[{"data":1,"prerenderedAt":828},["ShallowReactive",2],{"/de-de/blog/gitlab-duo-self-hosted-models-on-aws-bedrock":3,"navigation-de-de":41,"banner-de-de":455,"footer-de-de":465,"blog-post-authors-de-de-Chloe Cartron|Olivier Dupré":701,"blog-related-posts-de-de-gitlab-duo-self-hosted-models-on-aws-bedrock":728,"blog-promotions-de-de":766,"next-steps-de-de":818},{"id":4,"title":5,"authorSlugs":6,"authors":9,"body":12,"category":13,"categorySlug":13,"config":14,"content":18,"date":25,"description":19,"extension":26,"externalUrl":27,"featured":15,"heroImage":21,"isFeatured":15,"meta":28,"navigation":15,"path":29,"publishedDate":25,"rawbody":30,"seo":31,"slug":17,"stem":35,"tagSlugs":36,"tags":39,"template":16,"updatedDate":27,"__hash__":40},"blogPosts/de-de/blog/gitlab-duo-self-hosted-models-on-aws-bedrock.yml","Datensouveränität sichern – durch Self-Hosted GitLab Duo",[7,8],"chloe-cartron","olivier-dupr",[10,11],"Chloe Cartron","Olivier Dupré","Unternehmen stehen beim Einsatz von KI-Fähigkeiten zur Beschleunigung  des Software-Entwicklungszyklus vor einer kritischen Herausforderung:  Wie lassen sich KI-Funktionen nutzen und gleichzeitig die Kontrolle über  Daten, Infrastruktur und Sicherheitsarchitektur bewahren? [GitLab Duo  Self-Hosted](https://about.gitlab.com/de-de/gitlab-duo-agent-platform/) bietet hierfür eine Lösung.\nDieser Artikel beschreibt die Implementierung von GitLab Duo Self-Hosted-Modellen.  Der systematische Leitfaden richtet sich an Unternehmen mit strengen  Datensouveränitätsanforderungen, die dennoch KI-gestützte Entwicklung nutzen  möchten. Der Fokus liegt auf Modellen, die auf AWS Bedrock gehostet werden,  anstatt eine [LLM](https://about.gitlab.com/de-de/blog/what-is-a-large-language-model-llm/)-Serving-Lösung  wie vLLM einzurichten. Die Methodik lässt sich jedoch auf Modelle übertragen,  die im eigenen Rechenzentrum betrieben werden.\n## Warum GitLab Duo Self-Hosted?\nGitLab Duo Self-Hosted ermöglicht die Bereitstellung von GitLabs KI-Fähigkeiten  vollständig in der eigenen Infrastruktur – On-Premises, in einer Private Cloud  oder in abgesicherten Umgebungen.\n\nZentrale Vorteile:\n* **Vollständige Datenkontrolle:** Sensibler Code und geistiges Eigentum  verbleiben im eigenen Sicherheitsperimeter. Daten verlassen die Umgebung nicht.\n* **Modellflexibilität:** Auswahl aus verschiedenen Modellen für spezifische  Leistungsanforderungen und Anwendungsfälle, darunter Anthropic Claude, Meta Llama,  Mistral-Familien und OpenAI GPT-Familien.\n* **Compliance-Konformität:** Unterstützung bei der Erfüllung regulatorischer  Anforderungen in stark regulierten Branchen, in denen Daten innerhalb spezifischer  geografischer Grenzen verbleiben müssen.\n* **Anpassbarkeit:** Konfiguration, welche GitLab Duo-Funktionen welche  spezifischen Modelle nutzen – zur Optimierung von Leistung und Kosten.\n* **Bereitstellungsflexibilität:** Deployment in vollständig luftspalt-isolierten  Umgebungen, On-Premises oder in abgesicherten Cloud-Umgebungen.\n\n## Architektur-Überblick\nDie GitLab Duo Self-Hosted-Lösung besteht aus drei Kernkomponenten:\n1. **Self-Managed GitLab-Instanz**: Die bestehende GitLab-Instanz, in der  Anwenderteams mit GitLab Duo-Funktionen interagieren.\n2. **AI Gateway**: Service, der Anfragen zwischen GitLab und dem gewählten  LLM-Backend routet.\n3. **LLM-Backend**: Der eigentliche KI-Modell-Service – in diesem Artikel  AWS Bedrock.\n**Hinweis:** Es lässt sich auch [eine andere Serving-Plattform](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_llm_serving_platforms/)  verwenden, beispielsweise bei On-Premises-Betrieb oder anderen Cloud-Anbietern.\n\n![Netzwerk-Flussdiagramm für Air-Gapped-Architektur](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422792/jws4h2kakflfrczftypj.png)\n\n> **FÜR COMPLIANCE-VERANTWORTLICHE: Datensouveränität und regulatorische Anforderungen** > > GitLab Duo Self-Hosted ermöglicht die vollständige Bereitstellung von KI-Fähigkeiten  > in der eigenen Infrastruktur – ohne Datenübertragung an externe Dienste. Dies kann  > Unternehmen bei der Erfüllung von Datenschutz- und Compliance-Anforderungen unterstützen. > > **Bereitstellungsoptionen für verschiedene Compliance-Level:** > - **Air-Gapped:** Vollständige Netzwerkisolierung für Hochsicherheitsumgebungen (beispielsweise Behörden, Verteidigung, kritische Infrastrukturen) > - **On-Premises:** vLLM-basierte Bereitstellung für vollständige Infrastrukturkontrolle ohne Cloud-Abhängigkeit > - **Private Cloud:** AWS Bedrock oder Azure OpenAI, beispielsweise in europäischen Rechenzentren für Hybrid-Szenarien > > Audit-Trails lassen sich über CloudWatch und S3 dokumentieren.  > Weitere Informationen: [GitLab Duo Self-Hosted Dokumentation](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/)  > und [Datenschutz bei GitLab Duo](https://docs.gitlab.com/user/gitlab_duo/data_usage/).\n\n## Voraussetzungen\nVor Beginn werden benötigt:\n* GitLab Premium- oder Ultimate-Instanz (Version 17.10 oder neuer)  \n\n  * Empfohlen wird die neueste GitLab-Version, da kontinuierlich neue Funktionen bereitgestellt werden.\n\n* GitLab Duo Enterprise Add-on-Lizenz  \n* AWS-Konto mit Zugriff auf Bedrock-Modelle *oder API-Schlüssel und Zugangsdaten für das eigene LLM-Serving-Modell*\n\n**Hinweis:** GitLab-Neukunden können sich für eine [kostenlose Testversion von GitLab Ultimate](https://about.gitlab.com/de-de/free-trial/)  registrieren, die GitLab Duo Enterprise einschließt.\n## Implementierungsschritte\n**1. AI Gateway installieren**\n\nDas AI Gateway routet Anfragen zwischen der GitLab-Instanz und der LLM-Serving-Infrastruktur –  hier AWS Bedrock. Es lässt sich in einem Docker-Image betreiben. Die [Installationsdokumentation](https://docs.gitlab.com/install/install_ai_gateway/)  beschreibt den Einstieg. \n\nFür dieses Beispiel mit AWS Bedrock müssen AWS Key ID, Secret Access Key und  AWS-Region übergeben werden:\n\nAIGW_TAG=self-hosted-v18.1.2-ee docker run -d -p 5052:5052 \\\n  -e AIGW_GITLAB_URL=\u003Cyour_gitlab_instance> \\\n  -e AIGW_GITLAB_API_URL=https://\u003Cyour_gitlab_domain>/api/v4/ \\\n  -e AWS_ACCESS_KEY_ID=$AWS_KEY_ID \\\n  -e AWS_SECRET_ACCESS_KEY=$AWS_SECRET_ACCESS_KEY \\\n  -e AWS_REGION_NAME=$AWS_REGION_NAME \\\n  registry.gitlab.com/gitlab-org/modelops/applied-ml/code-suggestions/ai-assist/model-gateway:$AIGW_TAG\n\nDie [`AIGW_TAG`-Liste](https://gitlab.com/gitlab-org/modelops/applied-ml/code-suggestions/ai-assist/-/tags)  zeigt verfügbare Versionen.\n\nIn diesem Beispiel wird Docker verwendet. Alternativ lässt sich das Helm-Chart nutzen.  Die [Installationsdokumentation](https://docs.gitlab.com/install/install_ai_gateway/#install-by-using-helm-chart)  enthält weitere Informationen.\n\n**2. GitLab für AI Gateway-Zugriff konfigurieren**\n![GitLab für AI Gateway-Zugriff konfigurieren](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422792/xj9kvljkqsacpsw41k4a.png)\nNach Start des AI Gateway lässt sich die GitLab-Instanz für dessen Verwendung konfigurieren:\n\n  - In der linken Seitenleiste unten **Admin** auswählen  \n\n  - **GitLab Duo** auswählen  \n\n  - Im GitLab Duo-Bereich **Change configuration** auswählen  \n\n  - Unter \"Local AI Gateway URL\" die URL für das AI Gateway und den Port des Containers \n  eingeben (beispielsweise `https://ai-gateway.example.com:5052`)\n  \n  - **Save changes** auswählen\n\n\n**3. Zugriff auf Modelle von AWS Bedrock anfordern** \n\nAls Nächstes wird Zugriff auf die verfügbaren Modelle in AWS Bedrock benötigt:\n\n\n  - Zum AWS-Konto und Bedrock navigieren  \n\n  - Unter **Model access** die gewünschten Modelle auswählen und den Anweisungen \n  zum Zugriff folgen\n\n\nDie [AWS Bedrock-Dokumentation](https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started.html)  enthält weitere Informationen.\n\n**4. Self-Hosted-Modell konfigurieren**\nNun lässt sich ein spezifisches AWS Bedrock-Modell für GitLab Duo konfigurieren:\n![Bildschirm \"Self-Hosted-Modell hinzufügen\"](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422792/chrlgdvxwdetcszptsav.png)\n\n  - In der linken Seitenleiste unten **Admin** auswählen  \n\n  - **GitLab Duo Self-Hosted** auswählen  \n\n  - **Add self-hosted model** auswählen\n  \n  - Felder ausfüllen:  \n    * **Deployment name**: Name zur Identifikation dieser Modellkonfiguration (beispielsweise \"Mixtral 8x7B\")  \n    * **Platform:** AWS Bedrock auswählen  \n    * **Model family:** Modell auswählen, beispielsweise \"Mixtral\"  \n    * **Model identifier:** bedrock/`model-identifier` [aus der unterstützten Liste](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/)\n    \n  - **Create self-hosted model** auswählen\n\n\n**5. GitLab Duo-Funktionen für Self-Hosted-Modell konfigurieren**\n\nNach Konfiguration des Modells lässt es sich spezifischen GitLab Duo-Funktionen zuweisen:\n![Bildschirm zur Konfiguration der Self-Hosted-Modell-Funktionen](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422793/an2i9s2p9cja2xx27g4z.png)\n\n  - In der linken Seitenleiste unten **Admin** auswählen  \n\n  - **GitLab Duo Self-Hosted** auswählen  \n\n  - Tab **AI-powered features** auswählen  \n\n  - Für jede Funktion (beispielsweise Code Suggestions, GitLab Duo Chat) und \n  Unterfunktion (beispielsweise Code Generation, Explain Code) das gerade \n  konfigurierte Modell aus dem Dropdown-Menü auswählen\n\n\nBeispielsweise lässt sich Mixtral 8x7B für Code Generation-Aufgaben und  Claude 3 Sonnet für die GitLab Duo Chat-Funktion zuweisen.\nDie [Anforderungsdokumentation](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/)  hilft bei der Auswahl des richtigen Modells für den Anwendungsfall aus der  Modellkompatibilitätsliste pro Duo-Funktion. \n## Setup verifizieren\nZur Sicherstellung, dass die GitLab Duo Self-Hosted-Implementierung mit  AWS Bedrock korrekt funktioniert, diese Verifikationsschritte durchführen:\n**1. Health-Check durchführen**\nNach Ausführung des Health-Checks des Modells zum GitLab Duo-Bereich in der  Admin-Seite zurückkehren und **Run health check** anklicken. Dies verifiziert:\n* AI Gateway-URL ist korrekt konfiguriert  \n* Die Instanz kann sich mit dem AI Gateway verbinden  \n* Die Duo-Lizenz ist aktiviert   \n* Ein Modell ist Code Suggestions zugewiesen – *da dieses Modell zum Testen  der Verbindung verwendet wird*\n\n![Health-Check ausführen](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422793/yffw21yhjpwummw1ffsw.png)\n\nBei Problemen im Health-Check die [Troubleshooting-Anleitung](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/troubleshooting/)  für häufige Fehler konsultieren. \n\n**2. GitLab Duo-Funktionen testen**\nEinige GitLab Duo-Funktionen ausprobieren:\n* In der Benutzeroberfläche GitLab Duo Chat öffnen und eine Frage stellen  \n* Die Web-IDE öffnen  \n  * Neue Code-Datei erstellen und prüfen, ob Code Suggestions erscheint  \n  * Code-Snippet auswählen und `/explain`-Befehl verwenden, um eine Erklärung \n  von Duo Chat zu erhalten\n\n**3. AI Gateway-Logs prüfen**\nAI Gateway-Logs prüfen, um Anfragen vom ausgewählten Modell zu sehen:\nIm Terminal ausführen:\n\n    docker logs \u003Cai-gateway-container-id>\n\nOptional: In AWS lassen sich [CloudWatch und S3 als Log-Ziele aktivieren](https://docs.aws.amazon.com/bedrock/latest/userguide/model-invocation-logging.html).  Dies ermöglicht das Anzeigen aller Anfragen, Prompts und Antworten in CloudWatch.\n**Warnung:** Die Aktivierung dieser Logs in AWS protokolliert Nutzerdaten,  was möglicherweise nicht mit Datenschutzregeln vereinbar ist.\nDamit steht vollständiger Zugriff auf GitLab Duos KI-Funktionen plattformweit  zur Verfügung – bei vollständiger Kontrolle über den Datenfluss in der  abgesicherten Umgebung.\n## Nächste Schritte\n### Das richtige Modell für jeden Anwendungsfall auswählen\nDas GitLab-Team testet systematisch die Leistung jedes Modells für jede Funktion  und stellt [Tier-Rankings für Modellleistung und Eignung je nach Funktionalität](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/#supported-models)  bereit:\n- Vollständig kompatibel: Das Modell kann die Funktion voraussichtlich ohne  Qualitätsverlust handhaben  \n- Weitgehend kompatibel: Das Modell unterstützt die Funktion, jedoch mit  möglichen Kompromissen oder Einschränkungen  \n- Nicht kompatibel: Das Modell ist für die Funktion ungeeignet und führt  wahrscheinlich zu signifikantem Qualitätsverlust oder Leistungsproblemen\nZum Zeitpunkt der Veröffentlichung lassen sich die meisten GitLab Duo-Funktionen  mit Self-Hosted konfigurieren. Die vollständige Verfügbarkeitsübersicht findet  sich in der [Dokumentation](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/#supported-gitlab-duo-features). \n### Über AWS Bedrock hinaus\nWährend sich dieser Leitfaden auf AWS Bedrock-Integration konzentriert,  unterstützt GitLab Duo Self-Hosted mehrere Bereitstellungsoptionen:\n1. [On-Premises mit vLLM](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_llm_serving_platforms/#vllm):  Modelle lokal mit vLLM für vollständig luftspalt-isolierte Umgebungen betreiben  \n2. [Azure OpenAI Service](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_llm_serving_platforms/#for-cloud-hosted-model-deployments):  Ähnlich wie AWS Bedrock lässt sich Azure OpenAI für Modelle wie GPT-4 verwenden\n## Zusammenfassung\nGitLab Duo Self-Hosted bietet eine umfassende Lösung für Unternehmen, die  KI-gestützte Entwicklungswerkzeuge benötigen und gleichzeitig strikte Kontrolle  über Daten und Infrastruktur wahren. Durch Befolgen dieses Implementierungsleitfadens  lässt sich eine robuste Lösung bereitstellen, die Sicherheits- und  Compliance-Anforderungen unterstützt – ohne Kompromisse bei den erweiterten  Fähigkeiten, die KI in den Software-Entwicklungszyklus einbringt.\nFür Unternehmen mit strengen Sicherheits- und Compliance-Anforderungen  ermöglicht GitLab Duo Self-Hosted die Nutzung von KI-Fähigkeiten bei  gleichzeitiger Absicherung von Code und geistigem Eigentum innerhalb der  eigenen Grenzen.\nWeitere Informationen zur Implementierung von GitLab Duo Self-Hosted:  [GitLab-Vertrieb kontaktieren](https://about.gitlab.com/de-de/sales/) oder  [Dokumentation besuchen](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/).\n","ai-ml",{"featured":15,"template":16,"slug":17},true,"BlogPost","gitlab-duo-self-hosted-models-on-aws-bedrock",{"title":5,"description":19,"authors":20,"heroImage":21,"body":12,"category":13,"tags":22,"date":25},"GitLab Duo selbst hosten für Datenkontrolle. Systematische Bereitstellung mit AWS Bedrock, vLLM oder Air-Gapped – für Compliance-Anforderungen.",[10,11],"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750098682/Blog/Hero%20Images/Blog/Hero%20Images/duo-blog-post_1Cy89R1pY8OMwyrgSB525O_1750098682075.png",[23,24],"AI/ML","AWS","2025-11-21","yml",null,{},"/de-de/blog/gitlab-duo-self-hosted-models-on-aws-bedrock","seo:\n  config:\n    noIndex: false\n  title: 'Datensouveränität sichern – durch Self-Hosted GitLab Duo'\n  description: 'KI-Fähigkeiten nutzen bei vollständiger Kontrolle über Daten und\n    Infrastruktur. Self-Hosted-Bereitstellung für Air-Gapped-, On-Premises- und EU-Cloud-Umgebungen.'\ncontent:\n  title: 'Datensouveränität sichern – durch Self-Hosted GitLab Duo'\n  description: 'GitLab Duo selbst hosten für Datenkontrolle. Systematische\n    Bereitstellung mit AWS Bedrock, vLLM oder Air-Gapped – für Compliance-Anforderungen.'\n  authors:\n    - Chloe Cartron\n    - Olivier Dupré\n  heroImage: https://res.cloudinary.com/about-gitlab-com/image/upload/v1750098682/Blog/Hero%20Images/Blog/Hero%20Images/duo-blog-post_1Cy89R1pY8OMwyrgSB525O_1750098682075.png\n  body: >\n    Unternehmen stehen beim Einsatz von KI-Fähigkeiten zur Beschleunigung \n    des Software-Entwicklungszyklus vor einer kritischen Herausforderung: \n    Wie lassen sich KI-Funktionen nutzen und gleichzeitig die Kontrolle über \n    Daten, Infrastruktur und Sicherheitsarchitektur bewahren? [GitLab Duo \n    Self-Hosted](https://about.gitlab.com/de-de/gitlab-duo-agent-platform/) bietet hierfür eine Lösung.\n\n    Dieser Artikel beschreibt die Implementierung von GitLab Duo Self-Hosted-Modellen. \n    Der systematische Leitfaden richtet sich an Unternehmen mit strengen \n    Datensouveränitätsanforderungen, die dennoch KI-gestützte Entwicklung nutzen \n    möchten. Der Fokus liegt auf Modellen, die auf AWS Bedrock gehostet werden, \n    anstatt eine [LLM](https://about.gitlab.com/de-de/blog/what-is-a-large-language-model-llm/)-Serving-Lösung \n    wie vLLM einzurichten. Die Methodik lässt sich jedoch auf Modelle übertragen, \n    die im eigenen Rechenzentrum betrieben werden.\n\n    ## Warum GitLab Duo Self-Hosted?\n\n    GitLab Duo Self-Hosted ermöglicht die Bereitstellung von GitLabs KI-Fähigkeiten \n    vollständig in der eigenen Infrastruktur – On-Premises, in einer Private Cloud \n    oder in abgesicherten Umgebungen.\n\n\n    Zentrale Vorteile:\n\n    * **Vollständige Datenkontrolle:** Sensibler Code und geistiges Eigentum \n    verbleiben im eigenen Sicherheitsperimeter. Daten verlassen die Umgebung nicht.\n\n    * **Modellflexibilität:** Auswahl aus verschiedenen Modellen für spezifische \n    Leistungsanforderungen und Anwendungsfälle, darunter Anthropic Claude, Meta Llama, \n    Mistral-Familien und OpenAI GPT-Familien.\n\n    * **Compliance-Konformität:** Unterstützung bei der Erfüllung regulatorischer \n    Anforderungen in stark regulierten Branchen, in denen Daten innerhalb spezifischer \n    geografischer Grenzen verbleiben müssen.\n\n    * **Anpassbarkeit:** Konfiguration, welche GitLab Duo-Funktionen welche \n    spezifischen Modelle nutzen – zur Optimierung von Leistung und Kosten.\n\n    * **Bereitstellungsflexibilität:** Deployment in vollständig luftspalt-isolierten \n    Umgebungen, On-Premises oder in abgesicherten Cloud-Umgebungen.\n\n\n    ## Architektur-Überblick\n\n    Die GitLab Duo Self-Hosted-Lösung besteht aus drei Kernkomponenten:\n\n    1. **Self-Managed GitLab-Instanz**: Die bestehende GitLab-Instanz, in der \n    Anwenderteams mit GitLab Duo-Funktionen interagieren.\n\n    2. **AI Gateway**: Service, der Anfragen zwischen GitLab und dem gewählten \n    LLM-Backend routet.\n\n    3. **LLM-Backend**: Der eigentliche KI-Modell-Service – in diesem Artikel \n    AWS Bedrock.\n\n    **Hinweis:** Es lässt sich auch [eine andere Serving-Plattform](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_llm_serving_platforms/) \n    verwenden, beispielsweise bei On-Premises-Betrieb oder anderen Cloud-Anbietern.\n\n\n    ![Netzwerk-Flussdiagramm für Air-Gapped-Architektur](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422792/jws4h2kakflfrczftypj.png)\n\n\n    > **FÜR COMPLIANCE-VERANTWORTLICHE: Datensouveränität und regulatorische Anforderungen**\n    >\n    > GitLab Duo Self-Hosted ermöglicht die vollständige Bereitstellung von KI-Fähigkeiten \n    > in der eigenen Infrastruktur – ohne Datenübertragung an externe Dienste. Dies kann \n    > Unternehmen bei der Erfüllung von Datenschutz- und Compliance-Anforderungen unterstützen.\n    >\n    > **Bereitstellungsoptionen für verschiedene Compliance-Level:**\n    > - **Air-Gapped:** Vollständige Netzwerkisolierung für Hochsicherheitsumgebungen (beispielsweise Behörden, Verteidigung, kritische Infrastrukturen)\n    > - **On-Premises:** vLLM-basierte Bereitstellung für vollständige Infrastrukturkontrolle ohne Cloud-Abhängigkeit\n    > - **Private Cloud:** AWS Bedrock oder Azure OpenAI, beispielsweise in europäischen Rechenzentren für Hybrid-Szenarien\n    >\n    > Audit-Trails lassen sich über CloudWatch und S3 dokumentieren. \n    > Weitere Informationen: [GitLab Duo Self-Hosted Dokumentation](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/) \n    > und [Datenschutz bei GitLab Duo](https://docs.gitlab.com/user/gitlab_duo/data_usage/).\n\n\n    ## Voraussetzungen\n\n    Vor Beginn werden benötigt:\n\n    * GitLab Premium- oder Ultimate-Instanz (Version 17.10 oder neuer)  \n\n      * Empfohlen wird die neueste GitLab-Version, da kontinuierlich neue Funktionen bereitgestellt werden.\n\n    * GitLab Duo Enterprise Add-on-Lizenz  \n\n    * AWS-Konto mit Zugriff auf Bedrock-Modelle *oder API-Schlüssel und Zugangsdaten für das eigene LLM-Serving-Modell*\n\n\n    **Hinweis:** GitLab-Neukunden können sich für eine [kostenlose Testversion von GitLab Ultimate](https://about.gitlab.com/de-de/free-trial/) \n    registrieren, die GitLab Duo Enterprise einschließt.