Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

GitLab kürt Gewinner des Transcend Hackathons für die Zeit nach dem Code

18. November 2026Von der KI Nachrichten RedaktionQuelle: GitLab
GitLab kürt Gewinner des Transcend Hackathons für die Zeit nach dem Code
Bild: GitLab

GitLab hat die Gewinner seines Transcend Hackathons bekannt gegeben. Dabei entwickelten Entwickler Agenten und Abläufe für die Arbeit zwischen dem Schreiben von Code und dem Betrieb von Software in der Produktion. Für die Veranstaltung im Oktober registrierten sich mehr als 3.300 Entwickler, 783 Projekte wurden eingereicht.

Das Wichtigste in Kürze
  • Mehr als 3.300 Entwickler registrierten sich, 783 Projekte wurden eingereicht.
  • Der Hackathon konzentrierte sich darauf, Software von der Codegenerierung in die Produktion zu bringen.
  • ShakeFix schloss einen Fix und die Bereitstellung für eine Apotheken-App in einem Live-Lauf in 18 Minuten und 34 Sekunden ab.
  • Lookback entdeckte in seiner Demonstration 413 Haushalte mit zu niedrigen Zahlungen.
  • Der Preisfonds umfasste $45,000 in neun Kategorien.

Die Herausforderung begann nach dem Code

GitLab stellte den Hackathon unter die Annahme, dass die Codegenerierung inzwischen der einfachere Teil der Softwareentwicklung ist. Die Herausforderung mit dem Titel „Life after code, the path to production at the speed of imagination“ forderte die Teilnehmer auf, auf der GitLab Duo Agent Platform aufzubauen.

Die Projekte mussten Aufgaben wie Tests, Sicherheit, Release und Monitoring nach dem Schreiben des Codes abdecken. Außerdem mussten die Teilnehmer entscheiden, wie viel Handlungsspielraum sie ihren Agenten geben wollten, von einer Genehmigung bei jedem Schritt bis hin zu einem vollständig autonomen Betrieb.

Laut GitLab hatten die stärksten Projekte ein gemeinsames Modell: Agenten übernahmen das Lesen, Schreiben und Weiterleiten, während automatisierte Prüfungen und Menschen die endgültigen Entscheidungen trafen. Das Unternehmen erklärte, die Siegerbeiträge zeigten, dass sich diese Systeme über herkömmliche Softwareabläufe hinaus einsetzen lassen, etwa für Apotheken-Apps, Leistungssysteme, Pflegeheime und Klassenräume für blinde Schüler.

Drei Projekte traten im Start-Fresh-Pfad an

Der Start-Fresh-Pfad umfasste Projekte, die auf GitLab von Grund auf neu entwickelt wurden. Aftermath von Ahadi Cyizere gewann als bester unterstützter Agent und erhielt $4,000. Der GitLab-Duo-Ablauf nutzt drei Unteragenten, um zu untersuchen, ob ein manipuliertes npm-Paket in früheren CI-Jobs ausgeführt wurde, auf welche Zugangsdaten diese Jobs zugreifen konnten und welche Schritte zur Eindämmung vorbereitet werden sollten. Ein Mensch genehmigt den Untersuchungsumfang, den Eindämmungsplan und den Abschluss des Vorfalls.

Lookback von Ujwal Suresh Vanjare und Arpita Madhukar Kalburgi gewann als bester überwachter Agent und erhielt $4,000. Ausgehend von einem erfolgreichen Einspruch gegen eine Leistungsentscheidung reproduziert der Ablauf einen Softwarefehler, erstellt einen fehlschlagenden Test und eröffnet einen Merge Request zur Behebung. Nachdem ein Mensch den Fix zusammengeführt hat, prüft das System frühere Entscheidungen. In der von GitLab beschriebenen Demonstration fand es 413 Haushalte mit zu niedrigen Zahlungen und veröffentlichte die geschuldeten Beträge als Zahlungslauf.

ShakeFix von Venkatesh Devale gewann als bester autonomer Agent und erhielt $5,000. Ein Nutzer einer Apotheken-App meldet ein Problem, indem er ein Smartphone schüttelt. Anschließend schreiben vier Agenten einen fehlschlagenden Test, beheben den Fehler und vergleichen den Fix vor dem Zusammenführen und Bereitstellen mit dem Verhalten in der Produktion. GitLab zufolge dauerte der Live-Lauf 18 Minuten und 34 Sekunden, ohne dass ein Mensch eingreifen musste.

Bestehende Open-Source-Projekte ergänzten Agentenautomatisierung

Der Bring-Your-Own-Pfad konzentrierte sich auf bestehende Open-Source-Projekte. Unstuck von Aryan Shah und Riken Shah gewann als bester unterstützter Agent und erhielt $4,000. Die Abläufe verwalten Abhängigkeits-Upgrades, indem sie Versionshinweise lesen, fehlerhaftes Verhalten beheben und bei einem Menschen pausieren, wenn ein Upgrade das Verhalten verändern würde. Beim Einsatz mit doccano wechselte das Projekt in sechs geprüften Merge Requests von einer nicht unterstützten Django-Version mit 80 bekannten Warnungen auf null Warnungen und Django 5.2.

