GitHub Next - Die Zukunft der Softwareentwicklung mit KI erforschen

Was ist GitHub Next

GitHub Next ist die interne Forschungs- und Prototypenentwicklungsabteilung von GitHub, deren Auftrag lautet: „Investigating the future of software development" – die Zukunft der Softwareentwicklung zu erforschen. Das Team besteht aus 14 Forschenden und Ingenieuren, die über mehrere Zeitzonen, Sprachen und Fachgebiete hinweg zusammenarbeiten. Diese heterogene Zusammensetzung ermöglicht es, vielfältige Perspektiven in die Forschung einzubringen und innovative Lösungsansätze zu entwickeln.

Die Kernmission von GitHub Next besteht darin, Technologien zu erforschen, die über das unmittelbar Machbare hinausgehen – also jenseits der „adjacent possible" liegen – und diese Forschungsergebnisse in konkrete GitHub-Produkte zu überführen. Dieser Ansatz hat sich bereits mehrfach bewährt: Zahlreiche Projekte des Teams wurden erfolgreich in kommerzielle Produkte integriert. Die bekanntesten Beispiele sind GitHub Copilot, der KI-gestützte Programmierassistent, Copilot for Docs für die automatisierte Dokumentationserstellung, Copilot for Pull Requests sowie Copilot Next Edit Suggestions, das mittlerweile in VS Code und Visual Studio integriert ist.

Die Teammitglieder von GitHub Next sind regelmäßig auf internationalen Technologiekonferenzen präsent. Sie haben Vorträge auf Veranstaltungen wie der .NET Developer Conference, DevConf und Researchr gehalten. Diese Präsenz unterstreicht die akademische und professionelle Anerkennung der Arbeit des Teams innerhalb der Entwickler-Community.

---

Die Kernfunktionen von GitHub Next

Das Portfolio von GitHub Next umfasst mehrere innovative Projekte, die unterschiedliche Aspekte der Softwareentwicklung adressieren. Jedes Projekt repräsentiert einen anderen Ansatz zur Verbesserung und Vereinfachung des Entwicklungsprozesses.

GitHub Spark ist ein KI-gesteuertes Werkzeug zur Erstellung von MikrosoFTWARE-Anwendungen. Die Besonderheit liegt darin, dass Benutzer keine Codezeilen schreiben oder Anwendungen bereitstellen müssen. Stattdessen beschreiben sie ihre Idee in natürlicher Sprache, und das System generiert eine funktionsfähige Anwendung. Die automatische Bereitstellung erfolgt als Progressive Web App (PWA) auf Desktop- und Mobilgeräten. Unterstützte KI-Modelle sind Claude Sonnet 3.5, GPT-4o, o1-preview und o1-mini, sodass Benutzer das für ihre Anforderungen am besten geeignete Modell auswählen können.

Agentic Workflows revolutioniert die Art, wie GitHub Actions verwendet werden. Anstatt YAML-Dateien manuell zu schreiben, beschreiben Entwickler ihr gewünschtes Verhalten in natürlicher Sprache. Das System kompiliert diese Beschreibung dann in ausführbare GitHub Actions YAML. Die Integration erfolgt über eine gh aw GitHub CLI-Erweiterung, die Claude Code und OpenAI Codex als Agenten unterstützt. Typische Anwendungsfälle umfassen die automatische Klassifikation und Markierung von Issues, kontinuierliche Qualitätssicherung, Barrierefreiheits-Reviews und die automatisierte Dokumentationspflege.

Extract, Edit, Apply (EEA) verfolgt einen fundamentally anderen Ansatz bei der codebasierten Spezifikation. Traditionelle Ansätze behandeln Spezifikationen als autoritativ und Code als Implementierung. EEA kehrt dieses Verhältnis um: Der Code ist die primäre Quelle, während Spezifikationen als temporäre, editierbare Elemente behandelt werden. Diese Herangehensweise eignet sich besonders für die Arbeit mit LLM-generiertem Code, bei dem Unsicherheiten über die exakte Implementierung bestehen.

