Die Zeit, die für die manuelle Fehlersuche oder die Aktualisierung der Dokumentation aufgewendet wird, geht zu Lasten der Entwicklung neuer Features. Leistungsstarke Teams nutzen bereits KI, um diese Zeit zurückzugewinnen, und verzeichnen in zufällig ausgewählten Feldversuchen eine Steigerung der Aufgabenabwicklung um 26 %.
Auch Sie können sich dieser wachsenden Zahl anschließen, indem Sie Anwendungsfälle von Google Antigravity wie die automatisierte Fehlerbehebung, das schnelle Erstellen von UI-Prototypen und Sicherheitsüberprüfungen umsetzen. Dieser Leitfaden zeigt Ihnen, wie Sie Antigravity von Google nutzen können, und erklärt, wie Sie diese Workflows in Ihren bestehenden tools koordinieren können.
TL;DR: Antigravity ist die beste Option für die Arbeit, die Sie definieren, delegieren und dann aus den Augen lassen können. Es ist hingegen die schlechteste Option für die Arbeit, bei der Sie sich erst einmal herantasten müssen.
Fünf Anwendungsfälle haben sich bewährt: Automatisierung der Aufgabenabwicklung durch Agenten, UI-Prototyping mit „Browser-in-the-Loop“-Feedback, Code-Analyse, Überprüfung der Sicherheit und werkzeugübergreifende Koordination. Die Wahl der Arbeitsumgebung beeinflusst das Ergebnis. Antigravity 2.0 für parallele Koordination, CLI für headless-Betrieb, IDE für die Programmierung neben einem Agenten und SDK für benutzerdefinierte Agenten.
Bei der Entscheidung für oder gegen Antigravity geht es nicht wirklich um Antigravity selbst. Es geht darum, ob Ihr Team einen Ort hat, an dem die Ergebnisse der Agenten landen können, ob es jemanden gibt, der für deren Durchsicht verantwortlich ist, und ob es eine Möglichkeit gibt, zu erkennen, wenn Genehmigungen nachlässig erfolgen. Teams, die dies als Erstes aufbauen, profitieren von sich verstärkenden Effekten. Teams, die dies überspringen, befinden sich auf dem schnellsten Weg zu einer Codebasis, die niemand mehr versteht.
Was ist Google Antigravity?
Google Antigravity ist Googles „Agent-First“-Entwicklungsplattform. Sie setzt autonome KI-Agenten ein, die mehrstufige Aufgaben in Ihrem Editor, Terminal und Browser planen und ausführen. Beschreiben Sie einfach, was Sie benötigen, und die Agenten erledigen die Arbeit – so müssen Sie nicht mehr zwischen Code-Editor, Terminal und Ihren Dokumenten hin- und herwechseln, um eine einzelne Aufgabe zu erledigen.
Es wurde zusammen mit Gemini 3 als öffentliche Vorschauversion veröffentlicht und ebnete damit den Weg für das neue Update Antigravity 2.0. Mit dieser Version wurde aus einer einzigen IDE vier Arbeitsflächen. Je nachdem, wofür Sie sich entscheiden, ändern sich die folgenden Anwendungsfälle:
- Antigravity 2.0: Koordinieren Sie mehrere autonome Agenten über verschiedene Projekte hinweg von einer eigenständigen Desktop-App aus, ohne dass ein Editor verbunden sein muss.
- Antigravity CLI: Führen Sie Agenten direkt über das Terminal aus, um Befehlszeilen- und headless-Workflows zu nutzen
- Antigravity IDE: Schreiben Sie Code neben einem Agenten im ursprünglichen Editor
- Antigravity SDK: Erstellen Sie mithilfe einer Python-Bibliothek benutzerdefinierte Agenten auf der Antigravity-Plattform.
Der Agent selbst läuft auf Gemini 3.6 und 3.5 Flash, Gemini 3.1 Pro, Claude Sonnet 4.6 und Claude Opus 4.6, wobei auch GPT-OSS-120b als Auswahl verfügbar ist. (Die Verfügbarkeit der Modelle ändert sich häufig; die aktuelle Liste finden Sie in der offiziellen Antigravity-Dokumentation.)
Die 5 wichtigsten Anwendungsfälle von Google Antigravity für Entwicklungsteams
Entwicklerteams nutzen Antigravity am effektivsten in fünf Bereichen: automatisierte Aufgaben durch Agenten, UI-Prototyping, Code-Analyse, Sicherheitsprüfungen und werkzeugübergreifende Workflow-Automatisierung. Jeder Bereich übernimmt eine andere Art von sich wiederholenden Aufgaben, von den Standardcode-Teilen einzelner Entwickler bis hin zu teamweiten Übergaben.
1. Agente-basierte Entwicklung und Automatisierung von Aufgaben
Antigravity übernimmt die Ausführungsschleifen, die Entwickler aus der konzentrierten Arbeit herausreißen: das Schreiben von Standardcode, das Ausführen von Testsuiten und das Bereitstellen auf der Staging-Umgebung. Diese Schleifen sind an sich schon langsam und führen zu Kontextwechseln, die die Produktivität jedes Mal beeinträchtigen, wenn die Konzentration unterbrochen wird.
Die Delegierung dieser mehrstufigen Ausführung an den Agenten hilft Entwicklern, sich auf die Architektur und die Problemlösung zu konzentrieren. Hier einige Beispiele:
- Fehlerbehebung durch Automatisierung: Lassen Sie einen Agenten den Fehler nachverfolgen, die Korrektur schreiben, die Tests ausführen und Ihnen einen fehlerfreien Patch zur Überprüfung übergeben.
- Code sofort generieren: Beschreiben Sie ein Feature in einfacher Sprache, und lassen Sie einen Agenten die gesamte Dateistruktur sowie die erste Implementierung erstellen.