\n\n    ## Implementierungsschritte\n\n    **1. AI Gateway installieren**\n\n\n    Das AI Gateway routet Anfragen zwischen der GitLab-Instanz und der LLM-Serving-Infrastruktur – \n    hier AWS Bedrock. Es lässt sich in einem Docker-Image betreiben. Die [Installationsdokumentation](https://docs.gitlab.com/install/install_ai_gateway/) \n    beschreibt den Einstieg. \n\n\n    Für dieses Beispiel mit AWS Bedrock müssen AWS Key ID, Secret Access Key und \n    AWS-Region übergeben werden:\n\n\n    AIGW_TAG=self-hosted-v18.1.2-ee\n    docker run -d -p 5052:5052 \\\n      -e AIGW_GITLAB_URL=\u003Cyour_gitlab_instance> \\\n      -e AIGW_GITLAB_API_URL=https://\u003Cyour_gitlab_domain>/api/v4/ \\\n      -e AWS_ACCESS_KEY_ID=$AWS_KEY_ID \\\n      -e AWS_SECRET_ACCESS_KEY=$AWS_SECRET_ACCESS_KEY \\\n      -e AWS_REGION_NAME=$AWS_REGION_NAME \\\n      registry.gitlab.com/gitlab-org/modelops/applied-ml/code-suggestions/ai-assist/model-gateway:$AIGW_TAG\n\n    Die [`AIGW_TAG`-Liste](https://gitlab.com/gitlab-org/modelops/applied-ml/code-suggestions/ai-assist/-/tags) \n    zeigt verfügbare Versionen.\n\n\n    In diesem Beispiel wird Docker verwendet. Alternativ lässt sich das Helm-Chart nutzen. \n    Die [Installationsdokumentation](https://docs.gitlab.com/install/install_ai_gateway/#install-by-using-helm-chart) \n    enthält weitere Informationen.\n\n\n    **2. GitLab für AI Gateway-Zugriff konfigurieren**\n\n    ![GitLab für AI Gateway-Zugriff konfigurieren](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422792/xj9kvljkqsacpsw41k4a.png)\n\n    Nach Start des AI Gateway lässt sich die GitLab-Instanz für dessen Verwendung konfigurieren:\n\n      - In der linken Seitenleiste unten **Admin** auswählen  \n\n      - **GitLab Duo** auswählen  \n\n      - Im GitLab Duo-Bereich **Change configuration** auswählen  \n\n      - Unter \"Local AI Gateway URL\" die URL für das AI Gateway und den Port des Containers \n      eingeben (beispielsweise `https://ai-gateway.example.com:5052`)\n      \n      - **Save changes** auswählen\n\n\n    **3. Zugriff auf Modelle von AWS Bedrock anfordern** \n\n\n    Als Nächstes wird Zugriff auf die verfügbaren Modelle in AWS Bedrock benötigt:\n\n\n      - Zum AWS-Konto und Bedrock navigieren  \n\n      - Unter **Model access** die gewünschten Modelle auswählen und den Anweisungen \n      zum Zugriff folgen\n\n\n    Die [AWS Bedrock-Dokumentation](https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started.html) \n    enthält weitere Informationen.\n\n\n    **4. Self-Hosted-Modell konfigurieren**\n\n    Nun lässt sich ein spezifisches AWS Bedrock-Modell für GitLab Duo konfigurieren:\n\n    ![Bildschirm \"Self-Hosted-Modell hinzufügen\"](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422792/chrlgdvxwdetcszptsav.png)\n\n      - In der linken Seitenleiste unten **Admin** auswählen  \n\n      - **GitLab Duo Self-Hosted** auswählen  \n\n      - **Add self-hosted model** auswählen\n      \n      - Felder ausfüllen:  \n        * **Deployment name**: Name zur Identifikation dieser Modellkonfiguration (beispielsweise \"Mixtral 8x7B\")  \n        * **Platform:** AWS Bedrock auswählen  \n        * **Model family:** Modell auswählen, beispielsweise \"Mixtral\"  \n        * **Model identifier:** bedrock/`model-identifier` [aus der unterstützten Liste](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/)\n        \n      - **Create self-hosted model** auswählen\n\n\n    **5. GitLab Duo-Funktionen für Self-Hosted-Modell konfigurieren**\n\n\n    Nach Konfiguration des Modells lässt es sich spezifischen GitLab Duo-Funktionen zuweisen:\n\n    ![Bildschirm zur Konfiguration der Self-Hosted-Modell-Funktionen](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422793/an2i9s2p9cja2xx27g4z.png)\n\n      - In der linken Seitenleiste unten **Admin** auswählen  \n\n      - **GitLab Duo Self-Hosted** auswählen  \n\n      - Tab **AI-powered features** auswählen  \n\n      - Für jede Funktion (beispielsweise Code Suggestions, GitLab Duo Chat) und \n      Unterfunktion (beispielsweise Code Generation, Explain Code) das gerade \n      konfigurierte Modell aus dem Dropdown-Menü auswählen\n\n\n    Beispielsweise lässt sich Mixtral 8x7B für Code Generation-Aufgaben und \n    Claude 3 Sonnet für die GitLab Duo Chat-Funktion zuweisen.\n\n    Die [Anforderungsdokumentation](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/) \n    hilft bei der Auswahl des richtigen Modells für den Anwendungsfall aus der \n    Modellkompatibilitätsliste pro Duo-Funktion. \n\n    ## Setup verifizieren\n\n    Zur Sicherstellung, dass die GitLab Duo Self-Hosted-Implementierung mit \n    AWS Bedrock korrekt funktioniert, diese Verifikationsschritte durchführen:\n\n    **1. Health-Check durchführen**\n\n    Nach Ausführung des Health-Checks des Modells zum GitLab Duo-Bereich in der \n    Admin-Seite zurückkehren und **Run health check** anklicken. Dies verifiziert:\n\n    * AI Gateway-URL ist korrekt konfiguriert  \n\n    * Die Instanz kann sich mit dem AI Gateway verbinden  \n\n    * Die Duo-Lizenz ist aktiviert   \n\n    * Ein Modell ist Code Suggestions zugewiesen – *da dieses Modell zum Testen \n    der Verbindung verwendet wird*\n\n\n    ![Health-Check ausführen](https://res.cloudinary.com/about-gitlab-com/image/upload/v1754422793/yffw21yhjpwummw1ffsw.png)\n\n\n    Bei Problemen im Health-Check die [Troubleshooting-Anleitung](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/troubleshooting/) \n    für häufige Fehler konsultieren. \n\n\n    **2. GitLab Duo-Funktionen testen**\n\n    Einige GitLab Duo-Funktionen ausprobieren:\n\n    * In der Benutzeroberfläche GitLab Duo Chat öffnen und eine Frage stellen  \n\n    * Die Web-IDE öffnen  \n      * Neue Code-Datei erstellen und prüfen, ob Code Suggestions erscheint  \n      * Code-Snippet auswählen und `/explain`-Befehl verwenden, um eine Erklärung \n      von Duo Chat zu erhalten\n\n    **3. AI Gateway-Logs prüfen**\n\n    AI Gateway-Logs prüfen, um Anfragen vom ausgewählten Modell zu sehen:\n\n    Im Terminal ausführen:\n\n        docker logs \u003Cai-gateway-container-id>\n\n    Optional: In AWS lassen sich [CloudWatch und S3 als Log-Ziele aktivieren](https://docs.aws.amazon.com/bedrock/latest/userguide/model-invocation-logging.html). \n    Dies ermöglicht das Anzeigen aller Anfragen, Prompts und Antworten in CloudWatch.\n\n    **Warnung:** Die Aktivierung dieser Logs in AWS protokolliert Nutzerdaten, \n    was möglicherweise nicht mit Datenschutzregeln vereinbar ist.\n\n    Damit steht vollständiger Zugriff auf GitLab Duos KI-Funktionen plattformweit \n    zur Verfügung – bei vollständiger Kontrolle über den Datenfluss in der \n    abgesicherten Umgebung.\n\n    ## Nächste Schritte\n\n    ### Das richtige Modell für jeden Anwendungsfall auswählen\n\n    Das GitLab-Team testet systematisch die Leistung jedes Modells für jede Funktion \n    und stellt [Tier-Rankings für Modellleistung und Eignung je nach Funktionalität](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_models_and_hardware_requirements/#supported-models) \n    bereit:\n\n    - Vollständig kompatibel: Das Modell kann die Funktion voraussichtlich ohne \n    Qualitätsverlust handhaben  \n\n    - Weitgehend kompatibel: Das Modell unterstützt die Funktion, jedoch mit \n    möglichen Kompromissen oder Einschränkungen  \n\n    - Nicht kompatibel: Das Modell ist für die Funktion ungeeignet und führt \n    wahrscheinlich zu signifikantem Qualitätsverlust oder Leistungsproblemen\n\n    Zum Zeitpunkt der Veröffentlichung lassen sich die meisten GitLab Duo-Funktionen \n    mit Self-Hosted konfigurieren. Die vollständige Verfügbarkeitsübersicht findet \n    sich in der [Dokumentation](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/#supported-gitlab-duo-features). \n\n    ### Über AWS Bedrock hinaus\n\n    Während sich dieser Leitfaden auf AWS Bedrock-Integration konzentriert, \n    unterstützt GitLab Duo Self-Hosted mehrere Bereitstellungsoptionen:\n\n    1. [On-Premises mit vLLM](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_llm_serving_platforms/#vllm): \n    Modelle lokal mit vLLM für vollständig luftspalt-isolierte Umgebungen betreiben  \n\n    2. [Azure OpenAI Service](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/supported_llm_serving_platforms/#for-cloud-hosted-model-deployments): \n    Ähnlich wie AWS Bedrock lässt sich Azure OpenAI für Modelle wie GPT-4 verwenden\n\n    ## Zusammenfassung\n\n    GitLab Duo Self-Hosted bietet eine umfassende Lösung für Unternehmen, die \n    KI-gestützte Entwicklungswerkzeuge benötigen und gleichzeitig strikte Kontrolle \n    über Daten und Infrastruktur wahren. Durch Befolgen dieses Implementierungsleitfadens \n    lässt sich eine robuste Lösung bereitstellen, die Sicherheits- und \n    Compliance-Anforderungen unterstützt – ohne Kompromisse bei den erweiterten \n    Fähigkeiten, die KI in den Software-Entwicklungszyklus einbringt.\n\n    Für Unternehmen mit strengen Sicherheits- und Compliance-Anforderungen \n    ermöglicht GitLab Duo Self-Hosted die Nutzung von KI-Fähigkeiten bei \n    gleichzeitiger Absicherung von Code und geistigem Eigentum innerhalb der \n    eigenen Grenzen.\n\n    Weitere Informationen zur Implementierung von GitLab Duo Self-Hosted: \n    [GitLab-Vertrieb kontaktieren](https://about.gitlab.com/de-de/sales/) oder \n    [Dokumentation besuchen](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/).