AI/KI-Programmierassistenten im Vergleich: Unterschied zwischen den Versionen

Aus Dokument
Zur Navigation springen Zur Suche springen
← Zum vorherigen VersionsunterschiedZum nächsten Versionsunterschied →

Thorsten (Diskussion | Beiträge)

3 Benutzergruppen
69 Bearbeitungen
VisuellWikitext
Keine Bearbeitungszusammenfassung
Zeile 2: Zeile 2:
----
----


''Stand: März 2026. Quellen: Offizielle Dokumentationen, GitHub Blog, Anthropic, Google, OpenAI sowie unabhängige Fachmedien.''


Dieser Bericht vergleicht fünf führende KI-Entwicklungstools und Agenten: OpenAI's Coding Agent (Codex/Operator), Claude Code, Cursor, GitHub Copilot und Google Antigravity.


In diesem Bericht werden die KI-Programmierassistenten  Claude Code, Cursor, GitHub Copilot und Antigravity Agent analysiert und hinsichtlich ihrer Einsatzgebiete, Vor- und Nachteile sowie der Unterstützung von Web- und Google-Suchen verglichen.
== Übersicht der Kriterien ==


 
{| class="wikitable"
== Claude Code (Anthropic) ==
|-
Claude Code ist ein agenten-basiertes Programmiertool von Anthropic, das direkt im Terminal, in IDEs oder Weboberflächen genutzt werden kann.
! Kriterium !! OpenAI Coding Agent / Operator !! Claude Code !! Cursor !! GitHub Copilot !! Google Antigravity
 
|-
'''Einsatzgebiete:'''
| '''Monatliche Abonnementkosten'''  
* Schreiben, Überprüfen und Debuggen von Code.
| $20/Monat (ChatGPT Plus/Pro) oder API-nutzungsbasiert
* Automatisierung von Daten-Engineering-Aufgaben.
| Teil von Anthropic Pro ($20/Monat) oder API-nutzungsbasiert
* Fehlerbehebung in komplexen Infrastrukturen (z.B. Kubernetes).
| Hobby (Free), Pro ($20), Pro+ ($60), Ultra ($200)
* Sicherheitsscans und Identifikation von Schwachstellen.
| Free (für OSS/Studenten), Pro ($10), Pro+ ($39), Business ($19)
 
| Kostenlos in der Public Preview (für persönliche Google-Konten)
'''Vorteile:'''
|-
* Exzellentes Verständnis von natürlicher Sprache und Kontext.
| '''Haupteinsatzgebiete'''
* Sehr hohes Kontextfenster (bis zu 200.000 Token, teilweise mehr), ideal für große Codebasen.
| Automatisierung von Web-Tasks, Code-Generierung, Code-Review
* Starker Fokus auf sauberen, optimierten Code und Sicherheit ("Constitutional AI").
| CLI-basierte Code-Manipulation, Automatisierung von Workflows und Debugging im Terminal
* "Remote Control" Feature für geräteübergreifendes Arbeiten.
| Intelligente Code-Vervollständigung, Refactoring und Agentic Workflows innerhalb einer Fork von VS Code
 
| Echtzeit-Code-Vervollständigung, Chat-Hilfe und Code-Review integriert in diverse IDEs und GitHub
'''Nachteile:'''
| Agent-first Softwareentwicklung, bei der KI-Agenten autonom Code schreiben, testen und debuggen (Mission Control)
* Kann übermäßig vorsichtig sein (aufgrund strenger Sicherheitsprotokolle).
|-
* Benötigt oft menschliche Überprüfung, da Code nicht immer beim ersten Versuch fehlerfrei ist.
| '''Wesentliche Vorteile'''
* Weniger Ökosystem-Integrationen im Vergleich zu etablierten Konkurrenten.
| Starke GUI/Web-Interaktion, breites domänenübergreifendes Wissen (GPT-4o / Codex-Max)
* Höhere Kosten bei intensiver API-Nutzung.
| Sehr autonom, tiefes Code-Verständnis im Terminal, integrierte Security-Analyse (Claude 4.6)
 
| Multi-Model-Unterstützung (GPT, Claude, Gemini), exzellentes "Smart Rewrite" und Agent-Features
'''Unterstützung von Websuchen:'''
| Tiefe GitHub-Integration, breite IDE-Unterstützung, unternehmensweite Richtlinien
* '''Ja.''' Claude Modelle verfügen über integrierte Websuchfähigkeiten. Claude Code kann selbstständig entscheiden, wann eine Suche im Web nötig ist, um aktuelle Informationen, technische Dokumentationen oder Markttrends für fundierte Antworten abzurufen.
| Transparente "Artifacts" (Aufzeichnungen, Diffs), echter Multi-Agent-Ansatz mit eingebautem Browser
 
|-
== GitHub Copilot ==
| '''Wesentliche Nachteile'''
GitHub Copilot ist ein von GitHub und OpenAI entwickelter KI-Assistent, der tief in gängige IDEs (wie VS Code, Visual Studio) integriert ist und auf OpenAI-Modellen aufbaut.
| Operator ist eher ein Generalist für den PC-Alltag, bedarf viel menschlicher Aufsicht
 
| Beschränkt auf die Kommandozeile (CLI), erfordert Einarbeitung in Terminal-Workflows
'''Einsatzgebiete:'''
| Kosten für Agenten-Aufrufe können beim "Pro"-Plan durch Limits ($0.04/Extra-Call) steigen
* Inline-Codevervollständigung während des Tippens.
| Höhere Agent- und Multi-Model-Features sind oft hinter dem teureren Pro+ ($39) oder Enterprise-Plan versteckt
* Generierung von Code-Snippets, Funktionen und Testfällen aus Kommentaren.
| Workspace-Accounts oft noch nicht unterstützt (Preview-Einschränkung), radikaler Agent-Ansatz bedarf Umgewöhnung
* Unterstützung beim Erlernen neuer Frameworks und Programmiersprachen.
|-
* Chatbasierte Unterstützung via Copilot Chat.
| '''Fähigkeit zum Durchsuchen von Webseiten'''
 
| Ja (Operator interagiert direkt mit Browser-Oberflächen)
'''Vorteile:'''
| Über CLI-Tools oder externe MCP-Server möglich
* Starke Steigerung der Produktivität und Reduzierung von Routinearbeit.
| Ja (für Dokumentationen und zur Kontextgewinnung)
* Nahtlose, weitreichende Integration in beliebte IDEs.
| Ja, eingeschränkt durch den Copilot Chat
* Unterstützung für über 200 Programmiersprachen.
| Ja (Agenten verfügen über einen autonomen Browser mit Chrome-Erweiterung)
* Verhindert Kontextwechsel, da Entwickler für Recherchen nicht den Editor verlassen müssen.
|-
 
| '''Suchmaschinenzugriff'''
'''Nachteile:'''
| Bing (via ChatGPT/Operator)
* Risiko der Überabhängigkeit ("over-reliance"), insbesondere bei Anfängern.
| Nicht nativ, aber via Model Context Protocol (MCP) erweiterbar
* Kann veraltete oder fehlerhafte Patterns vorschlagen, die Sicherheitslücken enthalten.
| Integrierte Web-Suche zur Kontextanreicherung
* Rechtliche und ethische Bedenken bezüglich der Trainingsdaten (Urheberrecht).
| Bing Search
* Laufende Abonnementkosten.
| Google Search (tief integriert)
* Schwerpunkte liegen eher auf Mustererkennung als auf tiefem Projektverständnis.
|-
 
| '''Qualität der Dokumentation und Anleitungen'''
'''Unterstützung von Websuchen:'''
| Sehr gut und umfangreich
* '''Ja.''' GitHub Copilot Chat unterstützt Websuchen, um Echtzeit-Informationen bereitzustellen. Je nach Umgebung wird Bing als Standardsuchmaschine genutzt, teilweise als native Suche oder über Erweiterungen.
| Hochwertige Anthropic-Dokumentation für CLI-Nutzung
 
| Gut, besonders für VS Code Umsteiger leicht verständlich
== Antigravity Agent (Google DeepMind) ==
| Exzellent, riesige und umfassende Community-Ressourcen
Google Antigravity ist eine fortschrittliche, KI-gestützte Entwicklungsumgebung (IDE), die stark auf den Gemini 3 Modellen von Google DeepMind basiert. Sie verfolgt einen "Agent-First"-Ansatz.
| Sehr fortschrittlich, dokumentiert das neue Agent-Paradigma detailliert
 
|-
'''Einsatzgebiete:'''
| '''Benutzerdefinierte Prompt-Dateien (Prompt Engineering)'''
* Orchestrierung kompletter Softwareprojekte durch KI-Agenten.
| Über Custom Instructions und System-Prompts API
* Autonomes Planen, Ausführen und Verifizieren von Code über Editor, Terminal und Browser hinweg.
| Ja, stark anpassbar durch Kommandozeilen-Parameter und System-Settings
* Refactoring, Testing und automatisiertes Debugging.
| Ja, über `.cursorrules` und `.cursor/rules/` Verzeichnisse
* Management paralleler Agenten-Aufgaben für komplexe Repositories.
| Ja, z.B. über `.github/copilot-instructions.md`
 
| Ja, unterstützt globale und lokale Workflows (.md Format) zur Steuerung
'''Vorteile:'''
* Vollautomatisierte, autonome Agenten, die über simples Autocomplete hinausgehen (inkl. Terminal- und Browser-Nutzung).
* "Artifacts Timeline" macht Entscheidungen und Schritte der KI transparent und nachvollziehbar.
* Integrierter "Manager View" zur Koordination mehrerer Agenten.
* Echtzeit-Feedbackschleifen zur stetigen Kurskorrektur der Agenten.
* Unterstützt neben Gemini auch externe Modelle wie Anthropic Claude oder offene Modelle.
 
'''Nachteile:'''
* Da es sich um ein sehr neues, tiefgreifendes Konzept handelt, benötigen Entwickler ein neues Paradigma der Zusammenarbeit (Orchestrierung statt nur Programmierung).
* Wie bei allen autonomen Agenten müssen Ergebnisse und Aktionen im Hintergrund überwacht und finale Entscheidungen vom Entwickler freigegeben werden.
 
'''Unterstützung von Websuchen:'''
* '''Ja.''' Die Agenten in Antigravity können eigenständig im Browser operieren, was bedeutet, dass sie vollen Zugang zu Webfunktionen sowie Webrecherchen haben, um Dokumentationen abzurufen oder Ergebnisse visuell zu überprüfen.
 
== Unterstützung mehrerer Sprachmodelle (LLM-Auswahl) ==
 
Ein zentrales Merkmal moderner KI-Programmierassistenten ist die Fähigkeit, zwischen verschiedenen großen Sprachmodellen (''Large Language Models'', LLMs) zu wechseln. Nutzer können so das beste Modell für ihre jeweilige Aufgabe auswählen – etwa nach Geschwindigkeit, Reasoning-Tiefe oder Kosten.
 
=== Claude Code (Anthropic) ===
* '''Primäres Modell:''' Claude Sonnet 4 / 4.5 (Standard für die meisten Aufgaben).
* '''Weitere Modelle:''' Claude Opus 4 / 4.5 / 4.6 (komplex, teurer), Claude Haiku (schnell, kostengünstig), Claude 3.7 Sonnet (hybrides Reasoning mit „Extended Thinking").
* '''Externe Modelle:''' Grundsätzlich nur Anthropic-Modelle; über API-Kompatibilität lassen sich jedoch andere Backends anbinden.
* '''Empfehlung der Entwickler:''' Sonnet als Standard, Opus für komplexe Multi-Step-Aufgaben, Haiku für einfache Operationen.
* '''Flexibilität:''' Mittel – innerhalb der Claude-Familie sehr flexibel.
 
=== GitHub Copilot ===
* '''Primäres Modell:''' GPT-4.1 (Standardmodell seit 2025 für allgemeine Aufgaben und Codevervollständigung).
* '''Unterstützte OpenAI-Modelle:''' GPT-4o, GPT-4.1, GPT-5, GPT-5 mini, o1, o3-mini.
* '''Unterstützte Anthropic-Modelle:''' Claude 3.5 / 3.7 Sonnet, Claude 4 Sonnet / Opus (ab Copilot Business/Pro, Anfang 2026).
* '''Unterstützte Google-Modelle:''' Gemini 2.0 Flash, Gemini 2.5 Pro.
* '''Auto-Modus:''' Ja – Copilot wählt automatisch das beste Modell; manuelle Überschreibung möglich.
* '''Flexibilität:''' '''Hoch''' – Copilot hat sich von einem reinen OpenAI-Tool zu einem Multi-Modell-System entwickelt.
 
=== Antigravity Agent (Google DeepMind) ===
* '''Primäres Modell:''' Gemini 2.5 Pro / Gemini 3 (Standard-Backbone des Agenten).
* '''Weitere Modelle:''' Gemini 2.0 Flash, Gemini Ultra.
* '''Externe Modelle:''' Ja – Antigravity unterstützt explizit Anthropic Claude-Modelle sowie offene Modelle als alternative Backends.
* '''Flexibilität:''' '''Hoch''' – der Agent-First-Ansatz ist modellunabhängig konzipiert; primär Gemini, aber offen für externe LLMs.
 
== Vergleichsübersicht ==
 
{| class="wikitable sortable"
|+ Vergleich der KI-Programmierassistenten (Stand: März 2026)
! Tool !! Anbieter !! OpenAI GPT !! Anthropic Claude !! Google Gemini !! Lokale/Offene Modelle !! Websuche !! Preis (ab)
|-
|-
| '''Claude Code''' || Anthropic || ❌ Nein || ✅ Ja (alle Stufen) || ❌ Nein || ❌ Nein || ✅ Ja || ab ~$17/Monat (Pro)
| '''Steuerung von KI-Agenten über Dateien'''
 
| Über das OpenAI Agents SDK und Skripte steuerbar
| Volle Skript- und Kommandozeilensteuerung (kann per CLI angesteuert werden)
| Agenten lesen den Kontext projektweit über Code-Dateien und lokale Regel-Dateien
| Anpassbare "Agent Skills" und Anweisungsdateien im Repository
| "Workflows" und "Skills" als dedizierte Markdown-Dateien im Verzeichnis `.agents/workflows/`
|-
|-
| '''GitHub Copilot''' || GitHub/Microsoft || ✅ Ja || ✅ Ja || ✅ Ja || ❌ Nein || ✅ Ja (Bing) || ab $10/Monat
| '''Model Context Protocol (MCP) via Datei/Skript'''
| Volle MCP-Unterstützung (im Developer Mode)
| Voller Support als nativer MCP-Client zur Verbindung mit Datenquellen
| Unterstützung für MCP-Konfiguration und externe Server im Editor
| MCP-Support in VS Code und weiteren IDEs verfügbar
| Nativer Support inkl. internem "MCP Store" für nahtlose Integration
|-
|-
| '''Antigravity Agent''' || Google DeepMind || ❌ Nein || ✅ Ja || ✅ Ja (primär) || ✅ Ja || ✅ Ja (Browser) || Abo-Modell
| '''Erstellung und Verwaltung eigener Skill-Dateien'''
| Umsetzung primär via API-Functions und Custom GPTs
| Ermöglicht durch MCP-Server und Kommandozeilen-Skripte
| Umsetzung durch projektspezifische Rule-Dateien
| Eigene "Copilot Extensions" und Custom Agents erstellbar
| Dedizierte Unterstützung von "Skills" als Modul-/Markdown-Dateien mit Automatisierungs-Markern (z.B. '// turbo')
|}
|}


== Fazit und Empfehlungen ==
== Fazit ==
 
Die Landschaft der KI-Coding-Assistenten entwickelt sich rasch vom reinen "Autocomplete" (wie ursprünglich bei GitHub Copilot) hin zu vollständig autonomen "Agent-first"-Umgebungen wie Google Antigravity oder Anthropic's Claude Code.
Die Wahl des richtigen KI-Programmierassistenten hängt stark vom individuellen Einsatzszenario ab:
* '''GitHub Copilot''' bleibt der Platzhirsch für traditionelle Entwickler, die Unterstützung in ihrer bestehenden IDE suchen.
* '''Cursor''' bietet aktuell die ausgereifteste und flexibelste Editor-Umgebung mit Multi-Modell-Zuweisung.
* '''Claude Code''' ist das optimale Werkzeug für CLI-Enthusiasten, die schnelle, autonome Änderungen lokal ausführen lassen wollen.
* '''Google Antigravity''' führt das Feld hinsichtlich des "Mission Control"-Ansatzes mit autonomen Agenten in einem eingebauten dedizierten Browser- und Terminal-Ökosystem an.
* '''OpenAI's Operator / Codex''' bietet enorme Möglichkeiten bei generellen Automatisationsaufgaben, insbesondere bei GUI-Aufgaben auf dem Desktop.


