Zum Inhalt springen
Alle Artikel

GitHub Copilot, Claude Code oder Codex? So würde ich für ein Unternehmen entscheiden

Diese Frage bekomme ich in fast jedem Erstgespräch, meist als „Welcher schreibt den besten Code?“. Das ist die falsche Frage. Alle drei schreiben guten Code, öffnen Pull Requests und können stundenlang allein arbeiten. Was sich wirklich unterscheidet: wo sie leben, wie weit sie ohne Menschen gehen, wie Ihr Security-Team sie steuern kann und wie sie abgerechnet werden. Liegt man bei diesen vier Punkten falsch, hat man am Ende drei Tools, keine zentrale Policy und eine Rechnung, die niemand erklären kann. Das ist der Vergleich, den ich mit Kunden durchgehe, auf Basis der Dokumentation und Changelogs der Anbieter, Stand November 2026, plus die Regeln, die ich für alle drei setze, bevor jemand startet.

11 Min. Lesezeit

1. Die vier Fragen hinter der Wahl

Vor jeder Demo frage ich vier Dinge. Wo lebt Ihre Arbeit: GitHub Enterprise, eine andere Git-Plattform, ChatGPT als KI-Arbeitsplatz der Firma oder das Terminal einiger Plattform-Engineers? Wie autonom soll der Agent sein: Zeilen vervollständigen, ein Ticket als Pull Request abschliessen oder eine Migration stundenlang gegen ein Ziel fahren? Was muss Security zentral erzwingen: gesperrte Befehle, Netzwerkzugriff, erlaubte Modelle und MCP-Server, Audit-Logs im SIEM? Und wie wollen Sie bezahlen: pro Seat, pro Token oder gemischt mit Budgets pro Team? Die Antworten zeigen meist innerhalb von zehn Minuten auf ein Haupt-Tool. Benchmarks zählen weniger, als viele denken, denn alle drei Anbieter bringen alle paar Monate neue Modelle, während Integrations- und Governance-Entscheidungen jahrelang bei Ihnen bleiben.

2. GitHub Copilot: am nächsten an Ihren Repositories

Wenn Code und Reviews in GitHub leben, ist Copilot der einfachste Start. Sein Cloud-Agent nimmt ein Issue, arbeitet in einer kurzlebigen GitHub-Actions-Umgebung, deren Internetzugang über eine Firewall mit empfohlener Allowlist läuft, pusht nur auf seinen eigenen copilot/-Branch und öffnet einen Pull Request. Laut GitHubs Doku zu Risiken und Gegenmassnahmen kann er seinen eigenen Pull Request weder als bereit markieren noch genehmigen oder mergen, Workflows warten auf die Freigabe durch jemanden mit Schreibrechten, und bestehende Branch Protection und Pflicht-Checks gelten weiter. Governance ist Copilots Stärke. Die Agent Control Plane ist seit dem 26. Februar 2026 allgemein verfügbar, mit Audit-Log-Einträgen, die Agenten-Aktionen kennzeichnen und festhalten, für wen der Agent gehandelt hat, plus Events auf Session-Ebene. Seit dem 9. September erlauben Enterprise Managed Permissions Admins von Business und Enterprise, Shell-Befehle, Datei-Lese- und Schreibzugriffe und Netzwerk-Domains als gesperrt, freigabepflichtig oder erlaubt zu markieren, in der Copilot-App, der Copilot CLI und in VS-Code-Sessions mit Agent Host, und Nutzer können sie nicht abschwächen. Die Abrechnung läuft seit dem 1. Juni über GitHub AI Credits: Business bleibt bei 19 und Enterprise bei 39 Dollar pro Nutzer und Monat, jeweils mit demselben Betrag an Credits, organisationsweit gepoolt, mit Budgets auf Enterprise-, Kostenstellen- und Nutzerebene.

Tipp aus der Praxis

Seit September kann das Copilot-Code-Review Pull Requests genehmigen, standardmässig ausgeschaltet. Für alles, worauf die Branch Protection baut, lasse ich es aus: Eine Freigabe sollte von einer Person kommen, die für die Änderung geradesteht.