\n  category: ai-ml\n  tags:\n    - AI/ML\n    - AWS\n  date: '2025-11-21'\nconfig:\n  featured: true\n  template: BlogPost\n  slug: gitlab-duo-self-hosted-models-on-aws-bedrock\n",{"config":32,"title":5,"description":34},{"noIndex":33},false,"KI-Fähigkeiten nutzen bei vollständiger Kontrolle über Daten und Infrastruktur. Self-Hosted-Bereitstellung für Air-Gapped-, On-Premises- und EU-Cloud-Umgebungen.","de-de/blog/gitlab-duo-self-hosted-models-on-aws-bedrock",[37,38],"aiml","aws",[23,24],"HGDairGSdfPEQuGgCBU_mStVISvlrN8i6vkVmcJPXFA",{"data":42},{"logo":43,"freeTrial":48,"sales":53,"login":58,"items":63,"search":373,"minimal":407,"duo":425,"switchNav":434,"pricingDeployment":445},{"config":44},{"href":45,"dataGaName":46,"dataGaLocation":47},"/de-de/","gitlab logo","header",{"text":49,"config":50},"Kostenlose Testversion anfordern",{"href":51,"dataGaName":52,"dataGaLocation":47},"https://gitlab.com/-/trial_registrations/new?glm_source=about.gitlab.com/de-de&glm_content=default-saas-trial/","free trial",{"text":54,"config":55},"Vertrieb kontaktieren",{"href":56,"dataGaName":57,"dataGaLocation":47},"/de-de/sales/","sales",{"text":59,"config":60},"Anmelden",{"href":61,"dataGaName":62,"dataGaLocation":47},"https://gitlab.com/users/sign_in/","sign in",[64,91,188,193,294,354],{"text":65,"config":66,"cards":68},"Plattform",{"dataNavLevelOne":67},"platform",[69,75,83],{"title":65,"description":70,"link":71},"Die intelligente Orchestrierungsplattform für DevSecOps",{"text":72,"config":73},"Die Plattform erkunden",{"href":74,"dataGaName":67,"dataGaLocation":47},"/de-de/platform/",{"title":76,"description":77,"link":78},"GitLab Duo Agent Platform","Agentische KI für den gesamten Software-Lebenszyklus",{"text":79,"config":80},"Lerne GitLab Duo kennen",{"href":81,"dataGaName":82,"dataGaLocation":47},"/de-de/gitlab-duo-agent-platform/","gitlab duo agent platform",{"title":84,"description":85,"link":86},"Warum GitLab?","Erfahre, warum sich Unternehmen für GitLab entscheiden",{"text":87,"config":88},"Mehr erfahren",{"href":89,"dataGaName":90,"dataGaLocation":47},"/de-de/why-gitlab/","why gitlab",{"text":92,"left":15,"config":93,"link":95,"lists":99,"footer":170},"Produkt",{"dataNavLevelOne":94},"solutions",{"text":96,"config":97},"Alle Lösungen anzeigen",{"href":98,"dataGaName":94,"dataGaLocation":47},"/de-de/solutions/",[100,125,148],{"title":101,"description":102,"link":103,"items":108},"Automatisierung","CI/CD und Automatisierung zur Beschleunigung der Bereitstellung",{"config":104},{"icon":105,"href":106,"dataGaName":107,"dataGaLocation":47},"AutomatedCodeAlt","/de-de/solutions/delivery-automation/","automated software delivery",[109,113,116,121],{"text":110,"config":111},"CI/CD",{"href":112,"dataGaLocation":47,"dataGaName":110},"/de-de/solutions/continuous-integration/",{"text":76,"config":114},{"href":81,"dataGaLocation":47,"dataGaName":115},"gitlab duo agent platform - product menu",{"text":117,"config":118},"Quellcodeverwaltung",{"href":119,"dataGaLocation":47,"dataGaName":120},"/de-de/solutions/source-code-management/","Source Code Management",{"text":122,"config":123},"Automatische Softwarebereitstellung",{"href":106,"dataGaLocation":47,"dataGaName":124},"Automated software delivery",{"title":126,"description":127,"link":128,"items":133},"Sicherheit","Entwickle Code schneller ohne Abstriche bei der Sicherheit",{"config":129},{"href":130,"dataGaName":131,"dataGaLocation":47,"icon":132},"/de-de/solutions/application-security-testing/","security and compliance","ShieldCheckLight",[134,138,143],{"text":135,"config":136},"Anwendungssicherheitstests",{"href":130,"dataGaName":137,"dataGaLocation":47},"Application security testing",{"text":139,"config":140},"Schutz der Software-Lieferkette",{"href":141,"dataGaLocation":47,"dataGaName":142},"/de-de/solutions/supply-chain/","Software supply chain security",{"text":144,"config":145},"Software-Compliance",{"href":146,"dataGaName":147,"dataGaLocation":47},"/de-de/solutions/software-compliance/","software compliance",{"title":149,"link":150,"items":155},"Auswertung",{"config":151},{"icon":152,"href":153,"dataGaName":154,"dataGaLocation":47},"DigitalTransformation","/de-de/solutions/visibility-measurement/","visibility and measurement",[156,160,165],{"text":157,"config":158},"Sichtbarkeit und Auswertung",{"href":153,"dataGaLocation":47,"dataGaName":159},"Visibility and Measurement",{"text":161,"config":162},"Wertstrommanagement",{"href":163,"dataGaLocation":47,"dataGaName":164},"/de-de/solutions/value-stream-management/","Value Stream Management",{"text":166,"config":167},"Analysen und Einblicke",{"href":168,"dataGaLocation":47,"dataGaName":169},"/de-de/solutions/analytics-and-insights/","Analytics and insights",{"title":171,"items":172},"GitLab für",[173,178,183],{"text":174,"config":175},"Enterprise",{"href":176,"dataGaLocation":47,"dataGaName":177},"/de-de/enterprise/","enterprise",{"text":179,"config":180},"Kleinunternehmen",{"href":181,"dataGaLocation":47,"dataGaName":182},"/de-de/small-business/","small business",{"text":184,"config":185},"Öffentlicher Sektor",{"href":186,"dataGaLocation":47,"dataGaName":187},"/de-de/solutions/public-sector/","public sector",{"text":189,"config":190},"Preise",{"href":191,"dataGaName":192,"dataGaLocation":47,"dataNavLevelOne":192},"/de-de/pricing/","pricing",{"text":194,"config":195,"link":197,"lists":201,"feature":281},"Ressourcen",{"dataNavLevelOne":196},"resources",{"text":198,"config":199},"Alle Ressourcen anzeigen",{"href":200,"dataGaName":196,"dataGaLocation":47},"/de-de/resources/",[202,235,253],{"title":203,"items":204},"Erste Schritte",[205,210,215,220,225,230],{"text":206,"config":207},"Installieren",{"href":208,"dataGaName":209,"dataGaLocation":47},"/de-de/install/","install",{"text":211,"config":212},"Kurzanleitungen",{"href":213,"dataGaName":214,"dataGaLocation":47},"/de-de/get-started/","quick setup checklists",{"text":216,"config":217},"Lernen",{"href":218,"dataGaLocation":47,"dataGaName":219},"https://university.gitlab.com/","learn",{"text":221,"config":222},"Produktdokumentation",{"href":223,"dataGaName":224,"dataGaLocation":47},"https://docs.gitlab.com/","product documentation",{"text":226,"config":227},"Best-Practice-Videos",{"href":228,"dataGaName":229,"dataGaLocation":47},"/de-de/getting-started-videos/","best practice videos",{"text":231,"config":232},"Integrationen",{"href":233,"dataGaName":234,"dataGaLocation":47},"/de-de/integrations/","integrations",{"title":236,"items":237},"Entdecken",[238,243,248],{"text":239,"config":240},"Kundenerfolge",{"href":241,"dataGaName":242,"dataGaLocation":47},"/de-de/customers/","customer success stories",{"text":244,"config":245},"Blog",{"href":246,"dataGaName":247,"dataGaLocation":47},"/de-de/blog/","blog",{"text":249,"config":250},"Remote",{"href":251,"dataGaName":252,"dataGaLocation":47},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"title":254,"items":255},"Vernetzen",[256,261,266,271,276],{"text":257,"config":258},"GitLab Services",{"href":259,"dataGaName":260,"dataGaLocation":47},"/de-de/services/","services",{"text":262,"config":263},"Community",{"href":264,"dataGaName":265,"dataGaLocation":47},"/community/","community",{"text":267,"config":268},"Forum",{"href":269,"dataGaName":270,"dataGaLocation":47},"https://forum.gitlab.com/","forum",{"text":272,"config":273},"Veranstaltungen",{"href":274,"dataGaName":275,"dataGaLocation":47},"/events/","events",{"text":277,"config":278},"Partner",{"href":279,"dataGaName":280,"dataGaLocation":47},"/de-de/partners/","partners",{"background":282,"textColor":283,"text":284,"image":285,"link":289},"#2f2a6b","#fff","Perspektiven für die Softwareentwicklung der Zukunft",{"altText":286,"config":287},"The Source Promo-Karte",{"src":288},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758208064/dzl0dbift9xdizyelkk4.svg",{"text":290,"config":291},"Aktuelles",{"href":292,"dataGaName":293,"dataGaLocation":47},"/de-de/the-source/","the source",{"text":295,"config":296,"lists":298},"Unternehmen",{"dataNavLevelOne":297},"company",[299],{"items":300},[301,306,312,314,319,324,329,334,339,344,349],{"text":302,"config":303},"Über",{"href":304,"dataGaName":305,"dataGaLocation":47},"/de-de/company/","about",{"text":307,"config":308,"footerGa":311},"Karriere",{"href":309,"dataGaName":310,"dataGaLocation":47},"/jobs/","jobs",{"dataGaName":310},{"text":272,"config":313},{"href":274,"dataGaName":275,"dataGaLocation":47},{"text":315,"config":316},"Geschäftsführung",{"href":317,"dataGaName":318,"dataGaLocation":47},"/company/team/e-group/","leadership",{"text":320,"config":321},"Team",{"href":322,"dataGaName":323,"dataGaLocation":47},"/company/team/","team",{"text":325,"config":326},"Handbuch",{"href":327,"dataGaName":328,"dataGaLocation":47},"https://handbook.gitlab.com/","handbook",{"text":330,"config":331},"Investor Relations",{"href":332,"dataGaName":333,"dataGaLocation":47},"https://ir.gitlab.com/","investor relations",{"text":335,"config":336},"Trust Center",{"href":337,"dataGaName":338,"dataGaLocation":47},"/de-de/security/","trust center",{"text":340,"config":341},"AI Transparency Center",{"href":342,"dataGaName":343,"dataGaLocation":47},"/de-de/ai-transparency-center/","ai transparency center",{"text":345,"config":346},"Newsletter",{"href":347,"dataGaName":348,"dataGaLocation":47},"/company/contact/#contact-forms","newsletter",{"text":350,"config":351},"Presse",{"href":352,"dataGaName":353,"dataGaLocation":47},"/press/","press",{"text":355,"config":356,"lists":357},"Kontakt",{"dataNavLevelOne":297},[358],{"items":359},[360,363,368],{"text":54,"config":361},{"href":56,"dataGaName":362,"dataGaLocation":47},"talk to sales",{"text":364,"config":365},"Support-Portal",{"href":366,"dataGaName":367,"dataGaLocation":47},"https://support.gitlab.com","support portal",{"text":369,"config":370},"Kundenportal",{"href":371,"dataGaName":372,"dataGaLocation":47},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"close":374,"login":375,"suggestions":382},"Schließen",{"text":376,"link":377},"Um Repositorys und Projekte zu durchsuchen, melde dich an bei",{"text":378,"config":379},"gitlab.com",{"href":61,"dataGaName":380,"dataGaLocation":381},"search login","search",{"text":383,"default":384},"Vorschläge",[385,387,392,394,399,404],{"text":76,"config":386},{"href":81,"dataGaName":76,"dataGaLocation":381},{"text":388,"config":389},"Codevorschläge (KI)",{"href":390,"dataGaName":391,"dataGaLocation":381},"/de-de/solutions/code-suggestions/","Code Suggestions (AI)",{"text":110,"config":393},{"href":112,"dataGaName":110,"dataGaLocation":381},{"text":395,"config":396},"GitLab auf AWS",{"href":397,"dataGaName":398,"dataGaLocation":381},"/de-de/partners/technology-partners/aws/","GitLab on AWS",{"text":400,"config":401},"GitLab auf Google