CodeTinder von Jason Yu gewann als bester überwachter Agent und erhielt $4,000. Bei jedem Merge Request wählt ein Agent eine Funktion aus und erstellt getestete Varianten. Nutzer wischen auf einem Smartphone durch diese Varianten. Ihre Auswahl aktualisiert ein versioniertes Dokument mit Prinzipien, das die Agenten beim Umschreiben des restlichen Merge Requests verwenden.

Locus von Ahammad Shawki, Nourin Richi und Mohammad Ashfaqul Hasan gewann als bester autonomer Agent und erhielt $5,000. Auf Basis der Open-Source-Bibliothek JSCAD verwandelt das Projekt die Beschreibung eines Lehrers in Alltagssprache in einen tastbaren Graphen mit Braille-Beschriftungen für einen blinden Schüler. Agenten prüfen den Graphen anhand forschungsbasierter Regeln für das Ertasten, korrigieren Fehler, veröffentlichen das Ergebnis auf Google Cloud und senden die Druckdateien an den Lehrer. GitLab erklärte, ein Graph könne erst zum Drucken freigegeben werden, wenn er diese Regeln erfüllt.

Sonderpreise würdigen Abdeckung, Sicherheit und Effizienz

GitLab vergab außerdem Preise für Projekte, die mehr der neun DevSecOps-Phasen abdeckten: Plan, Create, Verify, Package, Secure, Release, Configure, Monitor und Govern.

Stale von Diptarka Nandi, Harshit Anand, Abhinav Kumar und Ashutosh Pandey gewann im Start-Fresh-Pfad als Projekt mit der umfassendsten Phasenabdeckung und erhielt $5,000. Seine geplante Pipeline überwacht Live-Feeds, eröffnet bei veränderten Bedingungen Issues und nutzt einen Ablauf zur Vorbereitung von Fixes. CI und ein Canary-Release testen die Änderungen, bevor der Datenverkehr umgeleitet wird.

Earned Autonomy von Shivansh Kalra gewann den entsprechenden Preis im Bring-Your-Own-Pfad und erhielt $5,000. Das Projekt weist jedem Merge Request in der FastAPI-Full-Stack-Vorlage anhand von Belegen ein Autonomieniveau zu. GitLab zufolge brachte ein Lauf eine anfällige Abhängigkeit in 35 Minuten ohne menschlichen Schritt von der Warnung bis zur behobenen Bereitstellung in der Produktion. Ein anderer Lauf setzte ein fehlerhaftes Release in 3,3 Sekunden zurück.

Memory Lane von Oliver McBride gewann als Projekt mit den größten Umweltauswirkungen und erhielt $5,000. Seine Abläufe helfen Koordinatoren in Pflegeheimen, Erinnerungssitzungen für Bewohner mit Demenz zu erstellen, und führen Anfragen durch Sicherheitsprüfung, CI/CD und Cloud Run. Nach der Messung der CO2-Kosten anhand der Spezifikation Software Carbon Intensity senkte das Team die CI-Kosten pro ausgelieferter Anfrage um 48 Prozent.

CodeTinder gewann außerdem den mit $4,000 dotierten Preis für das kreativste Projekt. GitLab zufolge war das Projekt die Idee mit der höchsten Punktzahl über beide Pfade hinweg. Das Unternehmen erklärte, die Ergebnisse sprächen für einen überwachten Ansatz, bei dem Agenten umfangreiche operative Arbeit übernehmen, während Tests, CI und Menschen die Kontrolle über riskante Änderungen behalten.

Ähnliche Meldungen

Produkte und Tools
Produkte und Tools19. November 2026

GitLab 19.6 bringt Prüfkontrollen für Agenten, Websuche und schnellere Diffs

GitLab 19.6 ist ab sofort verfügbar und bietet neue Kontrollen für die Aktivität von KI-Agenten, Websuche in GitLab Duo Agentic Chat sowie eine schnellere Diff-Ansicht…

GitLab ergänzt KI-gestützte Rotation geleakter Zugriffstoken
Für Entwickler19. November 2026

GitLab ergänzt KI-gestützte Rotation geleakter Zugriffstoken

GitLab führt einen Beta-Workflow ein, der geleakte persönliche Zugriffstoken rotiert und GitLab Duo nutzt, um den betroffenen CI/CD-Code zu aktualisieren. Die Funktion…

GitLab: Credits für Duo Agent Platform reichen bis zu doppelt so weit
Produkte und Tools19. November 2026

GitLab: Credits für Duo Agent Platform reichen bis zu doppelt so weit

GitLab zufolge benötigt die Duo Agent Platform jetzt weniger Modellanfragen für Agenten- und Flow-Aufgaben. Dadurch reichen die GitLab Credits für die meisten Kunden bis…