GitLab baut seinen Kern für die agentische Ära um. Der Zeitpunkt stimmt.

In jeder Engineering-Organisation, die KI-Coding-Tools eingesetzt hat, wächst still ein Problem. Es ist kein Qualitätsproblem, obwohl Qualität durchaus ein Thema ist. Es ist ein Volumenproblem. KI-Agenten schreiben nicht nur schneller Code als Menschen. Sie erzeugen dramatisch mehr Git-Aktivität, Pipeline-Läufe, Review-Zyklen und Kontext-Overhead als jeder menschliche Entwickler im Team. Die Infrastruktur, die für menschliche Commit-Takte ausgelegt wurde, beginnt zu knirschen.

GitLabs Transcend-2026-Konferenz diese Woche war im Kern eine Antwort auf dieses Problem. In vier großen Ankündigungen setzt GitLab eine kohärente Wette darauf, dass die DevOps-Plattform von Grund auf neu entworfen werden muss, nicht nur gepatcht, um den Durchsatz und die Kontextanforderungen agentischer Workflows zu bewältigen.

Git an der Wurzel neu denken

Die technisch ambitionierteste Ankündigung ist das, was GitLab Next Generation Source Code Management nennt: eine Neuimplementierung des Git-Protokolls auf einer verteilten Architektur statt dem traditionellen zentralisierten Modell. Die Schlagzahl: KI-Agenten können Aufgaben 50-mal schneller erledigen.

Diese Zahl braucht Kontext. Der Performance-Gewinn liegt nicht im Datenmodell von Git; es geht darum, den Flaschenhals zu beseitigen, der entsteht, wenn viele parallele KI-Agenten gleichzeitig dieselben serverseitigen Operationen treffen. GitLabs Implementierung begrenzt serverseitige Abfragen auf das, was die aktuelle Aufgabe tatsächlich benötigt, anstatt standardmäßig den vollständigen Kontext zu laden. Das Ergebnis: Agentische Workflows, die im alten Modell zu Queue-Stürmen geführt hätten, können jetzt parallel ausgeführt werden, ohne sich gegenseitig zu verlangsamen.

Das ist das richtige Problem. Wer mehrere KI-Coding-Agenten parallel auf mittelgroßen Repos laufen lässt, merkt schnell, dass der Overhead an unerwarteten Stellen auftaucht.

Kontext als Infrastruktur

Das zweite Stück ist GitLab Orbit, jetzt in der öffentlichen Beta. Orbit ist ein Kontextgraph: eine strukturierte Darstellung von Code, Work Items, Pipelines, Deployments und Produktionssignalen, die KI-Tools direkt abfragen können.

Die Logik dahinter ist einfach. Die größten Kosten in agentischen KI-Workflows sind heute keine Compute-Kosten; es sind Tokens. Jedes Mal, wenn ein Agent Kontext braucht, lädt er entweder zu viel (teuer und langsam) oder zu wenig (und macht Fehler). Orbit ist GitLabs Versuch, dieses Problem auf Plattformebene zu lösen, anstatt es jedem Team zu überlassen, seinen eigenen Context-Engineering-Layer zu bauen.

GitLab behauptet 11-mal schnellere Antworten und bis zu 4,5-mal weniger Tokens pro Abfrage. Selbst wenn die Zahlen in der Praxis halb so hoch sind, bleibt das Wertversprechen bestehen. Kontextabruf auf Plattformebene richtig hinzukriegen hat Compounding-Effekte: Jeder Agent, der darauf läuft, profitiert, und man löst dasselbe Problem nicht mehr in siebzehn verschiedenen Repos.

Governance dort, wo sie hingehört

Die Ankündigung, die ich für die wichtigste halte, ist das AI Governance Framework, das sich derzeit in der privaten Beta befindet. Jede Agentenaktion erhält eine Identität, einen Policy-Pfad und einen Audit-Record. DevSecOps-Teams erhalten Echtzeit-Einblick in Agenteneingaben, Reasoning und Tool-Aufrufe. Policies wie verpflichtende Code-Scans können über den gesamten agentischen Workflow hinweg erzwungen werden.

Momentan laufen die meisten Teams KI-Agenten im Wesentlichen auf Vertrauensbasis. Der Agent läuft, der Code erscheint, und wenn man Glück hat, schaut sich jemand ihn an, bevor er in die Pipeline geht. Das ist kein tragfähiges Modell, wenn die agentische Code-Generierung skaliert. Die Frage, wer was autorisiert hat und was der Agent getan hat, um dorthin zu gelangen, ist auf den meisten Plattformen derzeit nicht zu beantworten.

GitLab macht diese Frage beantwortbar. Das verschiebt die Plattform von einem Build-and-Deploy-System hin zu dem, was Sicherheits- und Compliance-Teams tatsächlich brauchen: ein System of Record für automatisierte Aktionen.

Lizenzierung, die zur neuen Realität passt

Die vierte Ankündigung, GitLab Flex, ist die am wenigsten technische, adressiert aber einen echten Reibungspunkt. Flex kombiniert Seats und KI-Credits in einem einzigen Jahresvertrag und erlaubt Teams, Ausgaben zwischen beiden zu verschieben, wenn sich die Nutzungsmuster ändern, ohne Vertragsverhandlungen.

Das ist weniger eine technische Innovation als die Anerkennung, dass das alte Seat-basierte Lizenzmodell nicht mehr passt, wenn Teams KI-Kapazitäten kaufen und nutzen. Wer KI-Nutzungsspitzen nicht sechs Monate im Voraus prognostizieren kann, sollte dafür nicht bestraft werden.

Das Gesamtbild

Was mich an den Transcend-Ankündigungen insgesamt beeindruckt: Sie werden nicht von einer einzelnen Capability-Erweiterung angetrieben. Sie sind eine kohärente Re-Architektur der DevOps-Plattform für eine Welt, in der der größte Teil der Commits, PRs und Pipeline-Läufe von Agenten initiiert wird, nicht von Menschen.

Das ist ein anderes Design-Briefing als das, gegen das GitLab ursprünglich gebaut wurde. Menschen committen Code ein paarmal am Tag. Agenten können es hunderte oder tausende Male tun. Menschen lesen Dokumentation, um Kontext zu bekommen. Agenten konsumieren Tokens auf Kosten. Menschen verstehen implizit, wozu sie berechtigt sind. Agenten brauchen das in Form von Policy-Regeln.

Die Plattformen, die die agentische Ära überstehen, werden diejenigen sein, die sich um diese neuen Rahmenbedingungen herum neu gestalten und KI-Coding nicht nur als weiteren Feature-Layer oben auf der bestehenden Pipeline behandeln. GitLab wettet darauf, eine davon zu sein. Was auf Transcend gezeigt wurde, lässt die Wette plausibel erscheinen.