Gemini Code Assist in der Praxis: Zwischen Code-Generierung und Code-Review

Aktuell evaluieren wir im Team verschiedene KI-Assistenten um unsere diversen Arbeitsabläufe effizienter zu gestalten. Als Google Partner fokussieren wir uns dabei zunächst auf die Tools aus dem Google Portfolio. In diesem Blogartikel wollen wir unsere Erfahrungen mit der Unterstützung im Entwicklungsprozess durch Gemini Code Assist teilen. Für Antigravity haben wir auch schon einen Erfahrungsbericht bereit: Antigravity in der BI Entwicklung.

Es gibt einen Moment, der unsere Evaluierung ziemlich gut zusammenfasst: Wir entwickeln Code in der IDE mit KI-Unterstützung, erstellen einen Pull Request – und bekommen von Gemini Code Assist genau für diesen Code Verbesserungsvorschläge. Wir nehmen diese Vorschläge, gehen zurück in die IDE, geben sie dort erneut ein – und die KI antwortet sinngemäß: „Guter Punkt. Aber hier ist eine noch bessere Lösung.“

Was zunächst widersprüchlich wirkt, ist in Wahrheit der Kern eines neuen, iterativen Entwicklungszyklus. Um zu verstehen, warum dieser Kreislauf kein Fehler im System, sondern die logische Folge des Werkzeug-Einsatzes ist, müssen wir die einzelnen Stationen dieses Prozesses genauer betrachten: den Einsatz im Code-Review und die Unterstützung direkt in der IDE.

Im Pull Request entfaltet Gemini Code Assist seine größte Stärke: Kontext und Qualitätssicherung auf Projektebene. Es führt eine effektive Triage durch, indem es typische Issues wie kleine Logikfehler, fehlende Edge-Cases oder Inkonsistenzen mit Styleguides adressiert und damit die Reviewer spürbar entlastet. Im Gegensatz zur IDE zeigt sich hier die klare Stärke des projektweiten Kontexts, da Gemini häufiger im Rahmen der Gesamtarchitektur argumentiert statt nur auf Basis einzelner Codeblöcke.

Doch die Vorschläge sind mit Vorsicht zu genießen. Die KI optimiert oft für eine technische Eleganz, die in der Praxis unangebracht sein kann. So mussten wir bereits Vorschläge zurückweisen, die zwar theoretisch clever, aber für das eigentliche Problem völlig überdimensioniert waren – etwa, als für eine einfache Schleife eine komplexe Änderung zur späteren Parallelisierung vorgeschlagen wurde, die in diesem Kontext nie relevant gewesen wäre. Hier zeigt sich: Gemini ist ein Reviewer, der oft auf hohem Niveau argumentiert, aber kein Entscheider, der den pragmatischen Projektkontext kennt.

In der IDE verschiebt sich der Fokus weg von der Analyse und hin zur Unterstützung während der Implementierung. Hier beschleunigt das Tool vor allem durch schnelle Code-Vervollständigung bei bekannten Mustern oder APIs. Ein echter Pluspunkt ist zudem die Erklärbarkeit von Code, da sich fremde oder komplexe Abschnitte schnell verständlich machen lassen.

Allerdings sind die Vorschläge bei kleinen Snippets oder isolierten Änderungen teilweise weniger präzise, da der Kontext schwanken kann. In der IDE ist Gemini also eine hilfreiche Unterstützung, aber nicht zwingend das effizienteste Werkzeug für reines, schnelles Schreiben von Code.

Die oft verwirrende Nomenklatur, bei der viele Tools den Namen "Gemini" tragen, verschleiert eine entscheidende Erkenntnis: Der wahre Unterschied liegt nicht allein im Toolnamen, sondern in einer Kombination aus dem eingesetzten Foundation Model, dem dahinterliegenden, oft impliziten Prompt und vor allem dem Kontext, in dem das Werkzeug eingesetzt wird. Während Gemini Code Assist vor allem auf Verständnis und Qualität im größeren Kontext ausgelegt ist, zielen spezialisierte IDE-Plugins primär auf Geschwindigkeit und den Flow beim Schreiben von Code.

Diese Trennung wird jedoch komplexer, da in Tools wie Antigravity selbst verschiedene Foundation Models genutzt werden können, die jeweils unterschiedliche Modi anbieten. Die eigentliche Abgrenzung verschiebt sich daher auf die Prozessebene:

Dieser Unterschied spiegelt sich auch im Kostenmodell wider. Während für auf Geschwindigkeit optimierte Tools meist eine Flatrate anfällt, wird Gemini Code Assist oft nutzungsbasiert abgerechnet, was den gezielten Einsatz für wertvolle, kontextintensive Aufgaben wie Code-Reviews unterstreicht.

Wenn wir nun zum Anfang zurückkehren, löst sich das scheinbare Paradoxon auf. Der Kreislauf aus Schreiben in der IDE und Prüfen im Review ist kein Widerspruch, sondern ein hocheffektiver Workflow, bei dem die KI in zwei unterschiedlichen Rollen mit jeweils optimiertem Kontext agiert.

Doch führt dieser Prozess wirklich zu einer Zeitersparnis? Das subjektive Gefühl der Beschleunigung durch weniger Tipparbeit ist unbestreitbar. Gleichzeitig darf der neue Aufwand nicht unterschätzt werden: die kognitive Last, bei jedem Vorschlag zu validieren, ob er brillant, pragmatisch sinnvoll oder schlichtweg „total drüber“ ist. Die Arbeit verschiebt sich also vom reinen Schreiben hin zur kritischen Bewertung.

Ein sinnvoller Prozess kombiniert daher die Stärken beider Welten: Während der Implementierung sorgt ein spezialisiertes Tool für maximale Geschwindigkeit. Vor dem Merge sichert Gemini Code Assist systematisch die Qualität. Die Verantwortung des Entwicklers wandelt sich dabei: Es geht nicht mehr nur darum, Code zu schreiben, sondern darum, den richtigen Kontext für die KI zu schaffen und ihre Ergebnisse kritisch zu filtern. Denn letztlich ersetzt KI keinen sauberen Entwicklungsprozess – sie verstärkt ihn.

Weitere Links: