# Nerdy News #2: Wenn die KI zu viel Code schreibt

> Nerdy News #2: Warum Anthropic Git ersetzt, was Gemini 4 und Muse Spark Open kosten und wie das Claude-Code-Team KI-Code prüft. Für den Mittelstand.

Quelle: https://isarcode.com/lesomat/ki/nerdy-news-wenn-ki-zu-viel-code-schreibt/

Auf einen Blick

- **Anthropic ersetzt Git intern**, weil Claude dort inzwischen über 30.000 Code-Änderungen am Tag einbringt. Für dich heißt das nicht „Git ist tot“, sondern: Wenn KI schneller schreibt, wird das Prüfen und Ausliefern zum Engpass.
- **Gemini 4 Argon** von Google ist allgemein verfügbar, zum Einführungspreis, der sich am 1. Dezember verdoppelt. **Meta Muse Spark Open** gibt es mit offenen Gewichten, aber unter eigener Lizenz mit Kleingedrucktem.
- **Das Claude-Code-Team** prüft KI-Code in sieben Stufen, die meisten davon automatisch. Menschen schauen gezielt dort hin, wo es riskant ist.

Diese Woche hatte ein heimliches Leitthema: Die KI schreibt Code schneller, als die bisherigen Werkzeuge und Abläufe hinterherkommen. Das betrifft nicht nur Tech-Konzerne. Jeder Betrieb, der KI für Software, Automatisierungen oder Auswertungen einsetzt, wird früher oder später an dieselbe Stelle kommen: Das Schreiben ist schnell erledigt, das sichere Prüfen und Ausliefern nicht.

## Anthropic ersetzt Git: der Engpass wandert

Git ist das Werkzeug, mit dem praktisch die ganze Softwarewelt ihre Versionen verwaltet. Was das ist und wie es funktioniert, haben wir in unserer [Git-Serie mit Pizza](/lesomat/development/was-ist-versionierung-git-einfach-erklaert/) erklärt. Anthropic, die Firma hinter Claude, hat Git für ihr Haupt-Repository jetzt durch ein selbst gebautes System namens **Scion** ersetzt.

Der Grund steht im [Engineering-Blog von Anthropic](https://www.anthropic.com/engineering/redesigning-source-control) vom 13. Oktober: Im Mai wurden dort rund 2.500 Code-Änderungen am Tag zusammengeführt, im September über 30.000. Den größten Teil davon schreibt Claude. Allein die Testsysteme holen sich rund 25 Millionen Mal am Tag eine Kopie des Codes, und die Historie des Hauptstands ist fast 100 GB groß. Dafür ist Git nicht gebaut. Ein Team aus sieben Leuten hat Scion in fünf Monaten entwickelt. Laut Anthropic braucht es einen Bruchteil der Rechenleistung des alten Aufbaus, und die Testsysteme kommen in Sekunden statt Minuten an den Code.

Wichtig ist auch, was Anthropic nicht sagt: Scion wird nicht als Ersatz für Git angeboten. Es ist für riesige Repositories mit sehr vielen KI-Agenten gebaut. Das Problem haben weltweit nur eine Handvoll Firmen.

**Unser Take:** Du musst Git nicht ersetzen. Aber die Geschichte zeigt sehr schön, wohin sich der Engpass verschiebt, wenn KI mitschreibt: weg vom Tippen, hin zum Zusammenführen, Testen und Ausliefern. Wer KI in der Entwicklung einsetzt, sollte deshalb zuerst in diese Strecke investieren, also automatische Tests, eine Test-Umgebung und einen sauberen Weg live. Wie dieser Weg aussieht, steht in [Teil 3 unserer Serie zu CI/CD](/lesomat/development/was-ist-ci-cd-einfach-erklaert/).

## Gemini 4 und Muse Spark Open: zwei Wege zum Spitzenmodell

Google hat am 13. Oktober **Gemini 4 Argon** [allgemein verfügbar gemacht](https://venturebeat.com/technology/google-makes-gemini-4-argon-broadly-available-with-limited-time-low-api-pricing-of-2-10-per-1m-token), sein neues Spitzenmodell für lange Programmier-Aufgaben und anspruchsvolle Wissensarbeit. Es verarbeitet bis zu eine Million Tokens am Stück, also ganze Vertragsordner oder Codebasen. Der Einführungspreis liegt bei 2 Dollar pro Million Eingabe-Tokens und 10 Dollar pro Million Ausgabe-Tokens. Ab dem 1. Dezember verdoppelt er sich auf 4 und 20 Dollar.

Zwei Tage später hat Meta **Muse Spark Open** [veröffentlicht](https://dev.meta.ai/resources/blog/build-with-muse-spark-open), ein Modell mit 816 Milliarden Parametern, von denen pro Token (grob: pro Wortteil) nur rund 42 Milliarden arbeiten, ebenfalls mit einer Million Tokens Kontext. Der Unterschied: Die Gewichte, also das fertig trainierte Modell selbst, kann man herunterladen und selbst betreiben. Klein ist es allerdings nicht. Selbst die kompakteste Variante braucht rund 300 GB Arbeitsspeicher, das sind mehrere High-End-Rechner und nicht der Server im Keller.