Cloud",{"href":402,"dataGaName":403,"dataGaLocation":381},"/de-de/partners/technology-partners/google-cloud-platform/","GitLab on Google Cloud",{"text":84,"config":405},{"href":89,"dataGaName":406,"dataGaLocation":381},"Why GitLab?",{"freeTrial":408,"mobileIcon":413,"desktopIcon":418,"secondaryButton":421},{"text":409,"config":410},"Kostenlos testen",{"href":411,"dataGaName":52,"dataGaLocation":412},"https://gitlab.com/-/trials/new/","nav",{"altText":414,"config":415},"GitLab-Symbol",{"src":416,"dataGaName":417,"dataGaLocation":412},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758203874/jypbw1jx72aexsoohd7x.svg","gitlab icon",{"altText":414,"config":419},{"src":420,"dataGaName":417,"dataGaLocation":412},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758203875/gs4c8p8opsgvflgkswz9.svg",{"text":203,"config":422},{"href":423,"dataGaName":424,"dataGaLocation":412},"https://gitlab.com/-/trial_registrations/new?glm_source=about.gitlab.com/de-de/get-started/","get started",{"freeTrial":426,"mobileIcon":430,"desktopIcon":432},{"text":427,"config":428},"Mehr über GitLab Duo erfahren",{"href":81,"dataGaName":429,"dataGaLocation":412},"gitlab duo",{"altText":414,"config":431},{"src":416,"dataGaName":417,"dataGaLocation":412},{"altText":414,"config":433},{"src":420,"dataGaName":417,"dataGaLocation":412},{"button":435,"mobileIcon":440,"desktopIcon":442},{"text":436,"config":437},"/Option",{"href":438,"dataGaName":439,"dataGaLocation":412},"#contact","switch",{"altText":414,"config":441},{"src":416,"dataGaName":417,"dataGaLocation":412},{"altText":414,"config":443},{"src":444,"dataGaName":417,"dataGaLocation":412},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1773335277/ohhpiuoxoldryzrnhfrh.png",{"freeTrial":446,"mobileIcon":451,"desktopIcon":453},{"text":447,"config":448},"Zurück zur Preisübersicht",{"href":191,"dataGaName":449,"dataGaLocation":412,"icon":450},"back to pricing","GoBack",{"altText":414,"config":452},{"src":416,"dataGaName":417,"dataGaLocation":412},{"altText":414,"config":454},{"src":420,"dataGaName":417,"dataGaLocation":412},{"title":456,"button":457,"config":462},"Sieh dir an, wie agentische KI die Softwarebereitstellung transformiert",{"text":458,"config":459},"GitLab Transcend jetzt ansehen",{"href":460,"dataGaName":461,"dataGaLocation":47},"/de-de/events/transcend/virtual/","transcend event",{"layout":463,"icon":464,"disabled":15},"release","AiStar",{"data":466},{"text":467,"source":468,"edit":474,"contribute":479,"config":484,"items":489,"minimal":692},"Git ist eine Marke von Software Freedom Conservancy und unsere Verwendung von „GitLab“ erfolgt unter Lizenz.",{"text":469,"config":470},"Quelltext der Seite anzeigen",{"href":471,"dataGaName":472,"dataGaLocation":473},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":475,"config":476},"Diese Seite bearbeiten",{"href":477,"dataGaName":478,"dataGaLocation":473},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":480,"config":481},"Beteilige dich",{"href":482,"dataGaName":483,"dataGaLocation":473},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":485,"facebook":486,"youtube":487,"linkedin":488},"https://x.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[490,535,588,630,657],{"title":189,"links":491,"subMenu":506},[492,496,501],{"text":493,"config":494},"Tarife anzeigen",{"href":191,"dataGaName":495,"dataGaLocation":473},"view plans",{"text":497,"config":498},"Vorteile von Premium",{"href":499,"dataGaName":500,"dataGaLocation":473},"/de-de/pricing/premium/","why premium",{"text":502,"config":503},"Vorteile von Ultimate",{"href":504,"dataGaName":505,"dataGaLocation":473},"/de-de/pricing/ultimate/","why ultimate",[507],{"title":355,"links":508},[509,511,513,515,520,525,530],{"text":54,"config":510},{"href":56,"dataGaName":57,"dataGaLocation":473},{"text":364,"config":512},{"href":366,"dataGaName":367,"dataGaLocation":473},{"text":369,"config":514},{"href":371,"dataGaName":372,"dataGaLocation":473},{"text":516,"config":517},"Status",{"href":518,"dataGaName":519,"dataGaLocation":473},"https://status.gitlab.com/","status",{"text":521,"config":522},"Nutzungsbedingungen",{"href":523,"dataGaName":524,"dataGaLocation":473},"/terms/","terms of use",{"text":526,"config":527},"Datenschutzerklärung",{"href":528,"dataGaName":529,"dataGaLocation":473},"/de-de/privacy/","privacy statement",{"text":531,"config":532},"Cookie-Einstellungen",{"dataGaName":533,"dataGaLocation":473,"id":534,"isOneTrustButton":15},"cookie preferences","ot-sdk-btn",{"title":92,"links":536,"subMenu":545},[537,541],{"text":538,"config":539},"DevSecOps-Plattform",{"href":74,"dataGaName":540,"dataGaLocation":473},"devsecops platform",{"text":542,"config":543},"KI-unterstützte Entwicklung",{"href":81,"dataGaName":544,"dataGaLocation":473},"ai-assisted development",[546],{"title":547,"links":548},"Themen",[549,553,558,563,568,573,578,583],{"text":110,"config":550},{"href":551,"dataGaName":552,"dataGaLocation":473},"/de-de/topics/ci-cd/","cicd",{"text":554,"config":555},"GitOps",{"href":556,"dataGaName":557,"dataGaLocation":473},"/de-de/topics/gitops/","gitops",{"text":559,"config":560},"DevOps",{"href":561,"dataGaName":562,"dataGaLocation":473},"/de-de/topics/devops/","devops",{"text":564,"config":565},"Versionskontrolle",{"href":566,"dataGaName":567,"dataGaLocation":473},"/de-de/topics/version-control/","version control",{"text":569,"config":570},"DevSecOps",{"href":571,"dataGaName":572,"dataGaLocation":473},"/de-de/topics/devsecops/","devsecops",{"text":574,"config":575},"Cloud-nativ",{"href":576,"dataGaName":577,"dataGaLocation":473},"/de-de/topics/cloud-native/","cloud native",{"text":579,"config":580},"KI für das Programmieren",{"href":581,"dataGaName":582,"dataGaLocation":473},"/de-de/topics/devops/ai-for-coding/","ai for coding",{"text":584,"config":585},"Agentische KI",{"href":586,"dataGaName":587,"dataGaLocation":473},"/de-de/topics/agentic-ai/","agentic ai",{"title":589,"links":590},"Lösungen",[591,594,596,601,605,608,611,614,616,618,620,625],{"text":135,"config":592},{"href":130,"dataGaName":593,"dataGaLocation":473},"Application Security Testing",{"text":122,"config":595},{"href":106,"dataGaName":107,"dataGaLocation":473},{"text":597,"config":598},"Agile Entwicklung",{"href":599,"dataGaName":600,"dataGaLocation":473},"/de-de/solutions/agile-delivery/","agile delivery",{"text":602,"config":603},"SCM",{"href":119,"dataGaName":604,"dataGaLocation":473},"source code management",{"text":110,"config":606},{"href":112,"dataGaName":607,"dataGaLocation":473},"continuous integration & delivery",{"text":161,"config":609},{"href":163,"dataGaName":610,"dataGaLocation":473},"value stream management",{"text":554,"config":612},{"href":613,"dataGaName":557,"dataGaLocation":473},"/de-de/solutions/gitops/",{"text":174,"config":615},{"href":176,"dataGaName":177,"dataGaLocation":473},{"text":179,"config":617},{"href":181,"dataGaName":182,"dataGaLocation":473},{"text":184,"config":619},{"href":186,"dataGaName":187,"dataGaLocation":473},{"text":621,"config":622},"Bildungswesen",{"href":623,"dataGaName":624,"dataGaLocation":473},"/de-de/solutions/education/","education",{"text":626,"config":627},"Finanzdienstleistungen",{"href":628,"dataGaName":629,"dataGaLocation":473},"/de-de/solutions/finance/","financial services",{"title":194,"links":631},[632,634,636,638,641,643,645,647,649,651,653,655],{"text":206,"config":633},{"href":208,"dataGaName":209,"dataGaLocation":473},{"text":211,"config":635},{"href":213,"dataGaName":214,"dataGaLocation":473},{"text":216,"config":637},{"href":218,"dataGaName":219,"dataGaLocation":473},{"text":221,"config":639},{"href":223,"dataGaName":640,"dataGaLocation":473},"docs",{"text":244,"config":642},{"href":246,"dataGaName":247,"dataGaLocation":473},{"text":239,"config":644},{"href":241,"dataGaName":242,"dataGaLocation":473},{"text":249,"config":646},{"href":251,"dataGaName":252,"dataGaLocation":473},{"text":257,"config":648},{"href":259,"dataGaName":260,"dataGaLocation":473},{"text":262,"config":650},{"href":264,"dataGaName":265,"dataGaLocation":473},{"text":267,"config":652},{"href":269,"dataGaName":270,"dataGaLocation":473},{"text":272,"config":654},{"href":274,"dataGaName":275,"dataGaLocation":473},{"text":277,"config":656},{"href":279,"dataGaName":280,"dataGaLocation":473},{"title":295,"links":658},[659,661,663,665,667,669,671,676,681,683,685,687],{"text":302,"config":660},{"href":304,"dataGaName":297,"dataGaLocation":473},{"text":307,"config":662},{"href":309,"dataGaName":310,"dataGaLocation":473},{"text":315,"config":664},{"href":317,"dataGaName":318,"dataGaLocation":473},{"text":320,"config":666},{"href":322,"dataGaName":323,"dataGaLocation":473},{"text":325,"config":668},{"href":327,"dataGaName":328,"dataGaLocation":473},{"text":330,"config":670},{"href":332,"dataGaName":333,"dataGaLocation":473},{"text":672,"config":673},"Nachhaltigkeit",{"href":674,"dataGaName":675,"dataGaLocation":473},"/sustainability/","Sustainability",{"text":677,"config":678},"Vielfalt, Inklusion und Zugehörigkeit",{"href":679,"dataGaName":680,"dataGaLocation":473},"/de-de/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":335,"config":682},{"href":337,"dataGaName":338,"dataGaLocation":473},{"text":345,"config":684},{"href":347,"dataGaName":348,"dataGaLocation":473},{"text":350,"config":686},{"href":352,"dataGaName":353,"dataGaLocation":473},{"text":688,"config":689},"Transparenzerklärung zu moderner Sklaverei",{"href":690,"dataGaName":691,"dataGaLocation":473},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"items":693},[694,696,699],{"text":521,"config":695},{"href":523,"dataGaName":524,"dataGaLocation":473},{"text":697,"config":698},"Cookies",{"dataGaName":533,"dataGaLocation":473,"id":534,"isOneTrustButton":15},{"text":526,"config":700},{"href":528,"dataGaName":529,"dataGaLocation":473},[702,715],{"id":703,"title":10,"body":27,"config":704,"content":707,"description":27,"extension":26,"meta":710,"navigation":15,"path":711,"seo":712,"stem":713,"__hash__":714},"blogAuthors/en-us/blog/authors/chloe-cartron.yml",{"template":705,"gitlabHandle":706},"BlogAuthor","ChloeCartron",{"name":10,"config":708},{"headshot":709},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1754425488/d0uiiypsxa5ajnbdm6jn.png",{},"/en-us/blog/authors/chloe-cartron",{},"en-us/blog/authors/chloe-cartron","iajOtLjpqijgC1moSkhZ-MHWUl_TorgFg8weCt-YqNQ",{"id":716,"title":717,"body":27,"config":718,"content":719,"description":27,"extension":26,"meta":723,"navigation":15,"path":724,"seo":725,"stem":726,"__hash__":727},"blogAuthors/en-us/blog/authors/olivier-dupr.yml","Olivier