* '''Tiefste Integration in bestehende Workflows:''' '''GitHub Copilot''' überzeugt durch seine nahtlose IDE-Integration und hat sich zu einem robusten Multi-Modell-System entwickelt.
Mit dem breiten Einzug des '''Model Context Protocol (MCP)''' werden künftig alle Plattformen noch stärker durch externe Dateien, Skripte und Datenbanken erweiterbar und steuerbar sein.
* '''Stärkster Code-Fokus mit Sicherheitsprioritäten:''' '''Claude Code''' von Anthropic bietet die leistungsfähigsten Claude-Modelle mit großem Kontextfenster und ist besonders für komplexe Codebases geeignet.
* '''Autonome Agenten-Orchestrierung:''' '''Antigravity Agent''' geht am weitesten in Richtung vollständiger KI-Automatisierung und eignet sich für Teams, die gesamte Entwicklungsworkflows an KI-Agenten delegieren möchten.


----
----
''Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).''
''Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).''

Version vom 4. März 2026, 21:21 Uhr

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).


Dieser Bericht vergleicht fünf führende KI-Entwicklungstools und Agenten: OpenAI's Coding Agent (Codex/Operator), Claude Code, Cursor, GitHub Copilot und Google Antigravity.

Übersicht der Kriterien

Kriterium OpenAI Coding Agent / Operator Claude Code Cursor GitHub Copilot Google Antigravity
Monatliche Abonnementkosten $20/Monat (ChatGPT Plus/Pro) oder API-nutzungsbasiert Teil von Anthropic Pro ($20/Monat) oder API-nutzungsbasiert Hobby (Free), Pro ($20), Pro+ ($60), Ultra ($200) Free (für OSS/Studenten), Pro ($10), Pro+ ($39), Business ($19) Kostenlos in der Public Preview (für persönliche Google-Konten)
Haupteinsatzgebiete Automatisierung von Web-Tasks, Code-Generierung, Code-Review CLI-basierte Code-Manipulation, Automatisierung von Workflows und Debugging im Terminal Intelligente Code-Vervollständigung, Refactoring und Agentic Workflows innerhalb einer Fork von VS Code Echtzeit-Code-Vervollständigung, Chat-Hilfe und Code-Review integriert in diverse IDEs und GitHub Agent-first Softwareentwicklung, bei der KI-Agenten autonom Code schreiben, testen und debuggen (Mission Control)
Wesentliche Vorteile Starke GUI/Web-Interaktion, breites domänenübergreifendes Wissen (GPT-4o / Codex-Max) Sehr autonom, tiefes Code-Verständnis im Terminal, integrierte Security-Analyse (Claude 4.6) Multi-Model-Unterstützung (GPT, Claude, Gemini), exzellentes "Smart Rewrite" und Agent-Features Tiefe GitHub-Integration, breite IDE-Unterstützung, unternehmensweite Richtlinien Transparente "Artifacts" (Aufzeichnungen, Diffs), echter Multi-Agent-Ansatz mit eingebautem Browser
Wesentliche Nachteile Operator ist eher ein Generalist für den PC-Alltag, bedarf viel menschlicher Aufsicht Beschränkt auf die Kommandozeile (CLI), erfordert Einarbeitung in Terminal-Workflows Kosten für Agenten-Aufrufe können beim "Pro"-Plan durch Limits ($0.04/Extra-Call) steigen Höhere Agent- und Multi-Model-Features sind oft hinter dem teureren Pro+ ($39) oder Enterprise-Plan versteckt Workspace-Accounts oft noch nicht unterstützt (Preview-Einschränkung), radikaler Agent-Ansatz bedarf Umgewöhnung
Fähigkeit zum Durchsuchen von Webseiten Ja (Operator interagiert direkt mit Browser-Oberflächen) Über CLI-Tools oder externe MCP-Server möglich Ja (für Dokumentationen und zur Kontextgewinnung) Ja, eingeschränkt durch den Copilot Chat Ja (Agenten verfügen über einen autonomen Browser mit Chrome-Erweiterung)
