GitHub Copilot

GitHub Copilot ist ein KI-Coding-Agent, der dir hilft, Software zu schreiben, zu verstehen und bereitzustellen. Er unterstützt dich in jeder Phase des Softwareentwicklungslebenszyklus, einschließlich der Erkundung deiner Codebasis, der Planung deines Projekts, der Automatisierung deiner Workflows, der Überprüfung deiner Änderungen und der Behebung von Mergekonflikten.  

Da GitHub Copilot direkt in GitHub integriert ist, arbeitet er innerhalb des Entwicklungs-Workflows, den du bereits verwendest: 

• Dein Code und sein Verlauf. 

• Die Issues und Pull Requests, mit denen du deine Arbeit bereits verfolgst. 

• Die Automatisierungen, die du in deinem Repository ausführst. 

Eine Änderung kann als Issue beginnen, von einem Agenten übernommen werden, als Pull Request zurückkehren, auf Qualität und Sicherheit geprüft und anschließend gemergt werden. Du und GitHub Copilot arbeitet am selben Ort und mit demselben Kontext daran, anstatt Code in separate Tools und wieder zurück verschieben zu müssen.

GitHub Copilot wird in allen Sprachen trainiert, die in öffentlichen Repositorys Verwendung finden.  

GitHub Copilot ist in mehreren integrierten Entwicklungsumgebungen verfügbar, darunter Visual Studio Code, Visual Studio, JetBrains IDEs, Xcode, Vim, Neovim, Zed und Eclipse. GitHub Copilot ist außerdem im Terminal/in der CLI, über die GitHub Copilot Desktop-App, im Web, auf Mobilgeräten, in Slack und in Teams verfügbar. Du kannst deine Arbeit ganz einfach auf einer Oberfläche beginnen und dieselbe Sitzung auf einer anderen fortsetzen. Hier mehr erfahren

In der GitHub-Dokumentation findest du zahlreiche Ressourcen, darunter Schnellstartanleitungen für verschiedene Oberflächen und bewährte Methoden. Unsere Community hat Awesome GitHub Copilot entwickelt, um wiederverwendbare Agenten, Skills, Anweisungen, Hooks und Tools von Entwickler:innen bereitzustellen, die dir helfen, mit GitHub Copilot schneller Software bereitzustellen. Außerdem findest du Tutorials und YouTube-Videos, mit denen du noch heute loslegen kannst. 

Mit GitHub-KI-Credits bezahlt man die Nutzung der KI-Funktionen in GitHub Copilot. Jeder Tarif beinhaltet ein monatliches Guthaben: 1 KI-Credit = 0,01 $. 

Du verbrauchst Credits, wenn du mit GitHub Copilot chattest und mit Agenten arbeitest. Die Code-Vervollständigung und die Vorschläge für die nächste Bearbeitung verbrauchen keine Credits. Bei jedem kostenpflichtigen Tarif bleiben sie unbegrenzt. 

Wie viele Credits eine Interaktion verbraucht, hängt vom gewählten Modell und der Komplexität der Aufgabe ab. Eine kurze Abfrage an ein leichtgewichtiges Modell kostet nur einen Bruchteil eines Credits. Eine längere Agentensitzung auf einem Frontier-Modell, die viele Dateien umfasst, ist kostspieliger.

GitHub Copilot bietet verschiedene Pläne für Organisationen und einzelne Entwickler:innen. Zu den wichtigsten Unterschieden zwischen den Plänen gehören die Gesamtzahl der GitHub KI Credits und die verfügbaren Modelle. Weitere Informationen und eine Vergleichstabelle der Pläne findest du auf unserer Seite zu Plänen und Preisen.

Wenn das monatliche Kontingent aufgebraucht ist, gibt es mehrere Möglichkeiten: 

• Den nächsten Zyklus abwarten. Ihr Inklusivkontingent wird jeden Monat zurückgesetzt. 

• Weiterhin mit der kostenpflichtigen Version arbeiten. Ein Dollar-Budget für die weitere Nutzung festlegen, damit Copilot ohne Unterbrechung weiterläuft. Credits werden in Schritten von jeweils 0,01 $ abgezogen, sodass ein Budget von 10 $ für 1.000 Credits ausreicht. 