Dupr",{"template":705},{"name":11,"config":720},{"headshot":721,"ctfId":722},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750713474/cj6odchlpoqxbibenvye.png","4VIckvQsyfNxEtz4pM42aP",{},"/en-us/blog/authors/olivier-dupr",{},"en-us/blog/authors/olivier-dupr","KYUHajPcOeVlPPyPD8D4H56u7iQpJSPInWLi38Y1NA0",[729,742,755],{"content":730,"config":740},{"title":731,"description":732,"authors":733,"heroImage":735,"date":736,"body":737,"category":13,"tags":738},"GitLab und Anthropic: Governed AI für die Unternehmensentwicklung","GitLab vertieft die Anthropic-Integration – KI-Governance, Auditierbarkeit und Cloud-Flexibilität für regulierte Unternehmen und den öffentlichen Sektor.",[734],"Stuart Moncada","https://res.cloudinary.com/about-gitlab-com/image/upload/v1776457632/llddiylsgwuze0u1rjks.png","2026-04-28","Für Führungskräfte in Unternehmen und im öffentlichen Sektor ist die Spannung\nvertraut: Softwareteams müssen mit KI schneller werden, während Sicherheits-,\nCompliance- und regulatorische Anforderungen weiter steigen. GitLab vertieft\ndie Integration mit Anthropic Claude, sodass Unternehmen Zugang zu neu\nveröffentlichten Claude-Modellen innerhalb von GitLabs intelligenter\nOrchestrierungsplattform erhalten – dort, wo Governance, Compliance und\nAuditierbarkeit bereits verankert sind.\n\nClaude treibt Funktionen der gesamten GitLab Duo Agent Platform als\nStandardmodell an – für Anwendungsfälle von Code-Generierung und -Review bis\nhin zu agentischem Chat und Vulnerability Resolution. Wer GitLab Duo bereits\nnutzt, hat bereits erlebt, wie Duo-Agenten Workflows über den gesamten Software\nDevelopment Lifecycle (SDLC) automatisieren.\n\nDas beschleunigt die Integration von Claudes Fähigkeiten in GitLab, erweitert\ndie Deployment-Optionen für Unternehmen und unterstreicht, was GitLab als\nPlattform für Softwareentwicklung grundlegend unterscheidet: Governance,\nCompliance und Auditierbarkeit, die in jede KI-Interaktion eingebaut sind.\n\n> \"GitLab Duo hat beschleunigt, wie unsere Teams Software planen, bauen und\n> ausliefern. Die Kombination aus Anthropics Claude und GitLabs Plattform\n> bedeutet, dass wir leistungsfähigere KI erhalten, ohne zu ändern, wie wir\n> arbeiten oder wie sie kontrolliert wird.\"\n>\n> – Mans Booijink, Operations Manager, Cube\n\n\n## Der entscheidende Unterschied: Governed AI\n\nBei GitLab sind Governance-Kontrollen und Auditing in den SDLC eingebaut. Wenn\nClaude über die GitLab Duo Agent Platform eine Codeänderung vorschlägt, durchläuft\ndieser Vorschlag denselben Merge-Request-Prozess, dieselben Freigaberegeln,\ndasselbe Security Scanning und denselben Audit-Trail wie jede andere Änderung.\nKI erhält keine Ausnahme von den bestehenden Kontrollen. Sie operiert innerhalb\ndieser Kontrollen.\n\nJe weiter GitLab in die agentische Softwareentwicklung vordringt – bei der KI\nklar definierte Aufgaben autonom übernimmt – desto wichtiger wird die\nGovernance-Schicht. Ein KI-Agent, der einen Merge Request öffnen, eine\nSchwachstelle beheben oder einen Service refaktorieren kann, muss auditierbar\nund zuordenbar sein und denselben Richtliniendurchsetzungen unterliegen wie ein\nmenschlicher Entwickler. Diese Anforderung ist eine architektonische Entscheidung,\ndie GitLab von Beginn an getroffen hat – und die umso bedeutsamer wird, je mehr\nVerantwortung KI-Agenten übernehmen.\n\n\n## Deployment-Flexibilität für Unternehmen\n\nDie Integration erweitert auch, wie Unternehmen über GitLab auf die neuesten\nClaude-Modelle zugreifen. Claude ist innerhalb von GitLab über Google Cloud\nVertex AI und AWS Bedrock verfügbar – Unternehmen können KI-Workloads über die\nHyperscaler-Commitments und Cloud-Governance-Frameworks leiten, die bereits\nbestehen. Kein separater Anbietervertrag, keine neuen Fragen zur Datenresidenz.\nDie bestehende GCP- oder AWS-Beziehung ist der Einstiegspunkt.\n\nGitLab ist jetzt auch im [Claude Marketplace](https://claude.com/platform/marketplace)\nverfügbar. Kunden können dort GitLab Credits erwerben und auf bestehende\nAnthropic-Ausgaben-Commitments anrechnen – KI-Ausgaben konsolidieren und die\nBeschaffung von GitLab neben Anthropic-Investitionen vereinfachen.\n\n\n## Auf dem Weg in eine agentische Zukunft\n\nGitLabs Vision für agentische Softwareentwicklung – bei der KI definierte\nAufgaben autonom über Planung, Coding, Testing, Security und Deployment hinweg\nübernimmt – setzt Modelle mit starkem Reasoning, Zuverlässigkeit und\nSicherheitseigenschaften voraus. Und sie setzt eine Plattform voraus, auf der\ndiese autonomen Aktionen vollständig kontrolliert werden.\n\nAgentische Workflows erfordern Modelle mit starkem Reasoning, Zuverlässigkeit\nund Sicherheitseigenschaften – Kriterien, die die Auswahl und Integration von\nKI-Modellpartnern bei GitLab leiten. GitLabs Governance-Framework stellt sicher,\ndass Unternehmen bei zunehmendem KI-Einsatz in der Entwicklung vollständige\nTransparenz und Kontrolle darüber behalten, was diese Agenten tun, wann sie es\ntun und wie Änderungen nachverfolgt werden.\n\n\n## Was das für GitLab-Kunden bedeutet\n\nWer GitLab Duo Agent Platform bereits einsetzt, erhält Zugang zu Claude-Modellen\nund tieferer KI-Unterstützung über den gesamten Software Development Lifecycle –\ninnerhalb des Governance-Frameworks, auf das bereits vertraut wird.\n\nWer KI-gestützte Softwareentwicklungsplattformen evaluiert, sollte nicht zwischen\nfortschrittlichen KI-Fähigkeiten und Unternehmenskontrolle wählen müssen. Diese\nstrategische Integration ist darauf ausgelegt, beides zu liefern.\n\n> Mehr über GitLab Duo Agent Platform erfahren?\n> [Demo anfragen oder kostenlose Testversion starten](https://about.gitlab.com/de-de/gitlab-duo-agent-platform/).\n",[23,739,280],"product",{"featured":15,"template":16,"slug":741},"gitlab-and-anthropic-governed-ai-for-enterprise-development",{"content":743,"config":753},{"title":744,"description":745,"authors":746,"heroImage":748,"date":749,"body":750,"category":13,"tags":751},"glab CLI: Strukturierter GitLab-Zugriff für KI-Agenten","Das GitLab CLI (glab) gibt KI-Agenten strukturierten Zugriff auf Projekte via MCP. Tutorial: Code-Reviews und Issue-Triage mit glab beschleunigen.",[747],"Kai Armstrong","https://res.cloudinary.com/about-gitlab-com/image/upload/v1776347152/unw3mzatkd5xyfbzcnni.png","2026-04-27","Wenn Teams GitLab Duo, Claude, Cursor und andere KI-Assistenten einsetzen,\nläuft ein wachsender Teil des Entwicklungs-Workflows über einen KI-Agenten,\nder im eigenen Auftrag handelt – Issues liest, Merge Requests prüft, Pipelines\nausführt und dabei hilft, schneller zu liefern. Die meisten Entwickler(innen) nutzen\n`glab` bereits vom Terminal aus, um mit GitLab zu interagieren. Beides zu\nkombinieren ist der naheliegende nächste Schritt.\n\nDas Problem: Ohne die richtigen Werkzeuge rät ein KI-Agent im Wesentlichen,\nwenn es um GitLab-Projekte geht. Er könnte die Details eines Issues\nhalluzinieren, den er nie gesehen hat, einen Merge Request auf Basis veralteter\nTrainingsdaten zusammenfassen statt anhand seines tatsächlichen Zustands – oder\nverlangen, dass Kontext manuell aus einem Browser-Tab kopiert und in ein\nChat-Fenster eingefügt wird, bevor überhaupt begonnen werden kann. Jede dieser\nUmgehungslösungen ist Reibung: Sie verlangsamt die Arbeit, eröffnet\nFehlermöglichkeiten und setzt eine harte Obergrenze dafür, was der Agent\ntatsächlich leisten kann. Das GitLab CLI (`glab`) ändert das, indem es Agenten\neine direkte, zuverlässige Schnittstelle zu Projekten gibt.\n\nMit `glab` ruft der Agent das Benötigte direkt von GitLab ab, handelt darauf\nund meldet das Ergebnis zurück – sodass weniger Zeit damit verbracht wird,\nInformationen weiterzugeben, und mehr Zeit für die eigentliche Arbeit bleibt.\n\nIn diesem Tutorial wird gezeigt, wie `glab` KI-Agenten strukturierten,\nzuverlässigen Zugriff auf GitLab-Projekte ermöglicht – und wie das einen\nschnelleren, leistungsfähigeren Entwicklungs-Workflow freischaltet.\n\n\n## KI-Agent über MCP mit GitLab verbinden\n\nDer direkteste Weg, KI-Workflows deutlich leistungsfähiger zu machen, besteht\ndarin, dem KI-Agenten nativen Zugriff auf `glab` über das Model Context\nProtocol ([MCP](https://about.gitlab.com/topics/ai/model-context-protocol/))\nzu geben.\n\nMCP ist ein offener Standard, der KI-Werkzeugen ermöglicht, externe Fähigkeiten\nzur Laufzeit zu entdecken und zu nutzen. Nach der Verbindung kann der\nKI-Assistent Issues lesen, Merge Requests kommentieren, Pipeline-Status prüfen\nund zurück in GitLab schreiben – ohne etwas aus der UI zu kopieren oder auch\nnur einen einzigen API-Aufruf selbst zu schreiben.\n\nEinstieg mit:\n\n```shell\n# MCP-Server von glab starten\nglab mcp serve\n```\n\nSobald der MCP-Client konfiguriert ist, kann die KI Fragen wie *„Was ist der\nStatus meiner offenen MRs?\"* oder *„Gibt es fehlgeschlagene Pipelines auf\nmain?\"* beantworten, indem sie GitLab direkt abfragt – nicht durch Scraping der\nWeb-UI, nicht durch veraltete Trainingsdaten. Die\n[vollständige Setup-Dokumentation](https://docs.gitlab.com/cli/) enthält\nKonfigurationsschritte für Claude Code, Cursor und andere Editoren.\n\nEin wichtiges Detail: `glab` fügt automatisch `--output json` hinzu, wenn es\nüber MCP aufgerufen wird – für jeden Befehl, der das unterstützt. Der Agent\nerhält saubere, strukturierte Daten, ohne dass über Ausgabeformate nachgedacht\nwerden muss. Und da `glab` das offizielle MCP SDK verwendet, bleibt es\nkompatibel, wenn sich das Protokoll weiterentwickelt.\n\nWir haben bewusst entschieden, *welche* Befehle über MCP zugänglich sind.\nBefehle, die interaktive Terminalausgabe erfordern, sind absichtlich\nausgeschlossen – der Agent bleibt nie in einem Wartezustand für Eingaben, die\nnie kommen. Was zugänglich ist, funktioniert zuverlässig im Agenten-Kontext.