- CI/CD-Aufgaben bewältigen: Richten Sie Agenten so ein, dass sie Auslöser für Builds sind und Protokolle überwachen, sodass Sie nur eingreifen müssen, wenn ein echter Fehler vorliegt.
Wissenswertes: Der erste Computerfehler war buchstäblich eine Motte, die 1947 in einem Relais des Harvard Mark II-Computers gefangen gefunden und als Beweis in das Logbuch geklebt wurde.
2. Schnelle Prototypenerstellung und UI-Iteration
Die Frontend-Arbeit geht hier schneller von der Hand, da der Agent sehen kann, was er erstellt hat. Die Antigravity-IDE nutzt eine „Browser-in-the-Loop“-Funktion. Anstatt dass Sie einen Pixel anpassen, die Seite aktualisieren und den Vorgang wiederholen müssen, liest der Agent die gerenderte Benutzeroberfläche aus und passt den Code anhand des visuellen Feedbacks an.
Damit wird die Lücke zwischen Mockup und Browser auf dreierlei Weise geschlossen:
- Mockups in Code umsetzen: Geben Sie dem Agenten einen Screenshot oder eine Designdatei ein, um sofort funktionsfähigen Frontend-Code zu generieren
- Komponenten iterativ anpassen: Weisen Sie den Agenten an, den Abstand oder die Schriftart anzupassen, und beobachten Sie, wie die Änderungen in der Live-Browser-Ansicht übernommen werden.
- Visuelle Tests durchführen: Nutzen Sie die Agenten, um automatisch nach Darstellungsinkonsistenzen in verschiedenen Browsern zu suchen.
3. Analyse und Pflege des Quellcodes
Ein Antigravity-Agent ist ein ständiger Begleiter für Ihr Repository. Dies ist besonders wichtig bei Legacy-Dateien, bei denen selbst erfahrene Entwickler den Überblick verlieren können. Unklarheiten verlangsamen die Entwicklung neuer Features und erhöhen Ihre technische Verschuldung.
- Recherchieren Sie im Code: Fragen Sie den Agenten, wie ein bestimmter Flow der Authentifizierung funktioniert, und erhalten Sie eine klare, nachvollziehbare Erklärung der Logik
- Dokumentation erstellen: Lassen Sie den Agenten Ihre Skripte analysieren, um automatisch technische README-Dateien und hilfreiche Inline-Kommentare zu erstellen.
- Code-Smells identifizieren: Nutzen Sie den Agenten, um Bereiche für eine Refaktorisierung zu finden, und lassen Sie sich von ihm sauberere Implementierungen zur Freigabe vorschlagen.
Sehen Sie sich an, wie Entwicklerteams mithilfe von KI-gestütztem Refactoring und Backlog-Grooming technische Schulden nachverfolgen, priorisieren und abbauen:
4. Überprüfung der Sicherheit und Erkennung von Schwachstellen
Sicherheit ist kein Hindernis mehr für die Veröffentlichung, wenn Agenten den Code scannen, bevor er committen wird. Antigravity markiert Schwachstellen und schlägt bereits während der Entwicklungsphase Korrekturen vor. Dadurch wird die manuelle Überprüfung, die Ihren Zyklus früher verzögert hat, zu einem kontinuierlichen Hintergrundprozess.
Die Agenten können:
- Nach Schwachstellen suchen: Identifizieren Sie häufige Risiken wie SQL-Injection oder Cross-Site-Scripting (XSS)
- Abhängigkeiten prüfen: Überprüfen Sie Pakete von Drittanbietern auf bekannte Risiken, damit Sie keine Schwachstellen aus externen Bibliotheken übernehmen.
- Sicherheit verbessern: Überprüfen Sie vorgeschlagene Änderungen am Code, die erkannte Schwachstellen beheben
5. Funktionsübergreifende Tool-Integration
Antigravity fungiert als Brücke über Ihren gesamten Stack hinweg. Es ermöglicht den Agenten, Aufgaben zu übernehmen, wodurch das lästige Hin- und Herspringen zwischen Terminals, Browsern und Projektmanagement-Tools entfällt. Beispiel-Workflows für die KI-Orchestrierung:
- Terminal-zu-Browser-Schleifen automatisieren: Lassen Sie einen Agenten einen Build ausführen, diesen im Browser testen und die Ergebnisse in Ihrem Team-Kanal veröffentlichen.
- Getrennte Daten miteinander verknüpfen: Rufen Sie Informationen aus einer externen API ab, aktualisieren Sie Ihre Datenbank und erstellen Sie in einem einzigen Flow einen zusammenfassenden Bericht.
- Vernetzen Sie Ihre KI-Tools: Verbinden Sie Antigravity mit spezialisierten Tools, um durchgängige automatisierte Pipelines aufzubauen.
Unsere Umfrage zeigt, dass fast 54 % der Teams mit verstreuten Systemen arbeiten, während 49 % selten Kontextinformationen zwischen den Tools freigeben. So sieht es aus, wenn Silos tatsächlich miteinander verbunden werden:
Wichtige Features, die diese Anwendungsfälle ermöglichen
Vier Features kommen Ihnen zugute: Agent-Manager, visuelles Feedback, autonome Planung und die Erstellung von Artefakten. Zusammen verdeutlichen sie, wie Antigravity mehrstufige Aufgaben selbstständig ausführt, während Sie stets das letzte Wort behalten.
- Agent-Manager: Überwachen Sie mehrere aktive Agenten über eine zentrale Steuerungsoberfläche und führen Sie die Nachverfolgung des Fortschritts zwischen den Projekten durch.
- Visuelles Feedback: Beobachten Sie Änderungen an der Benutzeroberfläche und Interaktionen im Browser in Echtzeit, während die Agenten den Frontend-Code automatisch anpassen.