Copilot Next Edit Suggestions analysiert die Bearbeitungshistorie und sagt voraus, welche nachfolgenden Änderungen wahrscheinlich erforderlich sind. Wenn ein Entwickler beispielsweise ein Feld zu einer Datenklasse hinzufügt, schlägt das System automatisch vor, entsprechende Änderungen an verwandten Stellen vorzunehmen. Diese Funktionalität ist bereits in VS Code und Visual Studio integriert und offiziell verfügbar.

Monaspace ist eine innovative Schriftfamilie, die speziell für die Anzeige von Code optimiert wurde. Sie verbessert die Lesbarkeit und Ästhetik von Quellcode in Editoren und Entwicklungsumgebungen.

---

Technische Eigenschaften

Die technische Basis von GitHub Next umfasst mehrere Kernkompetenzen und innovative Architekturentscheidungen, die die Projekte des Teams antreiben.

Kerntechnologiefelder des Teams konzentrieren sich auf AI for Code – die Anwendung künstlicher Intelligenz speziell für Programmieraufgaben –, Large Language Models (LLM) und deren Einsatzmöglichkeiten, Natural Language Programming als neue Programmierparadigmen, Codevisualisierung sowie die Entwicklung von VS Code-Erweiterungen. Diese breite Aufstellung ermöglicht es, ganzheitliche Lösungen zu entwickeln, die verschiedene Aspekt der Softwareentwicklung adressieren.

Das technische Stack umfasst TypeScript und React für die Frontend-Entwicklung, VS Code-Erweiterungen für die IDE-Integration, GitHub Actions für Workflow-Automatisierung und die direkte Integration von LLMs in die Entwicklungsumgebung. Diese Kombination erlaubt es, Produkte zu entwickeln, die tief in die bestehende Entwicklerinfrastruktur integriert sind.

Bei der Modellunterstützung zeigt sich GitHub Next als herstellerunabhängig. Die Projekte unterstützen多种 KI-Modelle: Claude Sonnet 3.5 von Anthropic, GPT-4o von OpenAI, sowie o1-preview und o1-mini. Diese Flexibilität ermöglicht es Entwicklern, das Modell zu wählen, das ihre spezifischen Anforderungen am besten erfüllt – sei es hinsichtlich Geschwindigkeit, Genauigkeit oder Kosten.

Die architektonischen Innovationen des Teams verdienen besondere Aufmerksamkeit. Agentic Workflows demonstriert, wie natürliche Sprache in ausführbare GitHub Actions kompiliert werden kann. Das System analysiert die Benutzerbeschreibung, interpretiert die Absicht und generiert korrektes YAML, das alle Best Practices von GitHub Actions einhält. GitHub Spark zeigt, wie eine NL-gesteuerte Editor-Komponente mit einer gehosteten Laufzeitumgebung kombiniert werden kann, um Anwendungen ohne jeglichen Bereitstellungsaufwand zu erstellen.

Das Sicherheitsmodell von Agentic Workflows basiert auf dem bewährten GitHub Actions-Sicherheitsmodell. Es unterstütztScoped Permissions durch minimal privilegierte Tokens, Whitelist-basierte Tool-Einschränkungen, auditierbare Ausführung mit vollständiger Protokollierung sowie das safe-outputs-Feature für kontrollierte Schreibrechte. Zusätzlich werden während des Kompilierungsprozesses automatische Sicherheitsprüfungen durchgeführt, um potenzielle Risiken zu identifizieren.

---

Wer nutzt GitHub Next

Die Zielgruppen von GitHub Next sind vielfältig und umfassen sowohl technische als auch nicht-technische Benutzergruppen. Das Team entwickelt bewusst Lösungen für unterschiedliche Kompetenzniveaus und Anwendungsfälle.

Nicht-technische Benutzer profitieren am meisten von GitHub Spark. Die Möglichkeit, Anwendungen durch natürliche Sprachbeschreibung zu erstellen, demokratisiert die Softwareentwicklung. In der Praxis haben bereits Kinder die Plattform genutzt: Ein 6-jähriges Kind erstellte eine Animation von Verkehrsmitteln, während ein 10-jähriger Schüler eine Kartenanwendung für ein Schulprojekt entwickelte. Diese Beispiele demonstrieren das Potenzial, programming zugänglicher zu machen.