Suchmaschinenzugriff Bing (via ChatGPT/Operator) Nicht nativ, aber via Model Context Protocol (MCP) erweiterbar Integrierte Web-Suche zur Kontextanreicherung Bing Search Google Search (tief integriert)
Qualität der Dokumentation und Anleitungen Sehr gut und umfangreich Hochwertige Anthropic-Dokumentation für CLI-Nutzung Gut, besonders für VS Code Umsteiger leicht verständlich Exzellent, riesige und umfassende Community-Ressourcen Sehr fortschrittlich, dokumentiert das neue Agent-Paradigma detailliert
Benutzerdefinierte Prompt-Dateien (Prompt Engineering) Über Custom Instructions und System-Prompts API Ja, stark anpassbar durch Kommandozeilen-Parameter und System-Settings Ja, über `.cursorrules` und `.cursor/rules/` Verzeichnisse Ja, z.B. über `.github/copilot-instructions.md` Ja, unterstützt globale und lokale Workflows (.md Format) zur Steuerung
Steuerung von KI-Agenten über Dateien Über das OpenAI Agents SDK und Skripte steuerbar Volle Skript- und Kommandozeilensteuerung (kann per CLI angesteuert werden) Agenten lesen den Kontext projektweit über Code-Dateien und lokale Regel-Dateien Anpassbare "Agent Skills" und Anweisungsdateien im Repository "Workflows" und "Skills" als dedizierte Markdown-Dateien im Verzeichnis `.agents/workflows/`
Model Context Protocol (MCP) via Datei/Skript Volle MCP-Unterstützung (im Developer Mode) Voller Support als nativer MCP-Client zur Verbindung mit Datenquellen Unterstützung für MCP-Konfiguration und externe Server im Editor MCP-Support in VS Code und weiteren IDEs verfügbar Nativer Support inkl. internem "MCP Store" für nahtlose Integration
Erstellung und Verwaltung eigener Skill-Dateien Umsetzung primär via API-Functions und Custom GPTs Ermöglicht durch MCP-Server und Kommandozeilen-Skripte Umsetzung durch projektspezifische Rule-Dateien Eigene "Copilot Extensions" und Custom Agents erstellbar Dedizierte Unterstützung von "Skills" als Modul-/Markdown-Dateien mit Automatisierungs-Markern (z.B. '// turbo')

Fazit

Die Landschaft der KI-Coding-Assistenten entwickelt sich rasch vom reinen "Autocomplete" (wie ursprünglich bei GitHub Copilot) hin zu vollständig autonomen "Agent-first"-Umgebungen wie Google Antigravity oder Anthropic's Claude Code.

  • GitHub Copilot bleibt der Platzhirsch für traditionelle Entwickler, die Unterstützung in ihrer bestehenden IDE suchen.
  • Cursor bietet aktuell die ausgereifteste und flexibelste Editor-Umgebung mit Multi-Modell-Zuweisung.
  • Claude Code ist das optimale Werkzeug für CLI-Enthusiasten, die schnelle, autonome Änderungen lokal ausführen lassen wollen.
  • Google Antigravity führt das Feld hinsichtlich des "Mission Control"-Ansatzes mit autonomen Agenten in einem eingebauten dedizierten Browser- und Terminal-Ökosystem an.
  • OpenAI's Operator / Codex bietet enorme Möglichkeiten bei generellen Automatisationsaufgaben, insbesondere bei GUI-Aufgaben auf dem Desktop.

Mit dem breiten Einzug des Model Context Protocol (MCP) werden künftig alle Plattformen noch stärker durch externe Dateien, Skripte und Datenbanken erweiterbar und steuerbar sein.

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).

Abgerufen von „https://mediawiki.wissen-ahrensburg.de/index.php?title=AI/KI-Programmierassistenten_im_Vergleich&oldid=3269“