- Autonome Planung: Genehmigen oder überarbeiten Sie den Plan eines Agenten, bevor dieser auch nur eine Zeile Code schreibt.
- Erstellung von Artefakten: Überprüfen Sie konkrete Ergebnisse wie Code-Patches oder Video-Anleitungen, um sicherzustellen, dass jede Aktion eines Agenten Ihren Standards entspricht.
Antigravity ermöglicht es Ihren Entwicklern, sich statt auf das Schreiben von Code auf die Bewertung von Plänen zu konzentrieren
Die Agenten von Antigravity kümmern sich um die Umsetzung. Die Aufgabe Ihrer Entwickler besteht darin, den Plan des Agenten zu prüfen, bevor sie auch nur eine einzige Zeile Code schreiben. Das ist eine andere Kompetenz als die Code-Prüfung und bestimmt, wie schnell die Arbeit ausgeliefert wird.
Beides klingt ähnlich, ist aber nicht dasselbe. Bei der Code-Review wird gefragt: „Tut dieser Code das, was er soll?“ Die Absicht stand bereits fest, bevor jemand den Editor geöffnet hat.
Bei der Planüberprüfung lautet die Frage: „Ist die Absicht an sich richtig?“, und Sie treffen diese Entscheidung, ohne Code zu haben, anhand dessen Sie Ihre Überlegungen überprüfen könnten. Die meisten Entwickler haben dies noch nicht geübt, da es auf der Karriereleiter nicht belohnt wird. Außerdem ist es schwieriger zu vermitteln als das Beheben von Fehlern.
Das Design von Antigravity trägt dem Rechnung. Die Planfreigabe und die „Drei-Listen“-Berechtigungsmechanik ( „Verweigern“ hat Vorrang vor „Fragen“, das wiederum Vorrang vor „Zulassen“ ) sind zentrale Produktfunktionen und keine optionalen Einstellungen. Google hat die Plattform unter der Annahme entwickelt, dass es die Aufgabe des Menschen ist, Berechtigungen zu erteilen.
Der Haken daran ist, dass man sich nicht darauf verlassen kann, wie gut das eigene Team die Codequalität einschätzt. Eine Kausalstudie zur Nutzung von Cursor in Open-Source-Projekten ergab, dass die Entwicklungsgeschwindigkeit unmittelbar nach dem Einsatz der KI stieg. Allerdings nahmen gleichzeitig auch die Komplexität des Codes und die Warnmeldungen der statischen Analyse zu.
Die Entwickler hatten das Gefühl, schneller zu arbeiten, doch die Codequalität verschlechterte sich. Niemand bemerkte dies, bis die Daten darauf hinwiesen.
Aus diesem Grund ist Geschwindigkeit die falsche Metrik für die Nachverfolgung. Agenten steigern sie zwar sofort, doch das sagt nichts darüber aus, ob die genehmigte Arbeit gut war. Die Regeln für Berechtigungen, Artefaktprüfungen und manuellen Kontrollpunkte im weiteren Verlauf dieses Leitfadens dienen dazu, die Qualität Ihrer Berechtigungen zu sichern. Diese Nummer entscheidet darüber, ob sich die agentengestützte Entwicklung lohnt.
Antigravity vs. Cursor vs. Claude Code vs. GitHub Copilot
Es gibt vier ernstzunehmende Konkurrenten im Bereich der agentenbasierten Entwicklung: Google Antigravity (eine eigene Agentenoberfläche), Cursor (innerhalb Ihres Editors), Claude Code (in Ihrem Terminal) und GitHub Copilot (innerhalb Ihrer Pull Requests). Der Standort des Agenten entscheidet darüber, in wessen Warteschlange seine Ausgabe landet – und genau damit hat Ihr Team tagtäglich zu kämpfen.
| Tool | Stärken | Limit | Am besten geeignet für | Preise* |
|---|---|---|---|---|
| Google Antigravity | Die Agenten überprüfen ihre eigene gerenderte Benutzeroberfläche | Die Ausgabe erscheint dort, wo niemand hinschaut | Teams, die parallele Hintergrundaufgaben ausführen | Einzelplatz – kostenlos; KI Pro ca. 20 $/Monat, Ultra 100–250 $/Monat |
| Cursor | Kürzester Weg von der Idee zur Bearbeitung | Zwei identische Plätze können sehr unterschiedlich viel kosten | Entwickler, die im Editor arbeiten | 20 $/Monat (Pro-Version) |
| Claude Code | Sorgt für eine einheitliche Logik über Dutzende von Dateien hinweg | Keine visuelle Oberfläche für Frontend-Arbeiten | Erfahrene Entwickler, die umfangreiche Migrationen durchführen | Nutzungsabhängige Abrechnung über Anthropic-Tarife nach einem Plan |
| GitHub Copilot | Sichern Sie sich Aufträge innerhalb des Rahmens, den Sie bereits geschaffen haben | Der Vorteil verschwindet außerhalb von GitHub | Organisationen, deren Review-Prozess vollständig auf GitHub läuft | 10 $/Monat für Privatpersonen, ab 19 $ für das Geschäft |
Google Antigravity
Antigravity bietet jedem Agenten den größtmöglichen Spielraum für die Arbeit. Sie genehmigen einen Plan, und dieser wird über Dateien, Terminal und Browser hinweg ausgeführt, während Sie sich anderen Aufgaben widmen. Die anderen drei halten den Menschen bewusst näher am Geschehen, was hilfreich ist – bis zu dem Punkt, an dem Sie zwölf Dinge gleichzeitig erledigen möchten.
Was gut funktioniert:
- Agenten, die ihre eigene Ausgabe sehen: Richten Sie einen auf eine gerenderte Seite, und er korrigiert sein eigenes CSS anhand dessen, was der Browser anzeigt.