\n\n\n## KI am Code-Review beteiligen\n\nDie meisten Entwickler(innen) haben einen Rückstand an MRs, die auf Review warten.\nDas ist einer der zeitintensivsten Teile der Arbeit – und einer der besten\nAnsatzpunkte für KI. Mit `glab` beobachtet der Agent die Review-Queue nicht\nnur, sondern arbeitet sie gemeinsam durch.\n\n### Genau sehen, was noch offen ist\n\nEinstieg mit:\n\n```shell\nglab mr view 2677 --comments --unresolved --output json\n```\n\nDieser Befehl gibt den vollständigen MR zurück: Metadaten, Beschreibung und\njede ungelöste Diskussion als einzelnes strukturiertes JSON-Payload. Das gibt\nder KI alles, was sie braucht: welche Threads offen sind, was der Reviewer\nangefragt hat und in welchem Kontext. Kein Tab-Wechsel, kein manuelles Kopieren\neinzelner Kommentare.\n\n```json\n{\n  \"id\": 2677,\n  \"title\": \"feat: add OAuth2 support\",\n  \"state\": \"opened\",\n  \"author\": { \"username\": \"jdwick\" },\n  \"labels\": [\"backend\", \"needs-review\"],\n  \"blocking_discussions_resolved\": false,\n  \"discussions\": [\n    {\n      \"id\": \"3107030349\",\n      \"resolved\": false,\n      \"notes\": [\n        {\n          \"author\": { \"username\": \"dmurphy\" },\n          \"body\": \"This error handling will swallow panics — consider wrapping with recover()\",\n          \"created_at\": \"2026-03-14T09:23:11.000Z\"\n        }\n      ]\n    },\n    {\n      \"id\": \"3107030412\",\n      \"resolved\": false,\n      \"notes\": [\n        {\n          \"author\": { \"username\": \"sreeves\" },\n          \"body\": \"Token refresh logic needs a test for the expired token case\",\n          \"created_at\": \"2026-03-14T10:05:44.000Z\"\n        }\n      ]\n    }\n  ]\n}\n```\n\nStatt jeden Thread selbst durchzulesen, lässt sich der Agent fragen:\n*„Was muss ich in MR 2677 noch beheben?\"* – und erhält eine priorisierte\nZusammenfassung mit Änderungsvorschlägen. Das alles aus einem einzigen Befehl.\n\n### Den Kreislauf programmatisch schließen\n\nSobald der KI geholfen hat, das Feedback zu adressieren, kann sie Diskussionen\nauflösen:\n\n```shell\n# Alle Diskussionen auflisten – strukturiert, bereit für den Agenten\nglab mr note list 456 --output json\n\n# Diskussion auflösen, sobald das Feedback adressiert wurde\nglab mr note resolve 456 3107030349\n\n# Wieder öffnen, wenn etwas erneut geprüft werden muss\nglab mr note reopen 456 3107030349\n```\n\n```json\n[\n  {\n    \"id\": 3107030349,\n    \"body\": \"This error handling will swallow panics — consider wrapping with recover()\",\n    \"author\": { \"username\": \"dmurphy\" },\n    \"resolved\": false,\n    \"resolvable\": true\n  },\n  {\n    \"id\": 3107030412,\n    \"body\": \"Token refresh logic needs a test for the expired token case\",\n    \"author\": { \"username\": \"sreeves\" },\n    \"resolved\": false,\n    \"resolvable\": true\n  }\n]\n```\n\nNote-IDs sind direkt in der GitLab-UI und der API sichtbar – kein zusätzlicher\nLookup nötig. Der Agent kann die vollständige Liste durcharbeiten, jeden Fix\nprüfen und dabei auflösen.\n\n\n## Mit der KI effektiver über Code sprechen\n\nAuch ohne laufenden MCP-Server gibt es eine einfachere Umstellung, die einen\ngroßen Unterschied macht: `glab` einsetzen, um der KI bessere Informationen zu\nliefern.\n\nBeim letzten Mal, als ein KI-Assistent bei der Issue-Triage oder beim Debuggen\neiner fehlgeschlagenen Pipeline geholfen hat, wurde wahrscheinlich etwas Text\naus der GitLab-UI kopiert und in den Chat eingefügt. Das ist es, womit der\nAgent tatsächlich arbeitet:\n\n```text\nopen issues: 12 • milestone: 17.10 • label: bug, needs-triage ...\n```\n\nIm Vergleich dazu, was er mit `glab` erhält:\n\n```json\n[\n  {\n    \"iid\": 902,\n    \"title\": \"Pipeline fails on merge to main\",\n    \"labels\": [\"bug\", \"needs-triage\"],\n    \"milestone\": { \"title\": \"17.10\" },\n    \"assignees\": []\n  },\n  ...\n]\n```\n\nStrukturiert, typisiert, vollständig – keine Mehrdeutigkeit, kein\nInterpretationsaufwand beim Parsen. Das ist der Unterschied zwischen einem\nAgenten, der handeln kann, und einem, der Rückfragen stellen muss.\n\nMit dem MCP-Server passiert das automatisch: `glab` fügt `--output json` für\njeden Befehl hinzu, der das unterstützt. Beim direkten Arbeiten im Terminal\neinfach das Flag selbst ergänzen:\n\n```shell\n# Offene Issues für Triage abrufen\nglab issue list --label \"needs-triage\" --output json\n\n# Pipeline-Status prüfen\nglab ci status --output json\n\n# Vollständige MR-Details abrufen\nglab mr view 456 --output json\n```\n\nDie JSON-Ausgabe wurde in letzten Releases erheblich erweitert. Sie deckt jetzt\nCI-Status, Milestones, Labels, Releases, Schedules, Cluster-Agenten, Work\nItems, MR-Genehmiger, Repository-Mitwirkende und mehr ab. Was `glab` abrufen\nkann, kann die KI sauber verarbeiten.\n\n### Ein echter Workflow\n\n```shell\n$ glab issue list --label \"needs-triage\" --milestone \"17.10\" \\\n--output json\n```\n\n```text\nAgent: I found 2 unassigned bugs in the 17.10 milestone that need triage:\n1. #902 — Pipeline fails on merge to main (opened 5 days ago)\n2. #903 — Auth token not refreshing on expiry (opened 4 days ago)\nBoth are unassigned. Want me to draft triage notes and suggest assignees based on recent commit history?\n```\n\n\n## Der Agent ist keineswegs auf eingebaute Befehle beschränkt\n\nDie nativen Befehle von `glab` decken die gängigsten Workflows ab – aber der\nAgent ist nicht darauf beschränkt. Über `glab api` hat er authentifizierten\nZugriff auf die vollständige GitLab REST- und GraphQL-API-Oberfläche, mit\nderselben Session, ohne zusätzliche Credentials oder Konfiguration.\n\nDas ist ein wesentlicher Unterschied. Die meisten CLI-Werkzeuge beschränken\nsich auf das, was ihre Befehle abbilden. Mit `glab` gilt: Wenn GitLabs API es\nunterstützt, kann der Agent es tun – immer aus einem vertrauenswürdigen,\nauthentifizierten Kontext heraus.\n\nEin praktisches Beispiel: nur die Liste der geänderten Dateien in einem MR\nabrufen, bevor entschieden wird, welche Diffs vollständig geladen werden:\n\n```shell\n# Geänderte Dateipfade abrufen – leichtgewichtig, noch kein Diff-Inhalt\nglab api \"/projects/$CI_PROJECT_ID/merge_requests/$CI_MERGE_REQUEST_IID/diffs?per_page=100\" \\\n| jq '.[].new_path'\n\n# Dann nur die spezifische Datei laden, die der Agent benötigt\nglab api \"/projects/$CI_PROJECT_ID/merge_requests/$CI_MERGE_REQUEST_IID/diffs?per_page=100\" \\\n| jq '.[] | select(.new_path == \"path/to/file.go\")'\n```\n\n```text\n\"internal/auth/token.go\"\n\"internal/auth/token_test.go\"\n\"internal/oauth/refresh.go\"\n```\n\nFür alles, was die REST API nicht abdeckt (Epics, bestimmte Work-Item-Abfragen,\nkomplexe projektübergreifende Daten), bietet `glab api graphql` die vollständige\nGraphQL-Schnittstelle:\n\n```shell\nglab api graphql -f query='\n{\n  project(fullPath: \"gitlab-org/gitlab\") {\n    mergeRequest(iid: \"12345\") {\n      title\n      reviewers { nodes { username } }\n    }\n  }\n}'\n```\n\n```json\n{\n  \"data\": {\n    \"project\": {\n      \"mergeRequest\": {\n        \"title\": \"feat: add OAuth2 support\",\n        \"reviewers\": {\n          \"nodes\": [\n            { \"username\": \"dmurphy\" },\n            { \"username\": \"sreeves\" }\n          ]\n        }\n      }\n    }\n  }\n}\n```\n\nEin einziger, authentifizierter Einstiegspunkt zu allem, was GitLab\nbereitstellt – ohne Token-Jonglieren, separate API-Clients oder\nKonfigurationsaufwand.\n\n\n## Was als Nächstes kommt – und Feedback\n\nZwei Verbesserungen, an denen aktiv gearbeitet wird, werden `glab` für\nAgenten-Workflows noch nützlicher machen:\n\n**Auf Agenten abgestimmter Hilfetext.** Heute ist die `--help`-Ausgabe für\nMenschen am Terminal geschrieben. Sie wird aktualisiert, um für jeden\ninteraktiven Befehl die nicht-interaktive Alternative anzuzeigen, Befehle mit\n`--output json`-Unterstützung zu kennzeichnen und Hilfe generell zu einer\nnützlichen Ressource für Agenten zu machen, die Fähigkeiten zur Laufzeit\nentdecken – nicht nur für Menschen.\n\n**Besser maschinenlesbare Fehlermeldungen.** Wenn heute etwas schiefläuft,\nerhalten Agenten dieselben menschenlesbaren Fehlermeldungen wie\nTerminal-Nutzende. Das wird geändert: Fehler im JSON-Modus geben strukturierte\nAusgaben zurück, die dem Agenten die Informationen liefern, die er braucht, um\nFehler sauber zu behandeln, intelligent zu wiederholen oder den richtigen\nKontext zurückzugeben.\n\nBeide Punkte sind in aktiver Entwicklung. Wer `glab` bereits mit einem\nKI-Werkzeug einsetzt, ist genau die Zielgruppe, deren Erfahrungen uns\ninteressieren.\n\n* **Welche Reibungspunkte gibt es?** Befehle, die sich in Agenten-Kontexten\n  nicht gut verhalten, Fehlermeldungen ohne Handlungsanleitung, Lücken in der\n  JSON-Ausgabe. Feedback ist willkommen.\n\n* **Welche Workflows wurden erschlossen?** Reale Nutzungsmuster helfen dabei,\n  Prioritäten für die weitere Entwicklung zu setzen.\n\nDie Diskussion findet im\n[Feedback-Issue](https://gitlab.com/gitlab-org/cli/-/issues/8177) statt –\ndort wird die Roadmap für Agenten-Freundlichkeit gestaltet, und Beiträge haben\ndort den direktesten Einfluss. Wer eine spezifische Lücke gefunden hat,\nkann ein [Issue öffnen](https://gitlab.com/gitlab-org/cli/-/issues/new). Wer\neinen Fix im Sinn hat: Beiträge sind willkommen. Details unter\n[CONTRIBUTING.md](https://gitlab.com/gitlab-org/cli/-/blob/main/CONTRIBUTING.md).\n\nDas GitLab CLI stand schon immer dafür, Entwickler(inne)n mehr Kontrolle über ihren\nWorkflow zu geben. Da KI ein immer größerer Teil der täglichen Arbeit wird,\nbedeutet das, `glab` zur bestmöglichen Schnittstelle zwischen KI-Werkzeugen\nund GitLab-Projekten zu machen. Wir stehen am Anfang – und freuen uns darauf,\nden nächsten Teil gemeinsam zu gestalten.