3. Claude Code: die tiefsten Agenten-Workflows

Claude Code ist am stärksten bei langer, autonomer Engineering-Arbeit: Es läuft im Terminal, in der IDE, in der Desktop-App und in der Cloud und hat die vollständigste Auswahl an Wegen, ohne Sie weiterzuarbeiten, mit /goal bis zu einer prüfbaren Bedingung, /loop während Sie arbeiten und Cloud Scheduled Tasks, ausgelöst per Zeitplan, API-Aufruf oder GitHub-Event. Hooks führen eigene Prüfungen vor oder nach Tool-Aufrufen aus. Für die Governance beschreibt die Managed-Settings-Doku drei Wege: eine managed-settings.json in einem Systemverzeichnis, eine MDM- oder Betriebssystem-Policy oder serververwaltete Einstellungen aus der Admin-Konsole von claude.ai, die auch Cloud-Sessions erreichen. Managed Settings stehen ganz oben in der Rangfolge. Typische Schlüssel sind Deny-Regeln, disableBypassPermissionsMode, allowManagedPermissionRulesOnly, damit nur die Allow-Regeln der Organisation zählen, allowManagedHooksOnly, Allow- und Deny-Listen für MCP-Server und availableModels. Preislich startet Team bei 20 Dollar pro Standard-Seat und 100 Dollar pro Premium-Seat und Monat bei jährlicher Abrechnung, und Enterprise kostet 20 Dollar pro Seat plus Nutzung zu API-Preisen, mit SCIM, Audit-Logs, Ausgabenlimits und einer Compliance-API.

json
{
  "permissions": {
    "deny": ["Read(./.env)", "Read(./secrets/**)", "Bash(kubectl delete *)"],
    "disableBypassPermissionsMode": "disable"
  },
  "allowManagedPermissionRulesOnly": true,
  "allowManagedHooksOnly": true,
  "availableModels": ["opus", "sonnet", "haiku"]
}
The latest in managing and auditing GitHub Copilot agents, GitHub (YouTube). Wird erst nach Ihrem Klick von YouTube geladen.

4. Codex: für Teams, die in ChatGPT leben

Codex ist in den ChatGPT-Plänen enthalten und läuft in der ChatGPT-Desktop-App, der CLI, der IDE-Erweiterung und als Cloud-Tasks. Es hat einen Goal Mode, und seit der DevDay im September können Dots, OpenAIs immer aktive Agenten, selbst Codex-Tasks anlegen und fortsetzen. Wenn Ihre Firma ChatGPT Business oder Enterprise ohnehin als KI-Arbeitsplatz nutzt, bedeutet Codex keinen neuen Anbieter, eine Identität und gemeinsame Nutzung. Die Governance läuft über zwei Ebenen aus OpenAIs Doku: config.toml für persönliche Voreinstellungen und requirements.toml, verwaltet unter Agent Security, die Approval Policies, Sandbox-Modi, Berechtigungsprofile, Websuche, Hooks und die von Nutzern aktivierbaren MCP-Server begrenzt. Business kostet 20 Dollar pro Nutzer und Monat bei jährlicher Abrechnung, mit SAML-SSO und standardmässig ohne Training auf Geschäftsdaten; Enterprise und Edu gibt es auf Angebot. Für CI läuft Codex auch mit API-Key zu API-Preisen, ohne die Cloud-Funktionen.

5. Im direkten Vergleich

Nebeneinander gestellt geht es um Ort, Tiefe und Kontrolle. Copilot läuft dort, wo GitHub ist: der Cloud-Agent in GitHub Actions, dazu Copilot-App, CLI und IDE; die Admin-Kontrollen sind der Tab AI Controls, die Agent Control Plane mit Audit-Logs und die Enterprise Managed Permissions; abgerechnet wird pro Seat mit enthaltenen AI Credits und Budgets; am besten passt es zu einer Firma, die auf GitHub standardisiert ist und Agenten in ihren bestehenden Review-Prozess holen will. Claude Code läuft im Terminal, in der IDE, auf dem Desktop und in Anthropics Cloud; die Kontrollen sind Managed Settings per Datei, MDM oder Admin-Konsole, dazu Audit-Logs und Ausgabenlimits in Enterprise; abgerechnet wird pro Team- oder Enterprise-Seat, bei Enterprise mit Nutzung zu API-Preisen; am besten passt es zu Plattform- und DevOps-Engineers mit langer, autonomer Arbeit. Codex läuft in der ChatGPT-Desktop-App, in CLI, IDE und Cloud, mit Dots obendrauf; die Kontrollen sind requirements.toml, die Workspace-Policy und die Compliance-API mit Audit-Events; abgerechnet wird über ChatGPT-Pläne oder API-Keys; am besten passt es zu einer Firma, deren Leute ohnehin in ChatGPT arbeiten. Mit der Tabelle unten filtern Sie nach dem, was Ihnen wichtig ist.

Interaktiv

Die drei im direkten Vergleich

Wählen Sie, was Ihnen am wichtigsten ist. Stand November 2026, aus Doku und Changelogs der Anbieter (siehe Quellen).