- Eine Ansicht über viele Agenten: Beobachten Sie, wie mehrere Agenten gleichzeitig separate Projekte ausführen, und nehmen Sie nur einen Schritt, wenn einer ins Stocken gerät.
- Wiederholende Aufgaben, an die man irgendwann nicht mehr denkt: Überlassen Sie nächtliche Testdurchläufe oder Prüfungen der Abhängigkeiten den geplanten Aufgaben und sehen Sie sich die Ergebnisse am Morgen an.
Limitierungen:
- Die Ergebnisse landen dort, wo noch niemand hinschaut: Copilot fügt die Arbeit in Pull Requests ein, und Cursor belässt sie in Ihrem Editor. Die Artefakte von Antigravity warten an einem Ort, den jemand bewusst öffnen muss, und die Berechtigung-Engine steuert die Ausführung, ohne die Nachverfolgung der Überprüfung durchzuführen, sodass ein Backlog unsichtbar bleibt, bis etwas fehlerhaft ausgeliefert wird.
- Modelle von Drittanbietern sind in der Enterprise-Stufe nicht verfügbar: Claude Sonnet 4.6, Claude Opus 4.6 und GPT-OSS-120b sind in den kostenlosen und Consumer-Tarifen verfügbar, jedoch nicht über die Gemini Enterprise Agent Platform. Die Modellauswahl, mit der Ihr Team Pilotprojekte durchführt, entspricht also nicht der Auswahl, die Sie nach der Vertragsunterzeichnung erhalten.
Überspringen Sie diesen Abschnitt, wenn: Sie möchten spüren, wie der Agent auf Ihre Eingaben reagiert. Dieser Agent ist dafür gedacht, Aufgabenbatches zu übergeben und sich dann zurückzuziehen.
Am besten geeignet für: Teams, die lange, parallele Hintergrundaufgaben ausführen, insbesondere bei Frontend-Iterationen, bei denen ein Agent sein eigenes Rendering überprüft und so Zyklen zur Überprüfung einspart.
Cursor
„Cursor“ hält den Agenten immer in unmittelbarer Nähe zu Ihren Händen. Er erfasst Ihre Cursor-Position und öffnet Puffer. Damit ist die Lücke zwischen Absicht und Ausführung die kürzeste der vier Lösungen, und ein VS-Code-Team kann bereits an einem Nachmittag umsteigen.
Außerdem werden Arbeiten über Cloud-Agenten außerhalb Ihres Rechners ausgeführt, sodass die alte Kritik, das Produkt sei „an den Editor gebunden“, nicht mehr zutrifft. Was jedoch weiterhin gilt: Das Produkt hat eine Form, die auf einen Entwickler ausgerichtet ist, der sich in einer Sitzung befindet. Die Delegation an eine ganze Flotte ist zwar möglich, entspricht aber nicht dem Zweck, für den die Benutzeroberfläche konzipiert wurde.
Was gut funktioniert:
- Bearbeitung mehrerer Dateien ohne erneute Eingabeaufforderung: Überlassen Sie Composer 2.5 eine langwierige Aufgabe, und das Programm führt die Bearbeitung der Dateien und Terminaloperationen selbstständig durch.
- Ein erster Prüfer noch vor Ihrem Prüfer: Bugbot hinterlässt Kommentare in Ihrem Bereich, sodass offensichtliche Fehler gar nicht erst in die Warteschlange eines Menschen gelangen.
- Sicherheitsvorkehrungen für jeden Platz: Setzen Sie den Datenschutzmodus unternehmensweit durch und verfolgen Sie die Nutzung durch die einzelnen Entwickler in einer einzigen Ansicht für Administratoren.
Limitierungen:
- Zwei identische Plätze können sehr unterschiedlich viel kosten: Die Wahl des Modells bestimmt, wie schnell ein Entwickler seine Kapazität ausschöpft
- Durch Delegation geht Ihnen der Kontext verloren, der die Geschwindigkeit erst ermöglicht: Die Stärke von Cursor beruht darauf, dass es Ihre geöffneten Puffer und die Position des Cursors ausliest. Ein Cloud-Agent, der anhand einer schriftlichen Eingabeaufforderung arbeitet, verfügt über nichts davon. Das bedeutet, dass dieselbe Aufgabe eine viel explizitere Vorgabe erfordert.
Überspringen Sie diesen Abschnitt, wenn: Ihr Engpass darin besteht, viele Agenten über viele Repositories hinweg auszuführen, und nicht darin, einen einzelnen Entwickler bei der Bearbeitung einer einzelnen Datei zu beschleunigen.
Am besten geeignet für: Entwickler, die einen Agenten in ihren Prozess der Bearbeitung integrieren möchten, insbesondere Teams, die bereits auf VS Code standardisiert sind.
Claude Code
Claude Code ist genau das Richtige für eine Migration, die niemand in Angriff nehmen möchte. Benennen Sie eine Funktion um, die an sechzig Stellen verwendet wird, und das Tool übernimmt die Nachverfolgung der Aufrufkette, aktualisiert die Tests und ermittelt die beiden Stellen, an denen sich die Signatur geändert hat. All dies geschieht, ohne dass eine Ansicht gerendert wird.
Es beginnt im Terminal und erstreckt sich auf IDEs, Slack, das Web und GitHub. Das bedeutet, dass es sich nahtlos in die bestehenden Arbeitsumgebungen Ihres Teams einfügt, ohne diese zu ersetzen. Daher lässt es sich von den vier Lösungen am einfachsten integrieren und ist am schwierigsten jemandem zu vermitteln, der nicht in einer Shell zu Hause ist.
