Die Kurzfassung
DeepSeek hat einen MIT-lizenzierten Bauplan für einen Coding-Agenten veröffentlicht, der aus eigener Initiative arbeitet – innerhalb der Grenzen, die das Team festlegt. Super-Agent beobachtet ein GitHub-Repository und optional Feishu-Chats, nimmt Anfragen von berechtigten Personen oder vom Team geschriebenen Regeln entgegen und antwortet mit Pull Requests. Für Unternehmen, die KI-Agenten-Entwicklung in ihre Delivery-Pipeline integrieren wollen, ist das Berechtigungsdesign der eigentliche Gewinn, nicht der Code selbst.
Was hat DeepSeek veröffentlicht?
Das Repository dsh-superagent-prototype bündelt einen proaktiven Coding-Agenten als Paket für DeepSeek Harness, das Agenten-Tool des Unternehmens. Bittet jemand von einer Freigabeliste in einem GitHub-Issue, einem Pull Request oder einem Chat um Arbeit, legt der Agent einen Arbeitsauftrag an, erledigt ihn in einer eigenen Agenten-Session und einem eigenen Arbeitsverzeichnis und antwortet in der ursprünglichen Unterhaltung. Ein Web-Panel zeigt nur die Vorgänge, die eine menschliche Entscheidung brauchen.
Laut South China Morning Post erlaubt das Design, dass mehrere Agenten gleichzeitig arbeiten und auf Ereignisse wie Nachrichten oder Code-Updates reagieren, ohne für jede Aufgabe explizite Anweisungen zu benötigen. Das Handbuch von DeepSeek fasst das Ziel so zusammen: „so wenig menschliche Aufmerksamkeit wie möglich“ bei „so viel Nutzen wie möglich“. Mit den Grenzen geht das Team offen um: Der Code ist aus interner Arbeit entstanden, wurde zu großen Teilen von Coding-Agenten geschrieben, unterscheidet sich von der internen Version, und einige Ideen aus dem Design-Artikel sind nicht umgesetzt.
Wie entscheidet der Agent, was er tun darf?
Das ist der am besten wiederverwendbare Teil der Veröffentlichung. Der Host setzt Freigabelisten, Teamregeln und ein aufgabenbezogenes „Mandate“ durch, und die Dokumentation stellt klar, dass Nachrichten, Kommentare und zitierte Dokumente zwar in eine Entscheidung einfließen, diese Berechtigungen aber „nicht ändern können“. Das ist ein direkter Schutz gegen Prompt Injection über Issue-Texte oder Kommentare in Pull Requests.
Für proaktive Arbeit – etwa einen fehlgeschlagenen CI-Lauf aufzugreifen, nach dem niemand gefragt hat – gibt es drei Modi. Bei off wird nichts Unangefordertes berücksichtigt. Bei observe, dem Standard, prüft der Agent jeden Kandidaten gegen die Teamregeln und protokolliert, was er übernommen hätte, ohne zu handeln. Bei auto startet eine positive Bewertung die Arbeit. DeepSeek empfiehlt, mit observe zu beginnen und erst nach Durchsicht dieser Protokolle umzuschalten. Bots wie Dependabot dürfen höchstens Arbeit vorschlagen, nie ausdrücklich anfordern, und jede Regeländerung wird versioniert und an laufende Aufgaben weitergegeben.
Warum ist ein proaktiver Coding-Agent für Entwickler relevant?
Die meisten Coding-Assistenten, darunter Claude Code und die Agentenmodi von GitHub Copilot, starten heute erst, wenn ein Entwickler ihnen eine Aufgabe gibt. Super-Agent zeigt den nächsten Schritt: einen Agenten, der im Repository bleibt, Arbeit bemerkt und sie erledigt. Bloomberg berichtete über die Veröffentlichung als Versuch von DeepSeek, mit Claude Code von Anthropic zu konkurrieren, und die SCMP merkt an, dass das Unternehmen sein Harness-Team in diesem Jahr eigens dafür aufgebaut hat, Agenten zu entwickeln, die mit US-Angeboten mithalten können.
Ein Agent, der für ein ganzes Team handelt, kann auch die Aufmerksamkeit eines ganzen Teams verschwenden – ein Risiko, das DeepSeek selbst benennt. Unangeforderte Pull Requests, unnötige Kommentare und halbfertige Fixes kosten Reviewer Zeit. Deshalb drehen sich die interessanten Designentscheidungen hier um Zurückhaltung: wer Arbeit auslösen darf, was der Agent mit seinem Ergebnis tun darf und wann er schweigen sollte.
Was das für Softwareteams in DACH bedeutet
Zunächst ist die Veröffentlichung eine kostenlose Referenzarchitektur. Wer Agenten an GitHub anbindet, kann die Muster aus Freigabeliste, Mandate und Beobachtungsmodus auf jedem bereits freigegebenen Modell und jeder Agenten-Runtime nachbauen, ohne den Stack von DeepSeek zu übernehmen. Merge-Rechte sollten bei Menschen oder geschützten Branch-Regeln bleiben, nie beim Urteil des Agenten.
