Atlassian Corporation, ein Anbieter von KI-gestützter Kollaborations- und Teamproduktivitätssoftware, hat Code Context angekündigt – eine neue Funktion innerhalb des Atlassian Teamwork Graph, die Entwicklern, Rovo und Coding-Agenten sicheren Zugriff auf Quellcode in großen, mehrstufigen Repository-Umgebungen bietet. Dieser Schritt positioniert Atlassian als Kontextanbieter für das wachsende Ökosystem an KI-Coding-Tools – einschließlich Drittanbieter-Agenten wie Cursor, Claude Code und Codex –, anstatt einen eigenständigen Code-Assistenten zu entwickeln. Damit grenzt sich das Unternehmen von Wettbewerbern ab, die sich hauptsächlich auf die Code-Generierung im Editor konzentrieren.

Wenn Organisationen zunehmend Coding-Agenten einsetzen, hängt die Wirksamkeit dieser Tools von mehr ab als nur von der Modellintelligenz. Sie hängt vom Kontext ab, der ihnen vor der Durchführung von Aktionen zur Verfügung steht. Coding-Agenten können Code schreiben, refactoren und überprüfen, aber die Erstellung qualitativ hochwertiger Ergebnisse erfordert ein tiefes Verständnis des Arbeitssystems rund um eine bestimmte Aufgabe sowie berechtigungsbewussten Zugriff auf den darin enthaltenen Kontext. Organisatorisches Wissen – von Architekturentscheidungen und Produktstrategie über Implementierungsdiskussionen und frühere Kompromisse bis hin zu den Gesprächen, die erklären, warum Systeme so funktionieren, wie sie es tun – ist für diesen Prozess von entscheidender Bedeutung. Diese Lücke zwischen Modellfähigkeit und kontextueller Wahrnehmung war eine wiederkehrende Herausforderung für Unternehmen, die KI-Coding-Tools im großen Maßstab einsetzen, wo Codebasen Hunderte oder Tausende von Repositories umfassen.

Der Atlassian Teamwork Graph umfasst nun Code Context und schafft eine einheitliche Kontextschicht, in der das Verständnis groß angelegter Codebasen und das organisatorische Wissen zusammenfließen. Dies ermöglicht es Agenten, effizient über Code und Arbeit zu schlussfolgern und genauere Ergebnisse mit weniger Token zu erzielen.

Vom Code-Suchverfahren zum Codebasen-Verständnis

Code Context erstellt eine sichere, abfragbare Repräsentation verbundener Codebasen und macht dieses Wissen über Entwicklungsworkflows hinweg zugänglich – von IDEs und Terminals über KI-Coding-Anwendungen, Jira und Rovo Chat bis hin zum breiteren Atlassian-Ökosystem. Entwickler und Agenten können exakte Suche, natürlichsprachliche Abfragen und semantische Suche nutzen, um relevanten Quellcode über mehrere Repositories hinweg zu finden.

Über die Teamwork Graph-CLI können Coding-Agenten wie Cursor, Claude Code und Codex ihre Arbeit auf den relevanten Informationen fundieren, bevor sie Code planen, generieren oder überprüfen. Ohne Code Context sind Agenten in der Regel auf den lokal auf dem Rechner eines Entwicklers verfügbaren Code beschränkt und verlieren möglicherweise Implementierungsdetails, Abhängigkeiten oder Verwendungsmuster, die sich an anderer Stelle befinden. Dies kann Risiken bergen, wenn Änderungen das System als Ganzes nicht berücksichtigen.

Code Context ermöglicht es Agenten außerdem, Code mit verwandten Signalen aus Jira-Arbeitselementen, Confluence-Seiten, Loom-Videos und Drittanbieterquellen über mehr als 50 Konnektoren zu kombinieren. In Atlassians internen Benchmarks lieferten Agenten, die durch den Teamwork Graph erweitert wurden, um 44 % genauere Ergebnisse und verwendeten dabei 48 % weniger Token als Agenten ohne diesen Kontext.

