Netflix senkt Kosten für KI-Coding-Agenten mit der IDE-Intelligenz von JetBrains

Das Problem: Java- und Kotlin-Code hinter JAR-Dateien

Die Teams für die Application Development Platform (ADP), die GenAI Platform und das Agentic SDLC bei Netflix stellten fest, dass Coding-Agenten sich in Java- und Kotlin-Code nur schwer zurechtfinden, vor allem über die Grenzen kompilierter Bibliotheken (JAR) hinweg. Paul Bakker, Staff Software Engineer bei Netflix, sagte in dem Beitrag von JetBrains: „Coding-Agenten wie Claude Code sind beim Navigieren in Java-/Kotlin-Code langsam und unzuverlässig, besonders über Bibliotheksgrenzen (JAR) hinweg.“

Die Ursache liegt laut JetBrains darin, dass JVM-Projekte Bibliotheken meist nur als JAR-Dateien ausliefern, nie als Quellcode. Agenten müssen die JARs entpacken, raten, welche davon relevant sind, gegebenenfalls Klassendateien dekompilieren und dann mit grep eine unvollständige Sicht auf den Code durchsuchen.

So funktioniert der Aufbau

Die Code-Intelligence-Engine von JetBrains basiert nach Angaben des Unternehmens auf einem deterministischen Index der Quelldateien eines Projekts, einschließlich aller Bibliotheken. Diese Intelligenz wird nun über einen LSP (Language Server) bereitgestellt und ist in VS-Code-kompatiblen Editoren verfügbar. Netflix arbeitete mit einem Headless-Build dieser Engine, sodass keine IDE geöffnet sein musste.

Ein LSP allein reicht für einen Agenten laut JetBrains nicht aus. Er ist ein Server, der ein Protokoll spricht, ohne einfache Möglichkeit für einen Agenten, ihn aufzurufen, und ohne integrierte Prozessverwaltung, um eine laufende Instanz wiederzuverwenden. Außerdem rufen Agenten ihn in vielen kleinen Schritten auf, und ein frischer Serverstart jedes Mal würde einen Kaltstart von mehreren Sekunden verursachen.

JetBrains arbeitet nach eigenen Angaben an einem Daemon, der zum Zeitpunkt der Evaluierung jedoch noch nicht verfügbar war. Netflix baute deshalb einen eigenen Daemon samt CLI. Der Session-Manager des Daemons leitet jeden Aufruf anhand des Projektstamms an einen passenden Serverprozess weiter, der den Index des Projekts im Arbeitsspeicher hält. Ein zweiter Aufruf für dasselbe Projekt überspringt die Indexierung und geht über stdio an einen warmen Server. Beide Werkzeuge sind in Java geschrieben und werden als GraalVM-Executable ausgeliefert, wodurch JVM-Startzeit und Laufzeit-Overhead entfallen.

Wie Netflix die Gewinne gemessen hat

Im Benchmark blieben Modell, Aufgabe und Codebasis gleich. Die einzige Variable war, ob der Agent die IDE-Intelligenz von JetBrains nutzen konnte. Netflix verwendete zwei reale Codebasen: einen internen Service mittlerer Größe auf Basis von Spring Boot 4 und Gradle sowie das Open-Source-Framework DGS Framework, ein gemischtes Kotlin-/Java-GraphQL-Framework. Die Durchläufe fanden im Juli und August 2026 statt.

Die Aufgaben gliederten sich in zwei Gruppen: kleine, gezielte Navigationsfragen, etwa wo eine Schnittstelle verwendet wird oder welche Implementierungen es gibt, und vollständige Ende-zu-Ende-Arbeiten wie das Implementieren eines Features, das Refactoring einer Klasse oder das Entfernen von Code. Getestet wurden Claude Code mit Opus 5 und Sonnet 5 sowie Codex mit GPT-5.6 Sol, jeweils mit mittlerem und hohem Aufwand.

Die wichtigsten Metriken waren Token-Verbrauch und Zeit bis zur Fertigstellung. Für die Korrektheit fungierte ein LLM als Prüfinstanz. Aufgaben, die abstürzten, ein Budgetlimit erreichten oder in einer der beiden Varianten ins Stocken gerieten, wurden aus beiden ausgeschlossen.

Ergebnisse und Einschränkungen

Laut JetBrains wurden alle Modelle, Agenten und Aufgabentypen effizienter, typischerweise um 20 bis 30 %, im besten Fall um bis zu rund 65 %. Am meisten profitierte das stärkste Modell bei hohem Aufwand: etwa 65 % bei der Code-Navigation und etwa 24 % bei Ende-zu-Ende-Aufgaben. Ein mittleres Modell bei hohem Aufwand kam auf rund 29 % und rund 30 %. Die Korrektheit blieb in jedem Durchlauf stabil oder verbesserte sich.

• Bei der Code-Navigation verbrauchte jede Konfiguration weniger Tokens, die Einsparungen lagen zwischen etwa 15 und 60 %.
• Eine Kombination aus Werkzeug und Modell bündelt mehrere Suchaufrufe in einem einzigen Befehl, was einen möglichen Zeitvorteil bei Navigationsaufgaben verdeckte. JetBrains zufolge ist die Ende-zu-Ende-Suite die verlässlichere Grundlage für die Zeitmessung; dort war das Werkzeug bei jedem getesteten Modell und Agenten schneller.

JetBrains betont, dass die Zahlen eine Momentaufnahme sind und sich mit neuen Modellveröffentlichungen verschieben werden. Deshalb nennt das Unternehmen Spannbreiten statt Ergebnisse pro Modell.

Was das bedeutet

Für Teams, die Coding-Agenten in JVM-Projekten einsetzen, deuten die Ergebnisse darauf hin, dass ein ordentlicher Code-Index Token-Kosten und Wartezeiten senken kann. JetBrains weist darauf hin, dass die stärkeren Modelle teurer sind und Effizienzgewinne dort stärker ins Gewicht fallen und dass diese Modelle Indizes zudem besser nutzen. Daemon und CLI hat Netflix für den eigenen Bedarf gebaut, während JetBrains nach eigenen Angaben an einem eigenen Daemon arbeitet.