KI schreibt Code. Das wird inzwischen erwartet. Aber Planung, Security, Compliance und Deployments? Diese Lücken bleiben. Ich leite Contributor-Programme seit Jahren. Ich habe noch nie erlebt, dass eine Community so auf eine Technologie reagiert.
Deshalb haben wir GitLab Duo Agent Platform geöffnet und Entwickler(innen) weltweit eingeladen, KI-Agenten zu bauen, die Teams dabei helfen, sichere Software schneller zu liefern. Keine Chatbots, die Fragen beantworten – sondern Agenten, die in Workflows einspringen, auf Ereignisse reagieren und in deinem Auftrag handeln. Der GitLab AI Hackathon lief vom 9. Februar bis zum 25. März 2026 auf Devpost. Google Cloud und Anthropic waren Co-Sponsoren.
Als mein Team diesen Hackathon mit Google Cloud und Anthropic plante, bat ich die Juroren, vier Dinge zu bewerten: technische Umsetzung, Design, potenzielle Wirkung und Ideenqualität. Wir hatten auf starke Beteiligung gehofft. Was wir bekamen, hat uns alle überrascht. Neunzehn Juroren verbrachten 18 Tage damit, jeden Beitrag zu prüfen. Google Cloud und Anthropic stellten Juroren, Preise und Cloud-Zugang bereit. Die Community baute Hunderte von Agenten und Flows – weil sie diese Probleme lösen wollten.
Fast 7.000 Entwickler(innen) nahmen teil. Sie bauten in wenigen Wochen über 600 Agenten und Flows. Die Preise über alle Kategorien summierten sich auf 65.000 US-Dollar – bereitgestellt von GitLab, Google Cloud und Anthropic.
Wer schon einmal erlebt hat, wie ein erfahrener Engineer das Unternehmen verlässt und die Hälfte des Team-Wissens mitnimmt, weiß, warum das Gewinnerprojekt so eingeschlagen hat.
Lies weiter und erfahre, was die Community gebaut hat.
Gesamtsieger: LORE
LORE, die Living Organizational Record Engine, nutzt acht Agenten mit einem Router, der jede Frage an den richtigen Agenten weiterleitet, Logik zur Vermeidung zirkulärer Schleifen im Wissensgraphen, ein visuelles Dashboard und Carbon-Tracking. Das Kommandozeilen-Werkzeug kommt mit 43 Tests – ja, 43 Tests in einem Hackathon-Projekt.
LORE löst ein reales Problem: das Wissen, das in den Köpfen von Engineers lebt und mit ihnen geht, wenn sie das Unternehmen verlassen. In meiner Erfahrung ist ein Hackathon-Projekt mit 43 Tests eine Seltenheit. So viele Tests in einem Hackathon-Projekt sagen etwas über das Team dahinter aus.
Jurorin April Guo (Anthropic) schrieb: „Das fühlt sich wie ein Produkt an, nicht wie ein Hackathon-Projekt."
Google Cloud-Gewinner
Gitdefender gewann den Google Cloud Grand Prize. Es arbeitet innerhalb von Code-Review-Workflows, findet und behebt Sicherheitsprobleme. Es erkennt den Fehler, schreibt den Fix und öffnet den Code-Review. Kein Mensch muss eingreifen.
Aegis gewann den Google Cloud Runner Up. Es liefert KI-gestützte Erklärungen für jede Entscheidung, die es trifft – auf Google Cloud gehostet und bereit für den Produktionseinsatz.
Anthropic-Gewinner
GraphDev gewann den Anthropic Grand Prize. Es kartiert Code-Verbindungen und zeigt, wie sich Systeme im Laufe der Zeit verändern. Juror Aboobacker MK (GitLab) merkte an, es sei „synchron mit unserer Arbeit am GitLab Knowledge Graph." Juror Ayush Billore (GitLab) schrieb: „Demo und UX haben mich begeistert – extrem nützlich, um zu verstehen, wie das System sich entwickelt hat und was von Änderungen betroffen ist." Man sieht die vollständige Auswirkung einer Änderung, bevor man sie vornimmt.
DocSync gewann den Anthropic Runner Up. Es nutzt drei Agenten: Detector, Writer und Reviewer. Ist DocSync vom Fix überzeugt, öffnet es einen Code-Review. Ist es das nicht, erstellt es ein Issue für eine manuelle Prüfung.
Kategorie-Gewinner
Technisch beeindruckendste Lösung
Datenbank-Migrationen brechen Dinge. Time-Traveler erstellt eine sichere Kopie des Produktions-Setups, führt die Migration gegen diese Kopie durch und meldet das Ergebnis. Es betreibt fünf Agenten, die über eine Bridge verbunden sind – mit echtem Google Cloud-Deployment, echten PostgreSQL-Migrationen und echten Daten.
Wirkungsvollste Lösung
RedAgent prüft KI-generierte Security-Reports und schließt die Vertrauenslücke zwischen KI-Findings und Entwickleraktion. Wer KI für Security Scanning einsetzt, kennt dieses Problem. Ich habe Teams erlebt, die KI-Findings ignorierten, weil sie sie nicht verifizieren konnten. RedAgent gibt Teams eine Möglichkeit, KI-Output zu prüfen, bevor er Entwickler(innen) erreicht.
