AI Code Review bezeichnet die Begutachtung von Quellcode durch ein KI-System. Das Modell analysiert Diffs, Pull Requests oder ganze Module und kommentiert Aspekte wie Korrektheit, Sicherheit, Performance, Lesbarkeit, Designentscheidungen und Konsistenz mit bestehenden Konventionen.
In der Praxis kommen verschiedene Werkzeuge zum Einsatz: GitHub Copilot Code Review, Pull-Request-Bots auf Basis von Claude oder GPT-Modellen, eigenständige Plattformen wie CodeRabbit oder Sourcery sowie selbstgebaute Lösungen, die Modelle über CI in Pull Requests einklinken. Häufig werden Linter, Sicherheitsscanner und Tests als Kontext mitgeliefert.
Einsatzzweck ist die Entlastung menschlicher Reviewer von Routinearbeit (Stylefragen, einfache Bugs, naheliegende Verbesserungen) und die schnelle Bereitstellung eines ersten Feedbacks. Insbesondere bei verteilten Teams oder in Open-Source-Projekten kann AI Code Review die Wartezeit auf Rückmeldung deutlich reduzieren.
Die Disziplin profitiert von der schnellen Entwicklung von LLMs ab 2022 und vom Aufkommen agentischer Werkzeuge ab 2024. Studien beginnen zu zeigen, dass AI-Reviewer typische Schwachstellen zuverlässig erkennen, aber bei komplexen Architekturentscheidungen weiterhin menschliche Expertise voraussetzen.
In der Praxis hat sich ein Muster etabliert: Pull Requests werden zunächst durch automatisierte Linter, Security-Scans und AI-Reviewer geprüft, das Ergebnis fasst der Bot in einem Kommentar zusammen. Erst danach kommt der menschliche Reviewer ins Spiel und kann sich auf Architektur, Designentscheidungen und Geschäftslogik konzentrieren.