\n",[23,739,752],"tutorial",{"featured":15,"template":16,"slug":754},"give-your-ai-agent-direct-structured-gitlab-access-with-glab-cli",{"content":756,"config":764},{"title":757,"description":758,"authors":759,"heroImage":748,"date":761,"body":762,"category":13,"tags":763},"GitHubs neue Copilot-Richtlinie: Was regulierte Unternehmen jetzt prüfen müssen","Warum GitLabs Datenverwaltungsansatz strukturell anders ist – und was GitHubs neue Copilot-Richtlinie für regulierte Unternehmen bedeutet.",[760],"Allie Holland","2026-04-20","GitHub hat kürzlich angekündigt, wie Interaktionsdaten von Copilot-Nutzenden\nkünftig verwendet werden. Ab dem 24. April 2026 werden Daten aus Copilot Free,\nPro und Pro+ standardmäßig zum Training von KI-Modellen genutzt, sofern\nNutzende nicht aktiv widersprechen. Betroffen sind Eingaben, Ausgaben,\nCode-Snippets und zugehöriger Kontext. Copilot Business und Enterprise sind\naufgrund bestehender Vertragskonditionen ausgenommen.\n\nFür Unternehmen in regulierten Branchen wirft diese Änderung Fragen auf, die\nüber individuelle Entwicklerpräferenzen weit hinausgehen. Sie zwingt zu einer\ngrundlegenden Prüfung, die Führungskräfte aus Engineering und IT-Sicherheit\njedem KI-Anbieter in ihrem Stack stellen sollten: Werden unsere Daten für\nKI-Training verwendet?\n\nGitLabs Antwort lautet: Nein. GitLab trainiert KI-Modelle nicht mit\nKundendaten – auf keiner Preisstufe. KI-Anbieter sind vertraglich verpflichtet,\nKundeneingaben und -ausgaben nicht für eigene Zwecke zu verwenden. Das\n[GitLab AI Transparency Center](https://about.gitlab.com/de-de/ai-transparency-center/)\nmacht diese Zusage prüfbar. Eine zentrale Dokumentation zeigt, welche Modelle\nwelche Funktionen betreiben, wie Daten verarbeitet werden, welche\nUnterauftragsverarbeiter beteiligt sind und wie lange Daten gespeichert werden.\nDas AI Transparency Center dokumentiert außerdem den Compliance-Status jeder\nFunktion – einschließlich der Bestätigung, dass GitLabs aktuelle KI-Funktionen\nnicht als Hochrisikosysteme im Sinne des EU AI Act eingestuft werden. Diesen\nStandard hat GitLab-CEO Bill Staples\n[wiederholt bekräftigt](https://www.linkedin.com/posts/williamstaples_gitlab-1810-agentic-ai-now-open-to-even-activity-7443280763715985408-aHxf)\n– er spiegelt GitLabs Unternehmensmission und das\n[Trust Center](https://trust.gitlab.com/) wider.\n\n\n## Was die Richtlinienänderung tatsächlich bedeutet\n\nGitHub gibt zudem an, dass die Daten mit verbundenen Unternehmen – darunter\nMicrosoft – für KI-Entwicklungszwecke geteilt werden können.\n\nQuellcode zählt häufig zum sensibelsten geistigen Eigentum eines Unternehmens.\nEr kann proprietäre Geschäftslogik abbilden, interne Systemarchitekturen\noffenlegen oder Datenflüsse berühren, die strengen Aufbewahrungs- und\nZugriffsrichtlinien unterliegen. Wenn dieser Code einen KI-Assistenten\ndurchläuft und zum Training von Modellen verwendet wird, die auch Wettbewerbern\ndienen, werden Anbieterdatenpraktiken zu einem konkreten IP-Risiko. Regulierte\nBranchen weltweit – von Finanzdienstleistungen über Gesundheitswesen bis zum\nöffentlichen Sektor – operieren unter Compliance-Anforderungen, die genau\ndiesen Punkt adressieren: dokumentierte, prüfbare Kontrolle über den Umgang\nDritter mit sensiblen Daten.\n\nEine Anbieterrichtlinie, die Datenstandardeinstellungen ändert, ein aktives\nWiderspruchsrecht erfordert und je nach Vertragsstufe unterschiedliche\nSchutzstandards bietet, erzeugt genau die Art unkontrollierbarer Variablen,\ndie Compliance-Teams nicht akzeptieren können. Der\n[Digital Operational Resilience Act (DORA)](https://eur-lex.europa.eu/eli/reg/2022/2554/oj/eng)\n– seit Januar 2025 für europäische Finanzinstitute verbindlich – macht dies\nexplizit: Wesentliche Änderungen an IT-Drittanbieterbeziehungen erfordern\ndokumentierte Bewertung und Nachverfolgung.\n\n\n## Was regulierte Unternehmen von KI-Anbietern tatsächlich benötigen\n\nRegulierte Unternehmen diskutieren nicht mehr grundsätzlich, ob KI in\nEntwicklungs-Workflows eingesetzt werden soll. Der Fokus liegt darauf, dies so\nzu tun, dass es gegenüber Aufsichtsbehörden, Vorständen und Kunden vertretbar\nist. Dabei sind branchenübergreifend konsistente Anforderungen sichtbar\ngeworden.\n\n**Vertragliche Klarheit.** Regulierte Unternehmen benötigen spezifische,\ndokumentierte und bedingungslose Zusagen darüber, was mit ihren Daten geschieht\n– nicht etwas, das je nach Vertragsstufe variiert oder eine Handlung vor einem\nStichtag erfordert.\n\n**Prüfbarkeit.** IT-Risikomanagement-Frameworks verlangen von Unternehmen, die\neingesetzten KI-Systeme zu verstehen und zu validieren: die Trainingsdaten\nhinter diesen Modellen und die beteiligten Drittparteien. Anbieter, die diese\nFragen nicht beantworten können, erzeugen Dokumentationsrisiken für die\nOrganisationen, die sich auf sie stützen.\n\n**Trennung von Anbieterinteressen.** Wenn ein KI-Anbieter Modelle auf Basis\nvon Kundennutzungsdaten trainiert, werden Code und Workflows zu Eingaben für\nein System, das auch Wettbewerbern dient. Für Institutionen mit proprietären\nHandelsalgorithmen, Underwriting-Modellen oder Betrugserkennungssystemen ist\ndas ein konkretes IP-Risiko.\n\n\n## GitLabs Position zur KI-Datenverwaltung\n\nGitLab verwendet Kundendaten nicht zum Training von KI-Modellen. Diese Zusage\ngilt auf jeder Preisstufe; KI-Anbieter sind vertraglich verpflichtet, Eingaben\nund Ausgaben, die mit GitLab-Kunden verbunden sind, nicht für eigene Zwecke zu\nverwenden.\n\nDies ist eine bewusste architektonische und richtlinienbezogene Entscheidung –\nkein Merkmal einer bestimmten Preisstufe. Wie GitLabs\n[Beitrag zur Enterprise-Unabhängigkeit](https://about.gitlab.com/de-de/blog/why-enterprise-independence-matters-more-than-ever-in-devsecops/)\nfesthält, ist Datenverwaltung zu einem \"zunehmend kritischen Faktor bei\nUnternehmensentscheidungen\" geworden – getrieben durch nationale und regionale\nDatenschutzgesetze und wachsende Bedenken hinsichtlich der Kontrolle über\nsensibles geistiges Eigentum.\n\nGitLab ist cloud-neutral und modell-neutral und unterstützt\nSelf-Hosted-Deployments ohne kommerzielle Bindung an einen einzelnen\nCloud-Anbieter oder ein Large Language Model. Diese Unabhängigkeit ist für\nregulierte Unternehmen relevant, die Risiken durch Anbieterkonzentration\nbewerten. Der\n[AI Continuity Plan](https://handbook.gitlab.com/handbook/product/ai/continuity-plan/)\ndokumentiert, wie Anbieterveränderungen gehandhabt werden – einschließlich\nwesentlicher Änderungen daran, wie KI-Anbieter Kundendaten behandeln. Er ist\neine direkte Antwort auf die Governance-Anforderungen unter Frameworks wie\n[DORA](https://handbook.gitlab.com/handbook/legal/dora/).\n\n\n## Die Governance-Lücke, die KI-Teams schließen müssen\n\nGitHubs Richtlinienaktualisierung macht deutlich: Für Unternehmen in\nregulierten Branchen ist das genaue Verständnis des Datenumgangs eines\nKI-Werkzeugs eine Voraussetzung für dessen Einsatz. Das bedeutet, Anbietern\nklare, dokumentierte Antworten auf folgende Fragen abzuverlangen:\n\n1. Werden unsere Daten zum Training von KI-Modellen verwendet?\n2. Wer sind Ihre KI-Modell-Unterauftragsverarbeiter?\n3. Was geschieht, wenn ein Anbieter seine Datenpraktiken ändert?\n4. Lässt sich ein Deployment realisieren, das alle KI-Verarbeitung innerhalb\n   der eigenen Infrastruktur hält?\n5. Welche Haftungsübernahme wird für KI-generierte Ausgaben angeboten?\n\nAnbieter, die diese Fragen klar beantworten und die Antworten in prüfbarer\nForm dokumentieren, sind Anbieter, auf die sich aufbauen lässt.\n**Wer das nicht kann, schafft Compliance-Risiken bei jedem Policy-Update.**\nWenn ein Anbieter Datenpraktiken mit 30 Tagen Ankündigungsfrist ändern kann,\nist das kein partnerschaftlicher Rahmen für regulierte Unternehmen – das ist\nein strukturelles Compliance-Risiko.\n\n> Mehr zu GitLabs Ansatz für KI-Governance im\n> [GitLab AI Transparency Center](https://about.gitlab.com/de-de/ai-transparency-center/).\n",[23,739],{"featured":33,"template":16,"slug":765},"github-copilots-new-policy-for-ai-training-is-a-governance-wake-up-call",{"promotions":767},[768,781,792,804],{"id":769,"categories":770,"header":771,"text":772,"button":773,"image":778},"ai-modernization",[13],"Is AI achieving its promise at scale?","Quiz will take 5 minutes or less",{"text":774,"config":775},"Get your AI maturity score",{"href":776,"dataGaName":777,"dataGaLocation":247},"/assessments/ai-modernization-assessment/","modernization assessment",{"config":779},{"src":780},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138786/qix0m7kwnd8x2fh1zq49.png",{"id":782,"categories":783,"header":784,"text":772,"button":785,"image":789},"devops-modernization",[739,572],"Are you just managing tools or shipping innovation?",{"text":786,"config":787},"Get your DevOps maturity score",{"href":788,"dataGaName":777,"dataGaLocation":247},"/assessments/devops-modernization-assessment/",{"config":790},{"src":791},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138785/eg818fmakweyuznttgid.png",{"id":793,"categories":794,"header":796,"text":772,"button":797,"image":801},"security-modernization",[795],"security","Are you trading speed for security?",{"text":798,"config":799},"Get your security maturity score",{"href":800,"dataGaName":777,"dataGaLocation":247},"/assessments/security-modernization-assessment/",{"config":802},{"src":803},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138786/p4pbqd9nnjejg5ds6mdk.png",{"id":805,"paths":806,"header":809,"text":810,"button":811,"image":816},"github-azure-migration",[807,808],"migration-from-azure-devops-to-gitlab","integrating-azure-devops-scm-and-gitlab","Is your team ready for GitHub's Azure move?","GitHub is already rebuilding around Azure. Find out what it means for you.",{"text":812,"config":813},"See how GitLab compares to GitHub",{"href":814,"dataGaName":815,"dataGaLocation":247},"/compare/gitlab-vs-github/github-azure-migration/","github azure migration",{"config":817},{"src":791},{"header":819,"blurb":820,"button":821,"secondaryButton":826},"Beginne noch heute, schneller zu entwickeln","Entdecke, was dein Team mit der intelligenten Orchestrierungsplattform für DevSecOps erreichen kann.\n",{"text":822,"config":823},"Kostenlosen Test starten",{"href":824,"dataGaName":52,"dataGaLocation":825},"https://gitlab.com/-/trial_registrations/new?glm_content=default-saas-trial&glm_source=about.gitlab.com/de-de/","feature",{"text":54,"config":827},{"href":56,"dataGaName":57,"dataGaLocation":825},1777493585396]