• Auf ein günstigeres Modell umsteigen. Light-Modelle verbrauchen weniger Credits pro Interaktion und sorgen dafür, dass Ihre verbleibenden Credits länger reichen. 

Bei GitHub Copilot Business und GitHub Copilot Enterprise legen Administrator:innen Nutzungsbeschränkungen fest und entscheiden, ob eine zusätzliche kostenpflichtige Nutzung zulässig ist. Ist dies nicht der Fall, pausiert Copilot bis zum nächsten Zyklus. 

Unter „Copilot-Einstellungen“ kann man den Verbrauch verfolgen und das Datum zurücksetzen, wobei bei 75 %, 90 % und 100 % des jeweils festgelegten Budgets Benachrichtigungen angezeigt werden.

Benutzer:innen von GitHub Copilot Free sind auf 2.000 Vervollständigungen pro Monat und den Zugriff auf Einstiegsmodelle beschränkt. Eine Free-Lizenz kann über die Copilot-Einstellungen oder direkt auf der Copilot-Marketingseite auf Pro hochgestuft werden.

Welche persönlichen Daten GitHub Copilot verarbeitet, hängt davon ab, wie auf Copilot zugegriffen wird: über github.com, die mobile App oder Erweiterungen oder über eine unterstützte integrierte Entwicklungsumgebung. Auch wie Copilot verwendet wird, spielt eine Rolle: ob für Vorschläge in der Befehlszeile (CLI), für Codevervollständigung in einer integrierten Entwicklungsumgebung oder für personalisierte Unterhaltungen auf github.com. Folgende Arten von persönlichen Daten können verarbeitet werden:

• User-Engagement-Daten: Diese Daten umfassen pseudonyme Identifikatoren, die während Benutzer:inneninteraktionen mit Copilot erfasst werden, zum Beispiel akzeptierte oder abgelehnte Vervollständigungen, Fehlermeldungen, Systemprotokolle und Kennzahlen zur Produktnutzung. 

• Prompts: Hierzu zählen Eingaben im Chat oder Code sowie Kontextinformationen, die an die KI von Copilot gesendet werden, damit sie Vorschläge generiert. 

• Vorschläge: Das sind die KI-generierten Codezeilen oder Chatantworten, die Benutzer:innen nach einem Prompt erhalten. 

• Feedbackdaten: Diese Daten umfassen Echtzeit-Feedback von Benutzer:innen, darunter Reaktionen (z. B. Gute-Antwort-/Schlechte-Antwort-Reaktionen) und optionale Kommentare sowie Feedback aus Support-Tickets.

Das hängt davon ab, wie und zu welchem Zweck Entwickler:innen auf Copilot zugreifen. Im Allgemeinen verwendet GitHub persönliche Daten für folgende Zwecke: 

• Bereitstellung, Wartung und Aktualisierung der Dienste gemäß der Konfiguration und Nutzung durch Kund:innen, um eine personalisierte Erfahrung und personalisierte Empfehlungen zu gewährleisten 

• Troubleshooting, also die Vermeidung, Erkennung, Behebung und Eindämmung von Problemen (einschließlich produktbezogener Probleme und Sicherheitsvorfällen) durch die Korrektur von Softwarefehlern und die Aufrechterhaltung der Funktionsfähigkeit und Aktualität der Onlinedienste 

• Verbesserung der Benutzer:innenproduktivität, Zuverlässigkeit, Effektivität und Qualität, des Datenschutzes, der Zugänglichkeit und der Sicherheit durch Gewährleistung der Betriebsfähigkeit des Dienstes und die Implementierung von Aktualisierungen 

Diese Praktiken werden im Data Protection Agreement (DPA) von GitHub erläutert. Es definiert die Pflichten, die sich GitHub hinsichtlich der Datenverarbeitung gegenüber seinen Kund:innen (Datenverantwortliche) auferlegt. GitHub verwendet mit Kundenzustimmung und gemäß dem DPA außerdem bestimmte persönliche Daten für die folgenden Zwecke: 

• Abrechnung und Kontomanagement 

• Einhaltung und Erfüllung gesetzlicher Verpflichtungen 

• Missbrauchserkennung, Missbrauchsvermeidung und Schutz vor Missbrauch, Virenscans und Prüfungen auf Verstöße gegen die Nutzungsbedingungen 

• Erstellung von Übersichtsberichten zur Berechnung von Mitarbeitendenprovisionen und Partner:innen-Incentives 

• Erstellung von Übersichtsberichten für die interne Verwendung und strategische Planung, unter anderem mit Prognosen, Umsatzanalysen, Kapazitätsplanung und Produktstrategie. 