GovernanceGitHub Copilot: AI Controls mit Agent-Audit-Logs; vom Unternehmen verwaltete Rechte für Shell, Dateien und NetzwerkClaude Code: Managed Settings (Datei, MDM oder serverseitig): Verbotsregeln, kein Bypass-Modus, erlaubte MCP-Server und ModelleOpenAI Codex: requirements.toml: erlaubte Freigabe-Policies, Sandbox-Modi, Websuche, Hooks und MCP-Server
Passt am bestenGitHub Copilot: Teams, die auf GitHub standardisiert sind und Agenten in bestehenden Reviews wollenClaude Code: Plattform- und DevOps-Engineers mit langen, autonomen AufgabenOpenAI Codex: Unternehmen, die schon in ChatGPT Business oder Enterprise arbeiten
Alle Rechner und Checklisten

6. Regeln, die für alle drei gelten

Egal, was Sie wählen, dieselben fünf Regeln tragen den grössten Teil der Risikominderung. Eine Anweisungsdatei pro Repository, AGENTS.md, CLAUDE.md oder .github/copilot-instructions.md, über CODEOWNERS im Besitz des Plattform-Teams, denn diese Dateien ändern, was ein Agent tut. Agenten arbeiten nur auf Branches, mit Branch Protection oder Rulesets und Pflicht-Status-Checks, damit ein Agent nichts mergen kann, was die CI nicht bestanden hat. Ein Mensch merged, und die Person, die den Agenten beauftragt hat, ist nicht die einzige Freigabe. Keine Produktions-Zugangsdaten auf einem Rechner oder in einer Umgebung, in der ein Agent läuft; Agenten bekommen eng begrenzte, kurzlebige Tokens für genau die Systeme, die sie brauchen. Und jede Agenten-Aktion wird dort protokolliert, wo Ihr Security-Team ohnehin hinschaut: Copilots Audit-Log und Session-Streaming, die Enterprise-Audit-Logs von Claude Code, die Compliance-API und Audit-Events von ChatGPT für Codex. Wer nicht beantworten kann, „welcher Agent hat diese Zeile für wen geändert, und wer hat es freigegeben“, ist nicht bereit zu skalieren.

text
# .github/CODEOWNERS
# Instruction and agent config files change what agents do: platform team owns them.
AGENTS.md                        @your-org/platform
CLAUDE.md                        @your-org/platform
.github/copilot-instructions.md  @your-org/platform
.claude/                         @your-org/platform
.codex/                          @your-org/platform
.github/workflows/               @your-org/platform

Tipp aus der Praxis

Machen Sie „Review durch Code Owners erforderlich“ zum Teil der Branch-Regel, sonst schlägt CODEOWNERS Reviewer nur vor, und die Änderung eines Agenten an seiner eigenen Anweisungsdatei kann durchrutschen.

Eine Identität, eine Policy-Ebene pro Tool, ein Review-Weg und eine Audit-Spur, egal welcher Agent den Code geschrieben hat.
Enterprise-Leitplanken für Coding-Agenten: Der Identity Provider mit SSO speist Managed Settings und Policies für Copilot, Claude Code und Codex; alle Agenten arbeiten in einer GitHub-Organisation mit Branch Protection, Pflicht-Reviews und CI-Gates; jede Aktion fliesst in Audit-Logs.

7. Meine übliche Empfehlung und wie man sie pilotiert

Wählen Sie nicht ein Tool für alle. Geben Sie dem ganzen Entwicklungsteam das, was zu Ihrer Plattform passt, meist Copilot, wenn Sie auf GitHub Enterprise sind, oder Codex, wenn ChatGPT schon Ihr KI-Arbeitsplatz ist, und geben Sie den Plattform- und DevOps-Engineers den tiefsten Agenten für lange, autonome Arbeit, in meinen Projekten oft Claude Code. Dann fahren Sie einen vierwöchigen Pilot, der vergleicht, keine Demo, die beeindruckt: dieselben 20 bis 30 echten Tickets auf zwei Tools, aufgeteilt nach Typ (Bugfixes, Dependency-Upgrades, kleine Features, Testreparaturen). Messen Sie die Durchlaufzeit vom Ticket bis zur gemergten Änderung, Review-Minuten pro Pull Request, wie oft eine Änderung Nacharbeit brauchte, und die Kosten pro gemergter Änderung aus den Nutzungsdaten jedes Anbieters. Setzen Sie die zentralen Policies vor dem Pilot, nicht danach, damit Sie die Tools in der Konfiguration messen, die Sie wirklich betreiben würden. Meiner Erfahrung nach ist die Entscheidung nach Woche drei offensichtlich, und selten die, die die lauteste Person im ersten Meeting vorhergesagt hat.

Fazit

Das Tool zählt weniger als die Regeln darum: Wählen Sie nach dem Ort, an dem Ihr Team arbeitet, sichern Sie es zentral ab und lassen Sie dann die Pilotdaten entscheiden.

Weitere Artikel

    Kontakt aufnehmen

    Erzählen Sie mir von Ihrem Projekt, ich antworte innerhalb von 1–2 Werktagen.

    Dominik Heinrich
    Unternehmen
    MADO Consulting

    Weltweit verfügbar, remote. Vor Ort auf Anfrage, je nach Land.

    Ich antworte innerhalb von 1–2 Werktagen. Freie Termine: siehe Kalender

    Öffnet hier den Buchungskalender von Calendly. Beim Laden werden Daten an Calendly übertragen (siehe Impressum).