KI-Coding-Agenten ersticken an Monorepos, und Unternehmen überdenken ihre Codebasen, um das zu beheben

Fast neun von zehn KI-Coding-Agent-Pilotprojekten schaffen es laut aktuellen Branchenumfragen nie in die Produktion — und die naheliegende Erklärung, dass die Modelle einfach noch nicht gut genug sind, erweist sich als weitgehend falsch. Das eigentliche Hindernis ist architektonisch: Die Codebasen, in denen diese Agenten arbeiten sollen, wurden für Menschen und Build-Systeme gebaut, nicht für Werkzeuge mit einem festen Kontextfenster, und Monorepos sind der Ort, an dem diese Diskrepanz am sichtbarsten wird.

Warum Monorepos speziell für Agenten feindselig sind

Ein Monorepo mit 50 Paketen und 300.000 Codezeilen ist ein völlig normales Engineering-Setup — viele große Technologieunternehmen konsolidieren Dutzende von Diensten und Bibliotheken in einem einzigen Repository, gerade um projektübergreifende Änderungen und Abhängigkeitsmanagement für menschliche Ingenieure zu erleichtern.

Für einen KI-Agenten wird dieselbe Struktur zur Belastung. Ein Agent, der versucht, „die Codebasis" als Kontext zu laden, verliert entweder den Überblick über das, was für die Aufgabe tatsächlich relevant ist, oder verbraucht sein gesamtes Kontextbudget für Dateien, die er nie anfassen wird. Ein gemeldeter Fall betraf den Versuch, ein 450.000-Datei-Monorepo in den Arbeitskontext eines Agenten zu importieren, der aufgrund von Browser- und Tooling-Beschränkungen komplett scheiterte.

Das Integrationsproblem ist größer als das Kontextproblem

Umfragedaten bestätigen, dass dies keine echte Intelligenzlücke ist. Etwa 46 Prozent der Teams, die agentische Coding-Tools einsetzen, nennen die Integration mit bestehenden Systemen als ihr Haupthindernis — nicht fehlerhafte Codegenerierung, nicht Halluzinationen, sondern die Mechanik, einen Agenten sicher und zuverlässig mit echten Repositories, echten CI-Systemen und echten Deployment-Pipelines zu verbinden. Gartners eigene Prognose ist deutlich: Man erwartet, dass mehr als 40 Prozent der agentischen KI-Projekte bis Ende 2027 eingestellt werden.

Trotzdem ist die Akzeptanz nicht ins Stocken geraten. Etwa 57 Prozent der befragten Organisationen haben bereits irgendwo Coding-Agenten in Produktion, wobei große Unternehmen — genau die Organisationen, die am wahrscheinlichsten große Monorepos betreiben — die Akzeptanz anführen.

Was Teams tatsächlich dagegen unternehmen

Drei Muster zeichnen sich ab, wie Engineering-Organisationen Monorepos für den Agenteneinsatz anpassen, anstatt darauf zu warten, dass Agenten intelligenter werden.

Selektive Indexierung statt Volltext-Repo-Kontext. Statt einem Agenten das gesamte Monorepo zu füttern, bauen Teams Retrieval-Schichten, die dem Agenten nur die für die Aufgabe relevante Dateiteilmenge übergeben.

Virtuelles Sub-Repo-Schneiden. Manche Organisationen stellen agentenorientierte „Ansichten" in ein Monorepo bereit, die sich wie eigenständige, auf einen einzelnen Dienst oder ein Paket begrenzte Repositories verhalten.

Governance und Isolationsinfrastruktur vor mehr Agentenfähigkeit. Teams, die die Produktion erreichen, priorisieren Sandboxing, Berechtigungsbegrenzung und Audit-Trails für das, was ein Agent berühren darf.

Das Fazit für Engineering-Führungskräfte

Wenn Ihre Organisation mit einem Coding-Agenten in der Pilotphase feststeckt, liegt die Lösung wahrscheinlich nicht in einem besseren Modell oder einem besseren Prompt — sondern darin, neu zu überdenken, wie viel von Ihrer Codebasis der Agent für eine bestimmte Aufgabe tatsächlich sehen muss, und die Retrieval- oder Begrenzungsschicht zu bauen, die das möglich macht.