Was gut funktioniert:
- Workflows, die Sie im nächsten Quartal erneut ausführen können: Lassen Sie den Agenten ein Skript schreiben, das viele Unteragenten parallel verwaltet
- Parallele Agenten, die nicht miteinander kollidieren: Agententeams weisen jedem Agenten einen eigenen Arbeitsbaum zu, sodass mehrere Agenten am selben Repo arbeiten können, ohne sich gegenseitig zu überschreiben
- Kohärenz über die gesamte Migration hinweg: Geben Sie dem Tool eine Aufgabe, die Dutzende von Dateien umfasst, und die Logik bleibt von Anfang bis Ende konsistent.
Limitierungen:
- Frontend-Arbeit findet „blind“ statt: Da noch nichts gerendert wird, bedeutet eine Korrektur an der Benutzeroberfläche, dass man beschreiben muss, was falsch aussieht, anstatt es zu zeigen. Dies verlängert den Arbeitsaufwand bei jeder visuellen Änderung.
- Die Features variieren je nach Anbieter: Der Zugriff über einen Cloud-Anbieter bietet nicht denselben Funktionsumfang wie bei einem Erstanbieter. Daher muss bei einer unternehmensweiten Einführung zunächst eine Paritätsprüfung durchgeführt werden.
Überspringen Sie diesen Abschnitt, wenn: Ihre wichtigste Arbeit auf visuellen Iterationen liegt oder die Personen, die den Agenten am dringendsten benötigen, lieber kein Terminal öffnen möchten.
Am besten geeignet für: Erfahrene Entwickler, die komplexe Refactorings und Migrationen durchführen, bei denen die Qualität der Argumentation über den Erfolg entscheidet.
GitHub Copilot
GitHub Copilot punktet eher durch seine Einbindung als durch reine Leistungsfähigkeit. Sein Agent arbeitet direkt in Ihren Pull Requests, Problemen und Aktionen. Die Ergebnisse landen in der Warteschlange, die Ihr Team ohnehin jeden Morgen öffnet.
Diese Einbindung löst zudem ein Governance-Problem, das die anderen drei Lösungen offen lassen. Die Arbeit der Agenten umgeht Schutzmaßnahmen der Bereiche, vorgeschriebene Reviews und CODEOWNERS. Das bedeutet, dass die Kontrollmechanismen, deren Konfiguration Sie Jahre gekostet hat, weiterhin funktionieren, ohne dass eine einzige neue Richtlinie erforderlich ist.
Was gut funktioniert:
- Echte Pull Requests, keine losen Patches: Weisen Sie ein Problem zu, und der Cloud-Agent eröffnet einen Pull Request unter Einhaltung derselben Sicherheitsvorkehrungen, denen auch der Bereich eines Menschen unterliegen würde.
- Agenten anderer Anbieter im gleichen Flow: Leiten Sie eine Aufgabe direkt aus Copilot heraus an Claude Code oder Codex weiter, ohne GitHub zu verlassen.
- Ein erster Durchlauf bei jedem Diff: Lassen Sie das Tool Stilfragen und offensichtliche Fehler bearbeiten, damit sich die Prüfer auf Designentscheidungen konzentrieren können
Limitierungen:
- Der Vorteil geht außerhalb von GitHub verloren: Wenn Reviews in Gitlab stattfinden oder Ihre CI-Umgebung anderswo läuft, müssen Sie die Funktionen der Agenten wie bei jedem anderen tool auch direkt miteinander vergleichen.
- Die Aufgabe muss zunächst wie ein Problem formuliert werden: Der Agent arbeitet auf der Grundlage eines klar abgegrenzten Problems und erstellt einen Diff. Daher muss bei explorativen Arbeiten zunächst ein Mensch das zu liefernde Ergebnis definieren, bevor mit der Arbeit begonnen werden kann.
Überspringen Sie diesen Abschnitt, wenn: Sie einen Agenten mit umfassenden lokalen Kontrollmöglichkeiten über Ihr Terminal, Ihren Browser und Ihr Dateisystem wünschen.
Am besten geeignet für: Teams, deren Review-Prozess bereits vollständig auf GitHub läuft und die KI in diesen Flow integrieren möchten, anstatt sie parallel dazu zu nutzen.
Erste Schritte mit Google Antigravity
Die Einstellung erfolgt in sechs Schritten: Wählen Sie Ihre Arbeitsfläche aus, installieren und führen Sie die Synchronisierung des Programms durch, verbinden Sie Ihren Workspace, legen Sie Ihr Agent-Modell fest, aktivieren Sie den Browser-Agenten und weisen Sie eine erste Aufgabe mit geringem Risiko zu. Der „Individual“-Plan ist kostenlos und umfasst alle Features, sodass Sie echte Agenten einsetzen können, noch bevor jemand einen Kaufauftrag unterzeichnet. Hier ist die Vorgehensweise.
- Wählen Sie Ihre Arbeitsumgebung: Entscheiden Sie sich für Antigravity 2.0 zur parallelen Agenten-Orchestrierung, die CLI für Headless- und Terminal-Workflows oder die IDE, wenn Ihre Entwickler im Editor bleiben möchten. Das SDK dient zur Erstellung benutzerdefinierter Agenten.
- Installieren und Synchronisierung: Laden Sie die Software unter antigravity.google für macOS, Linux oder Windows herunter. Übertragen Sie Ihre bestehenden VS Code- oder Cursor-Einstellungen, um einen reibungslosen Übergang zu gewährleisten.
- Verbinden Sie Ihren Workspace: Öffnen Sie einen lokalen Projekt-Ordner und geben Sie dem Agenten ein paar Minuten Zeit, das Repository zu indexieren, damit er Ihre Logik und Struktur versteht.
- Wählen Sie Ihr Agentenmodell aus: Beginnen Sie mit Gemini 3.5 Flash, um Routineaufgaben zügig zu erledigen. Wechseln Sie zu Gemini 3.1 Pro für anspruchsvollere Denkaufgaben wie Refactorings mehrerer Dateien.