Weitere Informationen findest du in unserem GitHub Copilot Trust Center.

GitHub nutzt die GitHub-Copilot-Daten von Einzelabonnent:innen für alle oben beschriebenen betrieblichen Zwecke, die für Business-/Enterprise-Abonnent:innen gelten.

Außerdem gilt nur für Einzelabonnent:innen: GitHub darf Interaktionsdaten von GitHub Copilot – einschließlich Prompts (Eingaben), Vorschlägen (Ausgaben) und während GitHub-Copilot-Sitzungen generierten Code-Snippets – zum Trainieren und Verbessern von KI-Modellen verwenden. Dieses Training trägt dazu bei, die Code-Vorschläge für alle GitHub Copilot-Benutzer:innen zu verbessern.

Einzelabonnent:innen können jederzeit über die Opt-out-Funktion verhindern, dass ihre Daten für das Training von KI-Modellen verwendet werden https://github.com/settings/copilot/features.

Weitere Informationen zu den Datenverarbeitungsaktivitäten von GitHub als Verantwortlicher, insbesondere für Benutzer:innen von GitHub Copilot Free, GitHub Copilot Pro und GitHub Copilot Pro, findest du in den Nutzungsbedingungen von GitHub und im GitHub Privacy Statement.

Ja. GitHub und die Kund:innen können eine Datenschutzvereinbarung abschließen, in der die Einhaltung der DSGVO und ähnlicher Gesetze festgeschrieben wird.

Wir haben bei der Entwicklung von GitHub Copilot größten Wert auf Datenschutz gelegt. Dennoch können wir angesichts der weitreichenden Definition des Konzepts persönlicher Daten in der Datenschutz-Grundverordnung (DSGVO) der Europäischen Union nicht garantieren, dass die Ausgabe von Copilot niemals solche Daten enthalten wird. Das große Sprachmodell (LLM, Large Language Model), mit dem GitHub Copilot arbeitet, wurde mit öffentlichem Code trainiert. In unseren Tests ist es vereinzelt vorgekommen, dass das Tool Vorschläge generiert hat, die persönlichen Daten ähnelten. In der Regel wurden diese Vorschläge synthetisiert und hatten keinen Bezug zu realen Personen. 

Der Zugriff auf persönliche Daten in Copilot, ihre Änderung und ihre Löschung werden im GitHub Privacy Statement geregelt.

Im Hinblick auf das geistige Eigentum ist bei der Nutzung von GitHub Copilot vor allem der Bereich des Urheberrechts relevant. Das zugrunde liegende Modell in Copilot wird mit einer breiten Palette von öffentlich zugänglichem Code trainiert, der auch urheberrechtlich geschützten Code umfassen kann. In seltenen Fällen besteht daher die Möglichkeit, dass die Vorschläge von Copilot Code ähneln, mit dem das Modell trainiert wurde. Folgendes ist dabei wichtig:

Das Urheberrecht erlaubt das Trainieren von KI-Modellen mit urheberrechtlich geschützten Werken. Länder auf der ganzen Welt haben in ihren Urheberrechtsgesetzen festgeschrieben, dass Maschinen aus urheberrechtlich geschütztem Material lernen und es auswerten dürfen sowie Muster und Fakten daraus extrahieren dürfen – einschließlich Softwarecode. Beispielsweise existieren sowohl in der Europäischen Union als auch in Japan und Singapur ausdrückliche Bestimmungen, die den Einsatz von maschinellem Lernen bei der Entwicklung von KI-Modellen zulassen. Andere Länder, darunter Kanada, Indien und die USA, erlauben ein solches Training ebenfalls im Rahmen ihrer Fair-Use- und Fair-Dealing-Bestimmungen. Das KI-Modell von GitHub Copilot wurde mit Code aus den öffentlichen Repositorys von GitHub trainiert, die öffentlich zugänglich sind. Damit bewegt sich das Training hier im Rahmen der zulässigen urheberrechtlichen Nutzung.