Die zweite Frage ist der Datenfluss. Ein Agent, der ein Repository und Teamchats liest, sendet Quellcode und Nachrichten – mitunter mit personenbezogenen Daten – an das jeweilige Modell-Backend. Bevor Sie diesen Prototyp oder etwas Vergleichbares betreiben, dokumentieren Sie, wohin die Daten gehen und auf welcher Rechtsgrundlage; eine DSGVO-Prüfung ist günstiger als eine Nachrüstung nach einem Audit-Befund. Viele Einkaufsteams werden zudem eine klare Position zu Modellanbietern nach Rechtsraum verlangen.
Was sollten Teams jetzt tun?
- Die Autorisierungsdokumentation lesen. Sie ist der am besten übertragbare Teil des Repositorys und in unter einer Stunde durchgearbeitet.
- Freigabelisten festlegen. Entscheiden Sie pro Repository, welche Personen und welche Bots Agentenarbeit anfordern dürfen.
- Im Beobachtungsmodus starten. Protokollieren Sie einige Wochen lang, was ein Agent tun würde, bevor er unangeforderte Arbeit selbst übernimmt.
- Merges bleiben beim Menschen. Agenten öffnen Pull Requests; Branch-Schutz und namentlich benannte Reviewer entscheiden, was ausgeliefert wird.
- Jede Aufgabe isolieren. Getrennte Sessions, Verzeichnisse und Zugangsdaten pro Aufgabe begrenzen den Schaden eines fehlerhaften Laufs.
- Den Datenfluss abbilden. Halten Sie vor jedem Pilotprojekt fest, welcher Modell-Endpunkt Ihren Code und Ihre Chats sieht.
Nichts davon ist Rechtsberatung. Die Richtung ist aber klar: Coding-Agenten entwickeln sich von Werkzeugen, die man aufruft, zu Kollegen, die das Repository im Blick behalten. Teams, die die Spielregeln jetzt festlegen, werden sie schneller und mit weniger Überraschungen einführen können.
Häufig gestellte Fragen
Was ist DeepSeek Super-Agent?
Super-Agent, auf GitHub als dsh-superagent-prototype veröffentlicht, ist ein Forschungsprototyp des Harness-Teams von DeepSeek. Es handelt sich um einen proaktiven Coding-Agenten für ein einzelnes GitHub-Repository: Er hört auf GitHub und optional auf Feishu-Chats, legt einen Arbeitsauftrag an, wenn eine berechtigte Person etwas anfragt, arbeitet in einer eigenen Session und einem eigenen Verzeichnis und antwortet im ursprünglichen Thread, etwa mit einem Pull Request.
Ist DeepSeek Super-Agent produktionsreif?
Nein. DeepSeek bezeichnet das Repository als Forschungsprototyp „nur zu Referenzzwecken“ und nicht als offizielles DeepSeek-Produkt. Das Team weist darauf hin, dass der Code Fehler enthalten kann, sich von der intern genutzten Version unterscheidet und einige im begleitenden Artikel beschriebene Konzepte nicht umgesetzt sind.
Wie entscheidet Super-Agent, wann er tätig wird?
Arbeit beginnt nur, wenn eine Person von einer Freigabeliste den Agenten anspricht oder eine vom Team geschriebene Regel proaktive Arbeit erlaubt. Für proaktive Arbeit gibt es drei Modi: off, observe (Standard; der Agent protokolliert, was er übernommen hätte, ohne zu handeln) und auto. Nachrichten und Kommentare können diese Berechtigungen nicht ändern.
Unter welcher Lizenz steht Super-Agent?
Der Code steht unter der MIT-Lizenz. Teams dürfen ihn studieren, forken und anpassen, auch kommerziell, solange der Lizenzhinweis erhalten bleibt.
Sollten Unternehmen in DACH ihn einsetzen?
Betrachten Sie ihn als Design-Referenz, nicht als einsatzfertiges Werkzeug. Das Berechtigungsmodell lohnt sich für das eigene Agenten-Setup, doch wer den Prototyp unverändert betreibt, schickt Repository-Inhalte an das konfigurierte Modell-Backend – das erfordert vorab eine Datenschutz- und Sicherheitsprüfung.
Quellen
DeepSeek — dsh-superagent-prototype repository and documentation on GitHub (Primärquelle, 31. Oktober 2026)
Bloomberg — DeepSeek Drops Enhanced Coding Agent With Aim to Rival Anthropic (1. November 2026)
South China Morning Post — DeepSeek unveils AI ‘super agent’ in coding race with OpenAI, Anthropic (1. November 2026)