- Browser-Agent aktivieren: Starten Sie eine einfache Aufgabe als Auslöser für die einmalige Installation der Chrome-Erweiterung, die visuelles Feedback ermöglicht
- Weisen Sie eine Aufgabe mit geringem Risiko zu: Beginnen Sie mit einer README-Datei für ein einzelnes Modul oder mit Unit-Tests für eine Funktion – nicht mit Ihrem Abrechnungsdienst.
Wie erzielt man zuverlässige Ergebnisse mit Google Antigravity?
Zuverlässige Ergebnisse hängen von fünf Vorgehensweisen für eine erfolgreiche KI-Einführung ab: klare Eingabeaufforderungen, vorkonfigurierte Berechtigungen, Überprüfung der Artefakte vor dem Zusammenführen, risikoarme Startaufgaben und Nachverfolgung der Iterationen. Wenn Sie einen dieser Schritte überspringen, verschlechtert sich die Leistung des Agenten, ohne dass Sie Benachrichtigungen erhalten. Hier ist Ihr Leitfaden.
- Verfassen Sie klare, vollständige Anweisungen: Geben Sie dem Agenten den Kontext der Codebasis, das Format der Ausgabe und etwaige Einschränkungen vor. Vage Anweisungen führen zu vagen Ergebnissen.
- Berechtigungen vor der Autonomie konfigurieren: Ordnen Sie jede sensible Aktion den drei Berechtigungslisten von Antigravity zu. Destruktive Befehle gehören in die Liste „Deny“, der Zugriff auf Anmeldedaten und Produktionsumgebungen in die Liste „Ask“, und „Allow“ umfasst nur Routinaufrufe wie das Lesen von Repo-Dateien oder das Ausführen von Tests.
- Artefakte vor dem Zusammenführen prüfen: Behandeln Sie von Agenten generierten Code wie einen Pull Request eines Nachwuchsprogrammierers. Prüfen Sie ihn anhand einer Code-Review-Checkliste, damit ein Mensch die Logik validiert und nicht nur die Änderungen.
- Beginnen Sie mit Aufgaben mit geringem Risiko: Beauftragen Sie die Freiberufler zunächst mit der Erstellung von Dokumentation, Unit-Tests für bestehenden Code und der Analyse der Codebasis. Damit bauen Sie Vertrauen auf, ohne Risiken einzugehen, und Ihr Abrechnungsdienst ist kein Kandidat für den ersten Tag.
- Überwachen und iterieren: Verfolgen Sie, welche Eingabeaufforderungen erfolgreich sind, bei welchen Aufgaben die Agenten immer wieder scheitern und an welchen Stellen Menschen am häufigsten eingreifen. Diese Interventionspunkte zeigen Ihnen, was als Nächstes behoben werden muss – sei es die Eingabeaufforderung, die Berechtigung oder die Aufgabe selbst.
Profi-Tipp: Legen Sie Ihre Berechtigungslisten vor dem Start fest, nicht währenddessen. Berechtigungen, die mitten in einer Aufgabe genehmigt werden, werden reflexartig akzeptiert, denn sobald ein Agent bei seiner vierten Abfrage pausiert, klicken Sie auf „Zulassen“, nur um ihn weiterlaufen zu lassen. Die gleiche Logik gilt für Pläne: Prüfen Sie diese eher auf falsche Annahmen als auf Fehler, denn eine falsche Prämisse führt zu Code, der zwar perfekt funktioniert, aber das falsche Problem löst – und der Diff wird intern konsistent aussehen.
So planen Sie unter Berücksichtigung der Limite von Google Antigravity
Bei Antigravity gibt es fünf Einschränkungen, die beim Planen berücksichtigt werden sollten: „zuversichtliche, aber falsche“ Ergebnisse, wöchentliche Kontingentgrenzen, Latenzzeiten ausschließlich bei asynchronen Vorgängen, uneinheitliche Funktionsparität über verschiedene Oberflächen hinweg sowie ungeklärte Compliance-Fragen bei sensiblen Codeabschnitten. Wenn man diese Punkte im Voraus kennt, bleiben die Erwartungen realistisch und es werden Überraschungen während des Projekts vermieden.
- Überprüfen Sie jede vom Agenten vorgenommene Änderung: Rechnen Sie mit fehlerhaftem Code, falsch interpretierten Anforderungen und Fehlern, die überzeugend klingen. Im Hintergrund arbeitet immer noch ein LLM-Agent. Betrachten Sie die Ausgabe als Entwurf, bis sie getestet wurde.
- Budgetierung unter Berücksichtigung von Kontingentgrenzen: Planen Sie wöchentliche Ratenlimits ein, die Sie bis zum Zurücksetzen des Zeitfensters aussperren. Beachten Sie außerdem, dass zusätzliche Kapazität durch KI-Guthaben bereitgestellt wird, die separat an Pro- und Ultra-Abonnenten verkauft werden. Google veröffentlicht nicht, wie viel Agent-Arbeit ein Guthaben abdeckt, sodass die Kostenprognose pro Entwickler nach wie vor auf Schätzungen beruht.
- Entwerfen Sie für asynchrone Arbeit, nicht für Paarprogrammierung: Stellen Sie Agenten im Hintergrund in die Warteschlange und führen Sie Aufgaben im Batch aus, anstatt Echtzeit-Reaktionsfähigkeit zu erwarten, während Sie parallel dazu Code schreiben.
- Überprüfen Sie die Funktionsübereinstimmung über alle Plattformen hinweg: Vergleichen Sie die Desktop-App, die Befehlszeilenschnittstelle (CLI), die IDE und das SDK, bevor Sie Ihr Team auf eine Lösung standardisieren. Das ist wichtig, da nicht alle dieselben Features bieten.
