wechselt.

Wenn Sie mehrere VS-Code-Instanzen (oder mehrere Agents) gegen dasselbe Repository laufen lassen, nutzen Sie isolierte Branches und idealerweise getrennte Working Directories (zum Beispiel via git worktree), damit Änderungen sich nicht still überschreiben.

3) Instruction Files als „gemeinsames Gehirn“

Packen Sie nicht verhandelbare Repo-Regeln in:

• .github/copilot-instructions.md für gemeinsame Projektregeln
• AGENTS.md, wenn Sie explizit ein Always-on-Regelset für mehrere Agents wollen

So bleiben parallele Sessions ausgerichtet, auch wenn ihre lokalen Chat-Historien auseinanderlaufen.

4) Ein menschliches Review-Gate erzwingen

Mehrere Agents können Änderungen entwerfen. Nur Ihr normaler Review-Prozess sollte sie zusammenführen.

Mindestens:

• Diffs reviewen
• Tests ausführen
• Prüfen, dass Secrets und Konfig-Dateien nicht unbeabsichtigt verändert wurden

Wenn das Assistant-Output Sie überrascht, zeigt die Chat-Debug-Ansicht, welcher Kontext und welche Instructions tatsächlich gesendet wurden.

Referenz:

• Chat Debug View: https://code.visualstudio.com/docs/copilot/chat/chat-debug-view

Artikel: KI-Kollaboration mit Standards

Diese Artikel betrachten KI-gestützte Software-Entwicklung als Kollaborationsproblem: Feedback-Schleifen, Disziplin und die Gewohnheiten, die Qualität hoch halten.

Copilot als Denkpartner

• Wenn KI zum Denkpartner wird
  Eine reale Migrationsgeschichte, in der Gesprächsqualität wichtiger war als Code-Generierungs-Geschwindigkeit.
• Der graue Bart und die Maschine
  Was sich ändert, wenn Copilot kommt, und warum Urteilskraft weiterhin zählt.

Qualität, Kollaboration und Tests

• Jenseits des Solo-Entwickler-Mythos
  KI kann ein Team verstärken oder Entwickler isolieren. Das Ergebnis hängt davon ab, wie Sie arbeiten.
• Der Motor für vorhersagbare Software-Auslieferung
  Warum test-first Arbeit und schnelle Feedback-Schleifen Heldentum schlagen, auch wenn KI den ersten Entwurf schreibt.

Legacy-Arbeit ohne Angst

• KI als Archäologe für Legacy-Code
  Nutzen Sie KI, um ein mentales Modell eines Legacy-Systems aufzubauen, bevor Sie Verhalten ändern.
• Legacy-VBA mit KI und dem Schweizer-Käse-Modell
  KI hilft, aber Sicherheit entsteht durch mehrere Schichten: Tests, Review und kleine kontrollierte Änderungen.

Verwandte Themen

• KI-gestützte Software-Entwicklung
  Wie disziplinierte Teams KI-Werkzeuge täglich nutzen, ohne Qualität zu verlieren.

• Warum hat mein Entwicklungsteam Schwierigkeiten mit der Auslieferung?
  KI erhöht Output. Auslieferung braucht trotzdem Feedback-Schleifen, Integrationsgewohnheiten und Vertrauen.