Einfachste Bedienung
Launch Control liefert ausgefeilte UX und solide Infrastruktur – und schnitt auch beim Thema Nachhaltigkeit gut ab.
Das Nachhaltigkeitssignal
Fünf Projekte gewannen Preise oder Boni für ökologische Wirkung. Software-Auslieferung hat einen Carbon-Fußabdruck durch CI/CD-Pipelines – und nun verarbeiten auch LLMs Rechenleistung im großen Maßstab. Wir haben die Green Agent-Kategorie ins Leben gerufen, um Entwickler(innen) herauszufordern, diesen Fußabdruck zu messen und zu reduzieren. Stacy Cline und Kim Buncle aus GitLabs Nachhaltigkeitsteam halfen bei der Beurteilung der Green Agent-Kategorie.
Green Agent-Preis
GreenPipe scannt CI/CD-Pipelines auf Umweltwirkung und erstellt Carbon-Footprint-Berichte. Juroren Kim Buncle und Rajesh Agadi (Google) unterstützten das Projekt.
Sustainable Design-Bonus
Sustainable Design-Boni wurden an Projekte vergeben, die außergewöhnliche Nachhaltigkeitspraktiken in ihrem Design zeigten – von Modell-Optimierungstechniken bis hin zu energieeffizienten Architekturentscheidungen.
- BugFlow verwandelte einen Bug-Report in 10 Fixes in 20 Minuten.
- DELTA Cyber Reasoning ist automatisiertes Fuzz-Testing für Security.
- CarbonLint wandte Code-Analyse auf den Energieverbrauch an.
- TFGuardian enthält unter anderem einen Carbon-Footprint-Analyser.
Herzlichen Glückwunsch an alle Gewinner des Sustainable Design-Bonus!
Juror Jens-Joris Decorte (TechWolf) zitierte das Ergebnis: Die Kosten sanken von 556 auf 18 US-Dollar pro Monat – ein Carbon-Rückgang von 96 % (das sind 538 US-Dollar monatliche Einsparung mit einem Nachhaltigkeitslabel).
Sechs Projekte wurden lobend erwähnt
Sechs Projekte erhielten Ehrenmeldungen:
- SecurityMonkey injiziert bekannte Schwachstellen in einen Test-Branch und bewertet, wie gut die Security-Scanner sie erkennen.
- stregent überwacht CI/CD-Pipelines und lässt Entwickler(innen) Fixes aus WhatsApp heraus untersuchen und mergen – ohne einen Laptop zu öffnen.
- Compliance Sentinel bewertet jeden Merge Request auf Compliance-Risiko und blockiert den Merge bei kritischen Verstößen.
- Carbon Tracker berechnet den Carbon-Fußabdruck jedes CI/CD-Pipeline-Jobs und veröffentlicht Optimierungstipps im Merge Request.
- RepoWarden ist die erste Living Specification Engine – ein KI-System, das festhält, warum Code geschrieben wurde, nicht nur was er tut.
- MR Compliance Auditor sammelt Nachweise über Merge Requests, ordnet sie SOC-2-Kontrollen zu und streamt Compliance-Scores auf ein Live-Dashboard.
Mein liebstes Zitat aus dem Judging stammte von Luca Chun Lun Lit (Anthropic), der stregents Mobile-First-Ansatz beschrieb: „Im Wesentlichen vom Handy aus programmieren zu können ist das nächste Level in der Engineering-Erfahrung."
Entdecke die über 600 Einreichungen in der Projektgalerie.
Was als Nächstes kommt
Jeder Agent in diesem Hackathon arbeitete innerhalb eines einzelnen Projekts. Die Ergebnisse waren trotzdem beeindruckend. Einige Teilnehmer betrieben einen lokalen Wissensgraphen parallel zu ihren Agenten, um Code-Beziehungen und Abhängigkeiten im Repo sichtbar zu machen. LORE erfasst Projekthistorie. Gitdefender findet Schwachstellen. Agenten mit reichhaltigerem lokalem Kontext zu kombinieren hilft Contributors bereits heute, schärfere Werkzeuge zu bauen. Der nächste Hackathon baut darauf auf. Melde dich auf contributors.gitlab.com an, um als Erster zu erfahren, wann Details bekannt gegeben werden.
Loslegen
Ein besonderer Dank gilt Lee Tickett (GitLab) und Mattias Michaux (GitLab) für die Orchestrierung der Orchestratoren und Innovatoren hinter diesem Hackathon!
Danke an alle, die ein Projekt eingereicht haben. Fast 7.000 von euch haben gezeigt, was GitLab Duo Agent Platform kann, wenn eine Community beschließt zu bauen. Ich bin stolz auf das, was ihr hier gebaut habt – und ich kann es kaum erwarten zu sehen, was ihr als Nächstes baut.
Baue deinen eigenen Agenten auf GitLab Duo Agent Platform. Entdecke Community-gebaute Agenten im AI Catalog. Du orchestrierst. KI beschleunigt.