Wie ist nun das urheberrechtliche Risiko bei Vorschlägen einzuschätzen? In seltenen Fällen (weniger als 1 % laut GitHub-Daten) können Vorschläge von GitHub mit Codebeispielen übereinstimmen, die für das Training des KI-Modells von GitHub verwendet wurden. Wir möchten an dieser Stelle noch einmal betonen, dass Copilot nicht nach Code sucht und auch kein Copy-and-Paste-Verfahren nutzt. Stattdessen analysiert das Tool den Kontext des Benutzerarbeitsbereichs, um einen Vorschlag zu synthetisieren und zu generieren.

Unserer Erfahrung nach sind hauptsächlich in zwei Szenarien Vorschläge zu beobachten, die Übereinstimmungen mit Trainingscode aufweisen: 1) wenn das Modell von Copilot im Code-Editor wenig oder gar keinen Kontext für die Synthetisierung findet oder 2) wenn der übereinstimmende Vorschlag eine gängige Strategie oder Methode darstellt. Wenn ein Codevorschlag mit vorhandenem Code übereinstimmt, besteht das Risiko, dass eine Verwendung des Vorschlags zu Ansprüchen wegen Urheberrechtsverletzungen führen könnte. Hier würde es darauf ankommen, wie viel von dem Code verwendet wird, um welche Art Code es sich handelt und in welchem Kontext der Code verwendet wird. In vielerlei Hinsicht handelt es sich um das gleiche Risiko, das Entwickler:innen jedes Mal eingehen, wenn sie Code verwenden, den sie nicht selbst entwickelt haben – beispielsweise Code aus einer Onlinequelle oder aus einer Bibliothek. Aus diesem Grund empfehlen verantwortungsvolle Organisationen und Entwickler:innen die Verwendung von Code-Scanning-Richtlinien, um potenziell übereinstimmenden Code zu identifizieren und zu evaluieren.

In Copilot lässt sich festlegen, ob Codevervollständigungen vorgeschlagen werden dürfen, die Übereinstimmungen mit öffentlich verfügbarem Code auf github.com aufweisen. Weitere Informationen haben wir unter "Configuring GitHub Copilot settings on GitHub.com" (Konfigurieren der Einstellungen von GitHub Copilot auf github.com) zusammengestellt. Wenn Vorschläge erlaubt sind, die mit öffentlichem Code übereinstimmen, kann GitHub Copilot nach dem Akzeptieren der Vorschläge Details zu dem übereinstimmenden Code liefern. Übereinstimmender Code bedeutet nicht zwangsläufig eine Urheberrechtsverletzung. Schlussendlich müssen Entwickler:innen selbst unter Berücksichtigung der konkreten Umstände entscheiden, ob sie einen Vorschlag verwenden, in welchem Umfang und gegenüber wem eine Urheberbenennungspflicht besteht und welche anderen Lizenzauflagen zu erfüllen sind.

Ja. GitHub Copilot umfasst einen optionalen Filter zur Codereferenzierung, der Vorschläge mit Übereinstimmungen in öffentlichem Code auf GitHub erkennt und unterdrückt. 

GitHub hat einen Filter zur Erkennung von Duplikaten entwickelt. Er erkennt und unterdrückt Vorschläge mit Codesegmenten, die eine bestimmte Länge überschreiten und mit öffentlichem Code auf GitHub übereinstimmen. Dieser Filter kann vom Administrationsteam des Unternehmens aktiviert und auf sämtliche Organisationen des Unternehmens angewendet werden. Alternativ kann die Kontrolle über den Filter auch auf die Organisationen selbst übertragen werden.  