- Prüfen Sie die Compliance, bevor Sie sensiblen Code einbinden: Prüfen Sie, ob Antigravity die Anforderungen an Sicherheit und Datenschutz Ihres Unternehmens erfüllt, bevor Sie es auf firmeneigene Repositorys anwenden.
So koordinieren Sie Antigravity-Agenten in ClickUp
Die Berechtigungs-Engine von Antigravity legt fest, was ein Agent während eines Laufs zu erledigen hat. Sie regelt jedoch nicht, was anschließend mit den Ergebnissen geschieht: wer sie überprüft, wie lange die Freigabe dauert oder ob jemand eine falsche Annahme entdeckt, bevor sie veröffentlicht wird. Das ist ein Problem der Team-Koordination, und Agentenplattformen lösen keine Probleme der Team-Koordination.
ClickUp funktioniert in beide Richtungen. Codegen ruft den vollständigen Kontext einer Aufgabe ab (Beschreibung, Akzeptanzkriterien, verknüpfte Spezifikationen, Kommentargeschichte) und übermittelt ihn dem Agenten, bevor die Ausführung beginnt. Das ist eine andere Eingabe als eine in ein Terminal eingegebene Eingabeaufforderung. Die Ausgabe erfolgt als verknüpfter Pull-Request, bei dem Status, Mitarbeiter und Fälligkeitsdatum bereits vorbelegt sind.
Bei Plänen, die außerhalb von ClickUp erstellt wurden, fügen Sie einen davon in die Beschreibung der Aufgabe ein, und ClickUp Brain gleicht ihn mit den aktuellen Sprint-Daten ab: mit welchen Elementen es in dieser Woche Konflikte gibt, welche Patches der Agenten in diesem Monat rückgängig gemacht wurden und welche Gemeinsamkeiten sie haben sowie wo die Unteraufgaben für die Überprüfung platziert werden sollten.
Brain nutzt außerdem Claude, GPT und Gemini im Rahmen eines einzigen Abonnements. Sie wählen das für die jeweilige Aufgabe passende Modell aus.
Die größte Hürde ist die Nacht. Die geplanten Aufgaben von Antigravity versenden Patches, unabhängig davon, ob Ihre Warteschlange leer ist oder nicht. Super-Agenten in ClickUp prüfen jeden eingehenden Plan anhand des Sprint-Umfangs, ordnen ihn nach Risiko ein und weisen Elemente mit hohem Risiko Ihrem erfahrensten Prüfer zu. Alles, was nach 24 Stunden noch nicht geprüft wurde, wird eskaliert. Sie öffnen morgens eine nach Priorität geordnete Warteschlange mit einer Begründung.
Mariah Wilcox, Stabschefin des CBO und CMO bei Seismic, spricht über Agenten in ClickUp:
Früher war unser Marketing-Auftragsabwicklungsprozess ein endloses Hin und Her zwischen Auftraggeber und Produzent, das immer dann ins Stocken geriet, wenn jemand nicht im Büro war. Jetzt prüft ein Mitarbeiter in ClickUp jede Anfrage, erfasst die Anforderungen und bestätigt die Kapazitäten, bevor der Auftrag weitergeleitet wird. Unser Kreativteam kann sofort mit der Arbeit beginnen und sich ganz auf die Umsetzung konzentrieren, anstatt sich mit Antragsformularen herumzuschlagen. Die Mitarbeiter nehmen keinen Urlaub!
Früher war unser Marketing-Auftragsabwicklungsprozess ein endloses Hin und Her zwischen Auftraggeber und Produzent, das immer dann ins Stocken geriet, wenn jemand nicht im Büro war. Jetzt prüft ein Mitarbeiter in ClickUp jede Anfrage, erfasst die Anforderungen und bestätigt die Kapazität, bevor der Auftrag weitergeleitet wird. Unser Kreativteam kann sofort mit der Arbeit beginnen und sich auf die Umsetzung konzentrieren, statt sich um die Bearbeitung von Auftragsformularen zu kümmern. Mitarbeiter nehmen keinen Urlaub!
Was sich speziell für die Verwaltung der Agentenausgabe bewährt hat:
- Jeder Agent-Patch wird automatisch in Ihre Review-Pipeline aufgenommen: Wenn ein Agent einen Pull Request eröffnet, werden über die GitHub-Integration ClickUp-Automatisierungen ausgelöst. Dadurch wird in Ihrer Agenten-Ausgabeliste eine Aufgabe erstellt, die mit dem Pull Request verknüpft ist, deren Status auf „Review planen“ gesetzt ist und für die ein Fälligkeitsdatum festgelegt wurde. Dieselben Automatisierungen verhindern, dass der Status auf „Genehmigt“ wechselt, solange das Feld „Reviewer“ nicht ausgefüllt ist.
- Sie können genau nachvollziehen, wer was genehmigt hat und warum: Speichern Sie Implementierungspläne in Docs, verknüpfen Sie sie mit der Aufgabe und kennzeichnen Sie sie als Wiki. Der Versionsverlauf erfasst jede Änderung; Kommentare der Prüfer und Zeitstempel zum Status werden direkt in der Aufgabe angezeigt.
- Kapazitäts- und Qualitätsprobleme treten zutage, bevor sie gemeldet werden: Verfolgen Sie die durchschnittliche Verweildauer in den Status „Plan Review“ und „Code Review“ auf der ClickUp-Dashboard-Karte. Eine Karte, auf der Aufgaben nach hinten verschoben werden, zeigt ein Problem mit der Pünktlichkeit an. Wenn die erste Zahl steigt, während der Durchsatz gleich bleibt, haben Sie ein Kapazitätsproblem. Steigt die zweite Zahl, haben Sie ein Problem mit der Pünktlichkeit.
