GitHub Agentic Workflows: KI-Agenten in Actions jetzt GA

GitHub hat seine Agentic Workflows aus der Vorschau geholt. Damit kannst du KI-Agenten in GitHub Actions laufen lassen, also dort, wo bei vielen Projekten ohnehin Tests und Deployments automatisch ablaufen. Spannend für kleine Teams ist das, weil die Funktion nicht auf Enterprise beschränkt ist und die Workflows nicht in YAML geschrieben werden, sondern als Markdown in normaler Sprache.

Was passiert ist

Laut GitHub-Changelog vom 28. Oktober 2026 ist GitHub Agentic Workflows auf github.com allgemein verfügbar, und zwar in den Plänen Free, Team und Enterprise. Das Projekt stammt von GitHub Next und ist Open Source (Changelog).

Die Coding-Agenten laufen direkt in GitHub Actions. GitHub nennt als typische Aufgaben (Changelog):

• Issue-Triage (neue Issues sichten und einordnen)
• Analyse fehlgeschlagener CI-Läufe
• Aktualisieren der Dokumentation
• Schreiben von Tests

Für jeden Workflow kannst du GitHub Copilot oder einen eigenen Coding-Agenten verwenden. Standard-Engine ist die GitHub Copilot CLI, und dafür brauchst du eine Copilot-Lizenz (Changelog).

Neu seit der Public Preview sind unter anderem (Changelog):

• gh aw forecast ist nicht mehr experimentell. Der Befehl bezieht jetzt auch die Kosten der Threat Detection und monatliche Spannen ein, damit du die KI-Ausgaben vorab realistischer einschätzen kannst.
• Modellanbieter lassen sich pro Workflow wählen, und neue Vorlagen gibt es über gh aw add-wizard.
• Ein Model Router kann das Modell nach Aufgabentyp und Schwierigkeit auswählen.
• Workflows laufen auch auf selbst gehosteten Runnern mit Actions Runner Controller (ARC), inklusive Docker-in-Docker.
• Agenten lassen sich zusätzlich in einer Cloud-Hypervisor- oder NVX-Micro-VM isolieren.

Wie funktioniert ein agentischer Workflow?

Du beschreibst die Aufgabe in einer Markdown-Datei. GitHub Agentic Workflows übersetzt diese in einen normalen Actions-Workflow in YAML (Changelog). Weil am Ende ganz normales GitHub Actions läuft, gelten deine bestehenden Runner-Gruppen und Richtlinien weiter.

Im Repository liegen dann zwei Dateien (Quickstart):

Datei	Inhalt
.github/workflows/dein-workflow.md	Deine Anweisungen in Markdown plus ein Frontmatter-Block mit Einstellungen
.github/workflows/dein-workflow.lock.yml	Die daraus erzeugte Datei, die GitHub Actions ausführt

Beide Dateien gehören ins Repository. Änderst du das Frontmatter, erzeugst du die Lock-Datei mit gh aw compile neu (Quickstart).

Wenn du wissen willst, was einen KI-Agenten von einem normalen Chatbot unterscheidet, findest du die Grundlagen in meinem Ratgeber Was ist ein KI-Agent?.

Wie sicher sind KI-Agenten in GitHub Actions?

Ein Agent, der im eigenen Code-Repository arbeitet, ist ein Risiko, etwa wenn er über ein manipuliertes Issue falsche Anweisungen bekommt. GitHub setzt deshalb auf mehrere Schutzebenen (Changelog):

• Nur Leserechte als Standard: Der Agent darf standardmäßig nichts direkt ändern.
• Sandbox: Er läuft in einem isolierten Container hinter der Agent Workflow Firewall.
• Integritätsfilter: Der Zugriff auf GitHub-Inhalte folgt festen Integritätsregeln.
• Safe Outputs: Ausgaben des Agenten werden geprüft, bevor etwas passiert.
• Threat Detection: Ein eigener Job prüft alle vorgeschlagenen Änderungen, bevor sie angewendet werden.

Die Safe Outputs sind der wichtigste Teil. Der Agent führt Aktionen wie „Issue anlegen“ oder „Pull Request erstellen“ nicht selbst aus. Er meldet sie nur strukturiert an. Ein separater Job mit eng gefassten Rechten prüft die Anfragen und führt nur die erlaubten aus (Safe-Outputs-Doku). Standardmäßig ist zum Beispiel create-issue, add-comment und create-pull-request je auf eine Aktion pro Lauf begrenzt (max: 1), und du kannst das im Workflow anpassen (Safe-Outputs-Doku).

Die Idee ist dieselbe wie bei GitHubs anderen jüngsten Neuerungen rund um Agenten-Rechte, über die ich in GitHub Copilot Berechtigungen: KI prüft jetzt Befehle geschrieben habe: Der Agent darf viel vorschlagen, aber wenig selbst ausführen.