Entwicklerteams verwenden Agentic Workflows zur Automatisierung repetitiver Aufgaben. Statt monotone Issue-Kategorisierung, Dokumentationsaktualisierungen oder Testfallgenerierung manuell durchzuführen, definieren Teams Workflows in natürlicher Sprache und überlassen die Ausführung dem System. Dies reduziert den manuellen Aufwand erheblich und ermöglicht es Entwicklern, sich auf kreative und wertschöpfende Arbeit zu konzentrieren.

Softwareentwicklungsteams nutzen Copilot Next Edit Suggestions für erhebliche Produktivitätssteigerungen bei der Codebearbeitung. Die Fähigkeit des Systems, Bearbeitungssequenzen vorherzusagen und automatisch vorzuschlagen, reduziert mechanische Arbeit. Wenn ein Entwickler beispielsweise ein Konfigurationsfeld hinzufügt, propagieren sich die Änderungen automatisch an alle relevanten Stellen im Codebase.

Forscher und Experimentierfreudige erkunden das Extract, Edit Apply-Paradigma für komplexe Codebase-Modifikationen. Die Möglichkeit, mit LLM-generiertem Code zu arbeiten und Spezifikationen iterativ zu verfeinern, eröffnet neue Arbeitsweisen, die insbesondere bei größeren Refactoring-Projekten oder bei der Arbeit mit unbekannten Codebasen wertvoll sind.

Verteilte Teams verwenden Copilot Workspace für kollaborative Aufgabenbearbeitung. Die Snapshot-Teilfunktionalität ermöglicht es Teammitgliedern, Arbeitszustände zu teilen und gemeinsam an Lösungen zu iterieren – besonders wertvoll für Teams, die über verschiedene Zeitzonen verteilt arbeiten.

---

Ökosystem und Integration

GitHub Next ist nicht isoliert zu betrachten, sondern als integraler Bestandteil des breiteren GitHub-Ökosystems und der Microsoft-Entwicklerplattform. Die Projekte des Teams sind tief in bestehende Infrastrukturen integriert und nutzen etablierte Kommunikationskanäle für Community-Engagement.

Offizielle Ressourcen bieten den zentralen Anlaufpunkt für Informationen. Die Website githubnext.com enthält die Projektübersicht, das Team und Informationen über aktuelle Events. Unter der URL githubnext.com/#projects sind alle aktiven Projekte mit Beschreibungen und Statusinformationen aufgelistet.

Die Community-Kanäle umfassen mehrere Plattformen. Der Discord-Server unter gh.io/next-discord dient als Hauptkommunikationskanal für Diskussionen, Feedback und den Austausch zwischen Team und Community. Auf Twitter (@githubnext) und Mastodon (@githubnext@mastodon.social) werden Updates und Ankündigungen veröffentlicht.

Für Entwickler, die tiefer einsteigen möchten, stehen Ressourcen zur Verfügung: Die Agentic Workflows CLI ist auf GitHub unter github.com/github/gh-aw verfügbar, zusammen mit Beispielen unter github.com/dasgithubnext/agentics. Die GitHub Spark-Dokumentation und FAQ finden sich unter gh.io/spark-changelog und gh.io/spark-faq. Alle wesentlichen Projekt-Repositories – GitHub Spark, Copilot Workspace, Agentic Workflows, Extract Edit Apply, Copilot Next Edit Suggestions und Monaspace – sind über die offiziellen Projektseiten zugänglich.

Die Plattformintegration erstreckt sich über die wichtigsten Entwicklungsumgebungen. Copilot Next Edit Suggestions ist direkt in VS Code und Visual Studio integriert. Agentic Workflows erweitert die GitHub CLI. Copilot Workspace bietet eine mobile App-Integration für die GitHub Mobile-Anwendung, sodass Entwickler unterwegs an Issues und Pull Requests arbeiten können. GitHub Spark generiert PWAs, die auf allen Plattformen lauffähig sind.

Diese tiefe Integration in bestehende Workflows und Werkzeuge unterscheidet GitHub Next von reinen Forschungsprojekten. Die Projekte sind nicht nur theoretische Konzepte, sondern funktionale Erweiterungen, die sofort in produktive Entwicklungsprozesse integriert werden können.

---

Häufig gestellte Fragen