Die ehrliche Einschränkung: ClickUp übernimmt die Koordination der Agenten-Ausgaben. Speziell bei Antigravity-Läufen ist der Anknüpfungspunkt die GitHub-Integration. Teams, deren Agenten Pull-Requests öffnen, erhalten dies automatisch; alle anderen müssen die Aufgabe erstellen oder einen Webhook einrichten.
Für wen es geeignet ist: Teams, die mehrere Agenten parallel betreiben und bei denen sich die Frage nicht mehr lautet: „Können Agenten diese Arbeit erledigen?“, sondern: „Können wir mit der Überprüfung Schritt halten?“ Ein Entwickler, der zwei Agenten für Nebenprojekte einsetzt, benötigt dies nicht. Der Agenten-Manager von Antigravity reicht aus.
Sehen Sie sich an, wie ein Agenten-Workflow in ClickUp vom Auslöser bis zum geprüften Ergebnis abläuft:
Optimieren Sie Ihre KI-EntwicklungsWorkflows mit ClickUp
Die Anwendungsfälle von Google Antigravity bieten Ihnen einen klaren Weg zur Reduzierung des manuellen Aufwands durch Automatisierung der Fehlerbehebung und Rapid Prototyping. Ihr Erfolg hängt jedoch von mehr als nur der Technologie ab. Sie benötigen klare Anweisungen, strenge Sicherheitsvorkehrungen und eine konsequente menschliche Überwachung, um die Stabilität Ihrer Codebasis zu gewährleisten.
Wahrscheinlich verschwenden Sie viel zu viel Zeit mit dem Wechsel zwischen verschiedenen Aufgaben. Und obwohl agentenbasierte Plattformen eine Lösung bieten, funktionieren sie nur in Verbindung mit einem soliden Workflow-Management. Es ist wichtig zu lernen, wie man KI-Agenten dazu bringt, schneller Ergebnisse zu liefern, damit Sie endlich Zeit für kreative Arbeit gewinnen.
Wenn Sie bereit sind, Ihre KI-Entwicklung und Ihr Projektmanagement an einem Ort zu bündeln, nutzen Sie ClickUp kostenlos. Überzeugen Sie sich selbst davon, wie ein zentraler Arbeitsbereich die Vielzahl an Tools reduziert und Ihre Roadmap vorantreibt.
Häufig gestellte Fragen zu den Anwendungsfällen von Google Antigravity
Was hat sich in Antigravity 2.0 geändert?
Antigravity 2.0 bietet nun eine neu gestaltete Desktop-App, eine Befehlszeilenschnittstelle und ein SDK für benutzerdefinierte Agenten-Workflows. Mit der Desktop-App können Sie mehrere Agenten gleichzeitig koordinieren, benutzerdefinierte Subagenten-Workflows entwerfen und Aufgaben für die Ausführung im Hintergrund planen – mit Integrationen für Google AI Studio, Android und Firebase. Dies markiert einen Wandel von einer einzelnen IDE hin zu einer umfassenderen Plattform zur Agentenkoordination.
Wofür können Sie Google Antigravity außer zum Schreiben von Code noch nutzen?
Google dokumentiert ausdrücklich Workflows für Nicht-Entwickler, darunter Wettbewerbs- und Webrecherche, Dokumentation sowie wissenschaftliche Arbeit. Die Agenten beherrschen über 20 wichtige wissenschaftliche Datenbanken, darunter die AlphaFold-Datenbank, UniProt, PubChem und ChEMBL sowie innovative Modelle wie AlphaGenome. Das Google-eigene CLI-Codelab unterteilt seine Übungen in Aufgaben für Entwickler und Nicht-Entwickler.
Warum meldet Antigravity, dass ich mein Kontingent ausgeschöpft habe, und wie bekomme ich mehr?
Antigravity wendet sowohl ein Basis-Kontingent als auch wöchentliche Ratenlimits an. Das Basis-Kontingent wird bei Google AI Pro und Ultra alle fünf Stunden aktualisiert; wird die wöchentliche Obergrenze erreicht, wird das Modell gesperrt, bis das Zeitfenster zurückgesetzt wird. Pro- und Ultra-Abonnenten können KI-Guthaben für die Überschreitung des Kontingents erwerben, die 25 US-Dollar für 2.500 Guthaben kosten. Google gibt nicht bekannt, wie viel Agentenarbeit ein Guthaben abdeckt, sodass die Prognose pro Entwickler weiterhin nur eine Schätzung ist.
Können Teams und Unternehmen Google Antigravity nutzen?
Ja, Teams und Unternehmen können Google Antigravity nutzen. Es steht Google Cloud-Kunden über die Gemini Enterprise Agent Platform zur Verfügung, unabhängig von den einzelnen Google KI-Abonnementstufen. Einzelkonten unterliegen den Vertragsbedingungen für Privatkunden von Google; Team-Bereitstellungen unterliegen den Google Cloud-Nutzungsbedingungen. Prüfen Sie die Lösung anhand Ihrer eigenen Sicherheits- und Datenschutzanforderungen, bevor Sie Agenten auf firmeneigene Repositorys verweisen.
Wie unterscheidet sich Antigravity von Gemini CLI?
Die Antigravity-CLI hat die Gemini-CLI abgelöst. Google hat die Antigravity-CLI eingeführt, eine auf Go basierende Terminalschnittstelle, die das Antigravity-Agenten-Framework freigibt, und die Gemini-CLI für Benutzer eingestellt. Der praktische Unterschied: Die Gemini-CLI war ein schlankerer, sitzungsorientierter Terminal-Agent, während die Antigravity-CLI autonome Agenten ausführt, Shell-Befehle ausführt und Hintergrund-Subagenten unter derselben Berechtigungs-Engine wie die Desktop-App verwaltet.