Von 17 auf 40 Prozent in sechs Monaten
Mehr als 40 Prozent der im September 2026 auf GitHub eröffneten Pull-Requests gingen auf einen KI-Agenten zurück, wie aus dem am 28. Oktober veröffentlichten Octoverse-2026-Bericht des Unternehmens hervorgeht. Das sind rund 110 Millionen Pull-Requests in einem einzigen Monat, etwa sechsmal so viele wie im März, als Agenten 17 Prozent der Gesamtzahl ausmachten.
Entwickler haben den Code im Berichtszeitraum von zwölf Monaten 17,9 Milliarden Mal gepusht – mehr als 2024 und 2025 zusammen. Der Messzeitraum reichte vom 1. Oktober 2025 bis zum 30. September 2026, und GitHub erkannte die Aktivität von Agenten anhand von Plattformsignalen statt durch Selbstauskunft der Nutzer.
Größere Änderungen, aufwendigere Prüfung
Von Agenten eröffnete Pull-Requests änderten in 87 Prozent der Fälle mehrere Dateien, verglichen mit 79 Prozent bei solchen, die von Menschen eröffnet wurden. Dieses Muster ist für Prüfer wichtig: Eine Änderung, die viele Dateien betrifft, ist schwerer zu kontrollieren als eine einzeilige Korrektur, und die Prüfkapazität ist nicht im selben Tempo gewachsen wie die Generierungskapazität.
GitHub hat zudem wiederholt großflächige Ausfälle gemeldet, als die Verarbeitungslast stieg. Das Unternehmen erweiterte seine Kapazität im Laufe des Jahres um Millionen von Rechenkernen, und seine Engineering-Beiträge beschreiben Änderungen an Warteschlangen und Ratenlimits, die eingeführt wurden, um die Plattform in Spitzenzeiten stabil zu halten.
Werkzeuge konvergieren auf denselben Benchmark
Der Bericht erschien zusammen mit neuen Produktdaten. GitHubs Copilot Fusion, inzwischen allgemein verfügbar, wurde am 28. Oktober vom unabhängigen Bewerter Artificial Analysis mit 60,0 im Coding Agent Index v2.0 bewertet. Eine Vergleichskonfiguration von Claude Code mit Claude Opus 5.5 Max erreichte 61,7 Punkte, ein Abstand von 1,7 Punkten.
Diese Zahlen deuten darauf hin, dass die führenden Coding-Agenten bei Benchmark-Aufgaben nahe beieinanderliegen, was den Wettbewerb auf Zuverlässigkeit, Prüfqualität und Kosten pro zusammengeführter Änderung verlagert. Von Fachpublikationen befragte Engineering-Teams sagen, der Engpass habe sich vom Schreiben von Code zu dessen Überprüfung verschoben, und mehrere testen von Agenten erzeugte Pull-Requests mit strengeren automatisierten Prüfungen, bevor ein Mensch sie liest.
Die nächste Zahl, die es zu beobachten gilt, sind die Prüfstunden pro zusammengeführtem Pull-Request. Wenn diese weiter steigen, während die Ausbringungsmenge wächst, verlagern Agenten Arbeit, statt sie zu beseitigen.