Webinar-Aufzeichnung auf Abruf
2025 hat KI nicht nur in DevOps integriert — es hat auch verändert, wie „Software-Auslieferung“ aussieht. Branchenübergreifend sahen sich Teams mit höheren Liefererwartungen, strengerer Governance, komplexeren Technologie-Stacks und geringerer Toleranz für Nacharbeit konfrontiert. Die große Veränderung in diesem Jahr war nicht einfach nur der „Einsatz von KI“. Es war der Übergang von KI als Helfer zu KI als Multiplikator.
In dieser On-Demand-Session enthüllt Modern Requirements, was wir 2025 in Copilot4DevOps geliefert haben — und was Anfang 2026 als Nächstes kommt, einschließlich unserer bisher wichtigsten Entwicklung: dem Agentenmodus.
Warum diese Session wichtig ist
Die Einführung von KI in DevOps ist Realität — aber für die meisten Organisationen ist sie noch chaotisch.
Wie im Webinar besprochen, fangen die meisten Teams entweder gerade erst an oder experimentieren mit Insellösungen. Das Ergebnis sind oft fragmentierte Workflows: ein KI-Tool für Anforderungen, ein anderes für Tests, ein weiteres für Code, und nichts davon ist wirklich mit der täglichen Arbeitsweise innerhalb von Azure DevOps verbunden.
Unser Fokus im Jahr 2025 war einfach: KI nutzbar, umsetzbar und in echte DevOps-Workflows integriert zu machen — damit Teams von Experimenten zu wiederholbaren Ergebnissen übergehen können.
Was wir 2025 entwickelt haben: praktische KI innerhalb von Azure DevOps
Modern Requirements entwickelt seit über 20 Jahren Lösungen für Anforderungen und Auslieferung und ist seit über einem Jahrzehnt Microsoft-Partner. Diese Domänenexpertise ist entscheidend, denn KI schafft nur dann Wert, wenn sie im richtigen Kontext, mit den richtigen Leitplanken und im richtigen Workflow angewendet wird.
In diesem Jahr entwickelte sich Copilot4DevOps weiter zu einem klickorientierten KI-Erlebnis—einem, das die Abhängigkeit von “perfekten Prompts” reduziert und Teams hilft, schnell Ergebnisse zu erzielen.
Hier sind einige der Highlights, die in der Session behandelt wurden:
1) Ein schnelleres, natürlicheres KI-Erlebnis im Backlog
Wir haben ein reibungsloseres Erlebnis eingeführt, das Teams ermöglicht, KI direkt aus ihrer aktuellen Arbeit heraus zu nutzen—indem sie ein Arbeitselement auswählen, damit interagieren und es aktualisieren, ohne zwischen Tools wechseln oder Inhalte in externe Chatfenster kopieren zu müssen.
Dies ist ein wichtiger Schritt hin zu dem, was wir für die Zukunft halten: null Kontextwechsel, bei dem Ihre Daten in Azure DevOps bleiben und Ihre KI-Ausgaben dort generiert werden, wo die Arbeit stattfindet.
2) Bessere Analyse—visuell aufbereitet und einfacher umzusetzen
Eine der beliebtesten Funktionen in Copilot4DevOps ist Analysieren: eine schnelle Möglichkeit, die Anforderungsqualität zu bewerten, Lücken zu identifizieren und die Klarheit zu verbessern.
Im Jahr 2025 haben wir dieses Erlebnis verbessert durch:
- Eine klarere Benutzeroberfläche und strukturiertere Ausgaben
- Visuelle Bewertungsindikatoren zur Beschleunigung der Interpretation
- Eine grafische “Spinnen”-Ansicht, um Stärken und Schwächen schnell zu erfassen
- Ein integriertes Chat-Panel, damit Sie Fragen stellen und Verbesserungen direkt auf das Arbeitselement anwenden können
Das Ergebnis ist ein Workflow, der langsame Peer-Review-Zyklen durch sofortige, erklärbare Verbesserungsvorschläge ersetzt—ohne den Benutzer zu zwingen, ein KI-Experte zu werden.
3) Standardbasierte Anforderungsanalyse (EARS / INCOSE)
Teams in der Entwicklung und in regulierten Umfeldern müssen oft sicherstellen, dass Anforderungen definierten Standards entsprechen. Dieses Jahr haben wir standardbasierte Analyseoptionen eingeführt, darunter EARS- und INCOSE-konforme Bewertungen, damit Teams Anforderungen anhand von Kriterien überprüfen können, die sie bereits kennen und denen sie vertrauen.
4) Intelligentere Artefakt-Iteration: Mockups + Diagramme mit Historie
Arbeit ist nicht linear. Man erstellt ein Mockup oder Diagramm nicht einmal und erklärt es dann für fertig. Daher haben wir das Erstellungserlebnis verbessert, indem wir hinzugefügt haben:
- Artefakt-Historie und Iterationsverfolgung
- Granularere Bearbeitung (spezifische Komponenten bearbeiten, nicht nur “alles neu generieren”)
- Bessere Vollbild-Workflows und Navigation
Dadurch fühlt sich KI weniger wie ein Einmal-Generator—und mehr wie ein kollaborativer Partner an.
5) Testskript-Generierung zur Beschleunigung der Automatisierung
Die Testerstellung ist ein konstanter Engpass für Lieferteams. Copilot4DevOps kann Testskripte generieren, die auf gängige Frameworks (z.B. Selenium, Playwright) abgestimmt sind, was QA-Teams einen Vorsprung verschafft und die Zeit von Anforderungen → ausführbaren Tests reduziert.
Dies ist besonders wertvoll für Teams, die versuchen, die automatisierte Abdeckung zu erhöhen, ohne den Personalbestand zu erweitern.