Wenn der Filter aktiviert ist, überprüft GitHub Copilot Code-Vorschläge auf Übereinstimmungen oder nahezu übereinstimmende Stellen mit öffentlichem Code auf GitHub mit mindestens 65 Lexemen (durchschnittlich 150 Zeichen). Wird eine Übereinstimmung gefunden, wird der Vorschlag nicht angezeigt. 

GitHub Copilot umfasst außerdem Filter, die anstößige Begriffe und Formulierungen in Prompts blockieren und so die Synthetisierung von Vorschlägen in sensiblen Kontexten unterbinden. Wir sind kontinuierlich darum bemüht, dieses Filtersystem zu verbessern, damit anstößige Inhalte noch effektiver erkannt und entfernt werden. Sollten dennoch anstößige Inhalte generiert werden, bitten wir um direkte Meldung an copilot-safety@github.com. Das hilft uns, unsere Sicherheitsvorkehrungen weiter zu verbessern. GitHub nimmt dieses Thema sehr ernst und bemüht sich fortlaufend, die Generierung solcher Inhalte zu verhindern. 

Neben der Filterung von themenfremden, schädlichen und anstößigen Inhalten prüft GitHub Copilot die Ausgabe auch auf angreifbaren Code.

Öffentlicher Code kann unsichere Codemuster, Codefehler oder Verweise auf veraltete APIs oder Idiome enthalten. Wenn GitHub Copilot solche Daten bei der Synthetisierung von Codevorschlägen heranzieht, können die Codevorschläge ebenfalls diese unerwünschten Muster enthalten. Copilot verfügt über Filter, die unsichere Codemuster in Copilot-Vorschlägen erkennen und sie entweder blockieren oder die Entwickler:innen benachrichtigen. Diese Filter suchen nach den häufigsten Mustern von angreifbarem Code, zum Beispiel nach hartcodierten Anmeldeinformationen, eingeschleusten SQL-Befehlen und eingeschleusten Pfaden. Daneben haben wir in den letzten Jahren Tools wie GitHub Advanced Security, GitHub Actions, Dependabot und CodeQL für Open-Source-Projekte bereitgestellt, mit denen sich die Codequalität verbessern lässt. Es versteht sich von selbst, dass GitHub Copilot immer zusammen mit rigorosen Test- und Überprüfungspraktiken sowie Sicherheits-Tools eingesetzt werden sollte und dass Entwickler:innen immer ihren eigenen gesunden Menschenverstand nutzen sollten.

Nein. GitHub Copilot ist ein Tool, mit dem wir Entwickler:innen helfen möchten, effizienter zu werden. Es ist nicht dafür vorgesehen, Entwickler:innen zu ersetzen. 

Bei der Verwendung der GitHub Copilot-Vorschläge sollten Entwickler:innen genau dieselben Sicherheitsvorkehrungen und dieselbe Sorgfalt anwenden wie bei der Verwendung jedes anderen Codes von Drittanbietern. 

Verfahren wie gründliche funktionale Tests, Code-Scanning und Sicherheitstests sollten auch bei Vorschlägen von GitHub Copilot weiterhin angewendet werden. Außerdem sollte sichergestellt werden, dass der verwendete Code-Editor oder Editor generierten Code nicht automatisch kompiliert oder ausführt, bevor er durch Menschen überprüft werden kann.

Wir möchten sicherstellen, dass GitHub Copilot für alle zugänglich ist, und testen derzeit intern, wie barrierefrei der Agent für Entwickler:innen mit Behinderungen ist. Erfahre mehr über Barrierefreiheit bei GitHub und sieh dir unsere ausführliche Dokumentation zu verschiedenen Themen und Funktionen der Barrierefreiheit an, einschließlich Anleitungen zur Nutzung unserer Produkte mit Screenreadern und anderen assistiven Technologien auf unserer GitHub Accessibility-Website.

Da die meisten öffentlichen Quellen auf Englisch sind, funktioniert GitHub Copilot wahrscheinlich weniger effektiv, wenn Prompts in natürlicher Sprache nicht auf Englisch formuliert werden und/oder Grammatikfehler enthalten. Die Dienstqualität kann für Entwickler:innen mit anderen Muttersprachen als Englisch daher schlechter sein.