Das Kleingedruckte steht in der [Lizenz](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B): Muse Spark Open ist offen nutzbar, aber kein Open Source. Wer es in einem Produkt einsetzt, muss sichtbar „Built with Muse Spark Open“ angeben. Für die eigene, interne Nutzung ist es frei. Eine Sondervereinbarung mit Meta braucht nur, wer Modelle als Dienst anbietet und mehr als 20 Millionen Dollar Umsatz macht.

**Unser Take:** Bei Gemini 4 gilt: Einführungspreise sind keine Kalkulationsgrundlage. Wer jetzt einen Prozess darauf plant, rechnet besser gleich mit dem Dezember-Preis. Bei Muse Spark Open ist die Botschaft eine andere: Spitzenmodelle zum Selbstbetreiben werden zur echten Option, auch für Firmen, die ihre Daten nicht an einen US-Anbieter geben wollen. Betrieben wird so ein Modell dann aber eher bei einem Hosting-Partner als im eigenen Haus, und die Lizenz will gelesen sein. Warum wir Unabhängigkeit bei KI so wichtig finden, steht in unserem [Beitrag zu eustella](/lesomat/ki/eustella-souveraene-ki/).

## Wie das Claude-Code-Team KI-Code prüft

Wenn die KI den Großteil des Codes schreibt, kann kein Mensch mehr jede Zeile lesen. Das Team hinter Claude Code hat am 15. Oktober [beschrieben](https://claude.dev/blog/solving-code-review-at-anthropic/), wie es damit umgeht. Statt einer Prüfung durch einen Kollegen gibt es sieben Stufen: Claude testet selbst vor dem Einreichen, eine KI prüft jede Änderung, dazu eine automatische Sicherheitsprüfung, Pflicht-Tests, eine Warteschlange, die vor dem Zusammenführen noch einmal alles prüft, schrittweise Freischaltung neuer Funktionen und ein schneller Weg zurück, falls doch etwas schiefgeht.

Menschen prüfen nach Risiko: Kleine, unkritische Änderungen brauchen keine menschliche Freigabe, mittlere eine, riskante zwei. Riskant heißt zum Beispiel alles rund um Abrechnung oder die Update-Funktion. Das Ergebnis von Juni bis September: mehr als doppelt so viele zusammengeführte Änderungen, über 40 Prozent weniger Rücknahmen, und der Anteil der Änderungen, die gleich in der ersten Prüfrunde durchgehen, stieg von 65 auf 78 Prozent.

Ein schönes Detail aus der Praxis kommt vom Entwickler Geoffrey Huntley ([via Simon Willison](https://simonwillison.net/2026/Oct/13/geoffrey-huntley/)): Sein KI-Agent hielt sich nicht zuverlässig an eine Hausregel. Statt die Anleitung für den Agenten immer weiter zu verfeinern, hat er eine automatische Kontrolle eingebaut, die beim Speichern prüft, ob die Regel eingehalten wird. Wenn nicht, wird das Speichern abgelehnt und der Agent bekommt gleich den Hinweis, wie es richtig geht. Seitdem klappt es in zehn von zehn Fällen.

**Unser Take:** Das ist die nüchterne Antwort auf die Frage „Kann man KI-Code trauen?“. Nicht blind und nicht durch Lesen jeder Zeile, sondern durch Prüfstufen, die automatisch greifen, plus menschliche Aufmerksamkeit dort, wo es teuer werden kann. Genau dieses Muster empfehlen wir auch für KI-Workflows außerhalb der Software, mehr dazu in [KI-Halluzinationen im Betrieb](/lesomat/ki/ki-halluzinationen-im-betrieb/). Huntleys Trick zeigt dabei etwas Wichtiges: Eine Regel, die automatisch geprüft wird, schlägt jede noch so gute Anweisung.

## Regional nah, international erprobt

isarcode ist eine Münchner Agentur mit Office im Chiemgau. Heißt für dich: ein Partner, der lokal ansprechbar ist und trotzdem mit internationalen Projekten und großen Agenturen mitspielt. Regionale Nähe, internationale Liga. Egal ob du am Chiemsee, in Rosenheim oder in München sitzt.

Passend dazu

-
[
Wie kommt die Pizza zum Gast? CI/CD und der Weg live, erklärt (Teil 3)
→
](https://isarcode.com/lesomat/development/was-ist-ci-cd-einfach-erklaert/)

-
[
Wenn die KI sich was ausdenkt: Halluzinationen im Betrieb
→
](https://isarcode.com/lesomat/ki/ki-halluzinationen-im-betrieb/)

-
[
Nerdy News #1: Jede Woche ein neues Modell
→
](https://isarcode.com/lesomat/ki/nerdy-news-jede-woche-ein-neues-modell/)

## Und jetzt?

Du setzt KI schon in der Entwicklung oder in Abläufen ein und fragst dich, ob deine Prüfstrecke mithält? Schreib uns, wir schauen gemeinsam drauf.