6) Multi-Modell-Flexibilität für die Unternehmensausrichtung
Organisationen standardisieren nicht alle auf dasselbe LLM. Im Jahr 2025 – und fortlaufend bis Anfang 2026 – haben wir uns darauf konzentriert, Kunden Flexibilität zu bieten, damit sie Copilot4DevOps an die Modelle anpassen können, die ihre Organisation bevorzugt (und die sich im Laufe der Zeit weiterentwickeln).
Die größere Geschichte: Wir bewegen uns in Richtung Orchestrierung
Eine zentrale Frage, die während des Webinars aufkam, war:
„Wir experimentieren mit KI, aber es fühlt sich noch fragmentiert an. Wohin geht die Reise?“
Unsere Antwort: Der nächste Sprung ist die Orchestrierung.
Sie werden sehen, wie sich KI verschiebt von:
- Inhaltsgenerierung → zur Koordination von Workflows, Validierung von Ergebnissen und Verknüpfung von Artefakten über den gesamten Lebenszyklus hinweg.
Dieser Übergang ist genau das, was die Ausrichtung für 2026 vorantreibt.
Was 2026 kommt: Der Agentenmodus
Die Schlagzeile für 2026 ist der Agentenmodus – eine Entwicklung von KI, die reagiert, hin zu KI, die ausführen kann.
Im Webinar erklärte Asif diese Verschiebung deutlich: Bei KI geht es nicht nur darum, Dinge schneller zu erledigen. Es geht darum, die Art und Weise der Arbeitsausführung zu verändern – bessere Ergebnisse mit höherer Qualität in kürzerer Zeit zu erzielen, während die Teams die Kontrolle behalten.
Was ist der Agentenmodus, praktisch gesehen?
Der Agentenmodus ist darauf ausgelegt, länger dauernde, mehrstufige DevOps-Aufgaben zu bewältigen, die ein traditioneller Chat-Assistent nicht erledigen kann.
Dazu gehören Workflows wie:
- Erstellung von PBIs und Aufgaben aus einem übergeordneten Ziel
- Generierung von Scaffolding und Verknüpfung von Codeänderungen mit Arbeitselementen
- Erstellung von Branches, PRs und Unterstützung von Review-Workflows
- Referenzierung von Pipelines, Logs und Artefakten zur Fehlerbehebung
- Generierung von Release Notes und Aktualisierung der Dokumentation im Wiki
- Aufrechterhaltung der Nachvollziehbarkeit zwischen Anforderungen, Code, Tests und Dokumentation
Hier entwickelt sich KI vom „Copiloten“ zum Ausführungspartner.
Single-Agent- vs. Multi-Agent-Orchestrierung
Wie in der Session mitgeteilt wurde:
- Der Single-Agent-Modus ist für schnelle, direkte Aufgaben optimiert
- Der Multi-Agent-Modus ist für tiefgreifendere Arbeiten konzipiert: Planung, Delegation, Validierung und Orchestrierung über mehrere Sub-Agents und Fähigkeiten hinweg
Das Schlüsselkonzept: Das System kann einen Plan erstellen, die Arbeit in Teilaufgaben zerlegen und spezialisierte Agenten/Fähigkeiten nutzen, um jeden Teil abzuschließen – während menschliche Kontrollpunkte („hier anhalten und mich überprüfen lassen“) weiterhin möglich sind.
Human-in-the-Loop-Kontrolle (ja, Sie behalten die Kontrolle)
Eine häufige Sorge ist die Governance:
- Kann ich die Arbeit des Agenten überprüfen, bevor Änderungen festgeschrieben werden?
- Kann ich Updates rückgängig machen?
- Wie verhindern wir destruktive Aktionen?
Die im Webinar besprochene Antwort: Ja—der Agent Mode ist mit Human-in-the-Loop-Kontrollen, Überprüfungsgates (wie PR-basierten Workflows) und defensiver Handhabung bei destruktiven Änderungen ausgestattet.
Für den frühen Zugang zum Agent Mode kontaktieren Sie uns
Bonus: AI Sync Bridge – Jira und Azure DevOps verbinden
Eine weitere in der Session vorgestellte Funktion ist die neue AI Sync Bridge für die Migration und Synchronisation zwischen Systemen.
Für Teams, die Jira und Azure DevOps parallel nutzen (oder zwischen ihnen wechseln), unterstützt die AI Sync Bridge:
- KI-gestützte Zuordnung auf Issue-/Work-Item-Ebene und Feld-/Eigenschaftsebene
- Migration (Kopieren und Beibehalten des Beziehungskontexts)
- Optionale Synchronisation (unidirektional oder bidirektional, konfigurierbar)
Dies wurde entwickelt, um den manuellen Aufwand beim Verschieben von Aufgaben über Plattformen hinweg zu reduzieren und gleichzeitig Struktur und Konsistenz zu bewahren.
Jenseits von Copilot: Modern Requirements „Frontier“ (Next Gen)
Für Kunden, die Modern Requirements nutzen, enthielt die Session auch eine Vorschau auf die nächste Generation der Kernplattform: eine als schneller, skalierbarer und modernisierter beschriebene Version, die mehr KI-gesteuerte Funktionen in der gesamten Suite bietet.
Wer sollte diese Aufzeichnung ansehen?
Diese Session ist besonders wertvoll, wenn Sie:
- Erforschen, wie KI in DevOps operationalisiert werden kann (über Pilotprojekte hinaus)
- Azure DevOps nutzen und versuchen, Reibungsverluste bei Anforderungen/Tests/Bereitstellung zu reduzieren
- Governance-, Compliance- oder Rückverfolgbarkeitsanforderungen verwalten
- Interesse an agentenbasierten Workflows und der nächsten Welle der DevOps-Automatisierung haben