Was brauchst du, und was kostet es?

Laut Quickstart brauchst du (Stand: Oktober 2026):

• ein KI-Konto bei GitHub Copilot, Anthropic Claude, OpenAI Codex, Google Gemini oder Pi
• ein Repository mit Schreibzugriff und aktivierten GitHub Actions
• die GitHub CLI (gh) ab Version 2.0.0
• Linux, macOS oder Windows mit WSL

Bei Copilot läuft die Abrechnung über deine Copilot-Lizenz bzw. das Organisations-Billing. Bei Claude, Codex und Gemini hinterlegst du einen API-Schlüssel des Anbieters als Secret, die Kosten laufen dann über diesen Anbieter (Quickstart). Ein Token aus claude login wird für Claude ausdrücklich nicht unterstützt (Quickstart). Konkrete Preise nennt GitHub in der Ankündigung nicht. Genau dafür ist gh aw forecast gedacht: Du siehst vorab, mit welchen KI-Ausgaben du rechnen musst.

Was es für dich bedeutet

Für Selbstständige und kleine Teams, die eigene Software, eine Website oder interne Tools auf GitHub pflegen, ist das die erste offizielle Möglichkeit, Routinearbeit im Repo ohne eigenen Server an einen KI-Agenten zu geben. Drei Punkte finde ich wichtig:

Klein anfangen. Ein täglicher Statusbericht oder die Sortierung neuer Issues ist ein guter Einstieg. Der Agent legt dabei höchstens ein Issue oder einen Kommentar an, du siehst das Ergebnis und entscheidest. Code-Änderungen per Pull Request kommen erst, wenn du dem Ablauf vertraust.

Kosten im Blick behalten. Ein Workflow, der bei jedem Issue oder jedem CI-Fehler startet, kann in einem aktiven Repo oft laufen. Schau vorher mit gh aw forecast nach, bevor du einen Workflow scharf schaltest.

Ganz ohne Technik geht es nicht. Die Aufgabe schreibst du in normaler Sprache, die Einrichtung läuft aber über das Terminal, Secrets und Repository-Rechte. Wer noch nie mit Git gearbeitet hat, sollte das zuerst lernen. Wenn du eher Büroabläufe als Code automatisieren willst, passt mein Ratgeber Prozesse mit KI automatisieren besser.

So probierst du es aus

Die Schritte aus dem Quickstart in Kurzform:

gh extension install github/gh-aw
gh aw add-wizard githubnext/agentics/repo-status

Der Assistent prüft die Rechte, lässt dich die KI-Engine wählen und richtet die Zugangsdaten ein. Danach fügt er den Workflow per Push oder Pull Request hinzu. Ein Lauf dauert laut Anleitung etwa zwei bis drei Minuten. Wenn alles klappt, findest du im Tab „Issues“ einen neuen Eintrag „Daily Repo Report“ (Quickstart). Weitere Beispiel-Workflows liegen im Agentics-Repository.

Quellen

• GitHub Changelog: GitHub Agentic Workflows is generally available (28.10.2026)
• GitHub Agentic Workflows: Quickstart
• GitHub Agentic Workflows: Safe Outputs
• Agentics-Repository mit Beispiel-Workflows

Häufige Fragen

Ist GitHub Agentic Workflows kostenlos?

Die Funktion gibt es auch im kostenlosen Plan GitHub Free. Die KI-Nutzung kostet aber extra: Für die Standard-Engine Copilot CLI brauchst du eine Copilot-Lizenz. Nutzt du Claude, Codex oder Gemini, rechnet der jeweilige Anbieter über deinen API-Schlüssel ab. Mit gh aw forecast kannst du die KI-Ausgaben vorab schätzen.

Kann ich statt Copilot auch Claude oder Codex in GitHub Actions nutzen?

Ja. Neben GitHub Copilot unterstützt die Anleitung Anthropic Claude, OpenAI Codex, Google Gemini und Pi. Für Claude hinterlegst du zum Beispiel den Schlüssel als Secret ANTHROPIC_API_KEY im Repository. Ein Token aus claude login wird nicht unterstützt.

Darf der KI-Agent in meinem Repository Code ändern?

Nicht direkt. Der Agent hat standardmäßig nur Leserechte und meldet gewünschte Aktionen wie ein neues Issue oder einen Pull Request nur an. Ein separater Job mit eng gefassten Rechten prüft diese Anfragen und führt nur das aus, was du im Workflow erlaubt hast.

Muss ich programmieren können, um Agentic Workflows zu nutzen?

Die Aufgabe beschreibst du in einer Markdown-Datei in normaler Sprache. Du brauchst aber ein GitHub-Repository mit Schreibzugriff, die GitHub CLI und etwas Übung im Terminal. Ein Assistent (gh aw add-wizard) richtet Engine und Zugangsdaten für dich ein.