Mark Walz, Chief Technology Officer bei SpotOn, sagte: „Wenn ein Agent an der falschen Stelle beginnt, verlangsamt sich alles und die Kosten steigen. Entwickler müssen am Ende erklären, wo man suchen muss, warum der Code so funktioniert, wie er es tut, und was er sonst noch berührt. Code Context stellt all dies dem Agenten von Anfang an zur Verfügung, sodass er sich darauf konzentrieren kann, die Arbeit zu erledigen."

Die KI-Kontext-Engine für die Softwareentwicklung

Code Context erweitert Atlassians Vision eines KI-nativen Softwareentwicklungslebenszyklus, in dem Jira die Arbeit verankert, Confluence das Wissen speichert, Pull-Requests die Implementierungshistorie erfassen und der Teamwork Graph den umgebenden Kontext verbindet. Große, komplexe Codebasen sind nun Teil dieses verbundenen Systems. Diese Integration nutzt den bestehenden Fußabdruck von Atlassian bei Softwareteams in Unternehmen – Jira und Confluence sind bereits tief in die Entwicklungsworkflows vieler Organisationen eingebettet – und bietet Code Context einen natürlichen Vertriebskanal, über den eigenständige Code-Intelligenz-Tools möglicherweise nicht verfügen.

Der Teamwork Graph kreuzt kontinuierlich Referenzen, verknüpft, leitet ab, indiziert und berechnet Beziehungen zwischen Milliarden von Objekten vor, um eine einheitliche Karte zu erstellen, die zeigt, wie alles zusammenhängt. Dies gibt Agenten einen Weg von der Hypothese zur Verifizierung, indem sie relevanten Kontext nutzen, um ihr Schlussfolgern vor dem Handeln zu validieren. Anstatt Repositories manuell zu untersuchen oder auf implizites Wissen zurückzugreifen, können Entwickler Rovo fragen, wie ein System funktioniert, und Antworten erhalten, die auf verbundenem Quellcode und organisatorischem Kontext basieren.

Für Engineering-Teams, die Coding-Agenten einführen, reduziert Code Context den Zeitaufwand für das manuelle Zusammenstellen von Kontext. Agenten erhalten einen direkteren Weg zu den Informationen, die sie benötigen, bevor sie Code planen, generieren oder überprüfen. Die Entwickler bleiben verantwortlich für das Verständnis von Änderungen und die Entscheidung darüber, was ausgeliefert wird.

Sanchan Saxena, Senior Vice President und Head of Product für Teamwork Collection bei Atlassian, sagte: „Die Organisationen, die mit KI den größten Erfolg haben, sind nicht die, die am meisten ausgeben; sie sind diejenigen, die ihr den besten Kontext mit dem richtigen Zugriff geben. Grenzüberschreitende Intelligenz verleiht Teams Geschwindigkeit. Kontext lenkt diese Geschwindigkeit in die richtige, wirkungsvollste Richtung. Wir stellen fest, dass die tatsächliche Beschleunigung der Softwareauslieferung aus der Kombination beider Faktoren resultiert."

Code Context wurde von Grund auf mit Sicherheit und Governance entwickelt. Nach der Aktivierung werden die Ergebnisse auf das beschränkt, was jeder Benutzer oder autorisierte Agent sehen darf. Ziel ist es nicht, Agenten unbegrenzten Zugriff zu gewähren, sondern den richtigen Zugriffsgrad über ein sicheres, kontrolliertes System zu bieten, in dem die Entwickler die Kontrolle behalten. Der Schwerpunkt auf berechtigungsbewusstem Zugriff adressiert ein zentrales Anliegen von Unternehmen bei der Evaluierung von KI-Coding-Tools, wo die uneingeschränkte Offenlegung von Codebasen ein Hindernis für die Einführung in regulierten Branchen darstellte.