Kurze Antwort
Eine OpenAI Codex Schulung zeigt Teams, wie sie Aufgaben an den Codex-Agenten delegieren, sowohl lokal über die CLI oder IDE als auch als parallele Aufgaben in der Cloud, und wie sie die Ergebnisse sauber reviewen. Kern der Schulung sind gut formulierte Aufgaben, eine gepflegte AGENTS.md und ein Review-Prozess, der mit vielen parallelen Änderungen umgehen kann.
Inhalt
Codex verändert vor allem die Arbeitsorganisation
OpenAI Codex gibt es in mehreren Formen: als Agent, der in einer Cloud-Umgebung Aufgaben am Repository erledigt und Änderungen als Vorschlag zurückliefert, als Kommandozeilenwerkzeug für die lokale Arbeit und als Integration in Entwicklungsumgebungen. Die Details entwickeln sich schnell weiter, das Grundprinzip bleibt: Sie beschreiben eine Aufgabe, der Agent arbeitet sie eigenständig ab, Sie prüfen das Ergebnis.
Der spannende Teil ist die Parallelität. Statt einen Agenten Schritt für Schritt zu begleiten, kann ein Entwickler mehrere Aufgaben gleichzeitig vergeben: Tests für Modul A ergänzen, einen Bug in Modul B untersuchen, eine Abhängigkeit aktualisieren. Das klingt nach einem enormen Produktivitätsgewinn, verlagert den Engpass aber auf etwas anderes: das Review. Eine Codex Schulung muss deshalb weniger das Werkzeug erklären als die Arbeitsweise drumherum.
Die drei Kompetenzen, um die es geht
1. Delegierbare Aufgaben schneiden
Nicht jede Aufgabe eignet sich für einen Agenten, der unbeaufsichtigt arbeitet. Gut geeignet sind Aufgaben mit klarem Ergebnis und automatischer Prüfung: Tests schreiben, eindeutige Bugs mit Reproduktion beheben, Refactorings mit vorhandener Testabdeckung, Dokumentation ergänzen. Schlecht geeignet sind Aufgaben mit offenen Designfragen oder ohne Testmöglichkeit.
Im Workshop üben die Teilnehmenden, Tickets aus dem eigenen Backlog umzuformulieren. Eine gute Aufgabenbeschreibung enthält das Ziel, den betroffenen Bereich, das Abnahmekriterium und ausdrücklich, was nicht verändert werden darf.
2. AGENTS.md als gemeinsame Sprache
AGENTS.md ist eine Markdown-Datei im Repository, die Agenten Anweisungen gibt: wie gebaut und getestet wird, welche Konventionen gelten, welche Bereiche tabu sind. Codex liest diese Datei, und auch andere Agenten nutzen die Konvention. Das macht sie zur zentralen Stelle für Team-Wissen, das sonst nur in Köpfen existiert.
Eine bewährte Struktur für die erste Version:
## Setup
- Abhängigkeiten: pnpm install
- Tests: pnpm test, Linter: pnpm lint
## Konventionen
- TypeScript strict, keine any-Typen
- Neue Endpunkte brauchen einen Integrationstest
## Grenzen
- Keine Änderungen in /infra ohne Rückfrage
- Keine neuen Abhängigkeiten ohne Begründung im PR
In größeren Repositories können zusätzliche AGENTS.md-Dateien in Unterordnern spezifischere Regeln festlegen.
3. Review im Takt der Agenten
Wenn fünf Agenten-Aufgaben gleichzeitig zurückkommen, braucht das Team einen Prozess. Bewährt hat sich: Ergebnisse zuerst nach Testergebnis filtern, dann kleine Diffs vor großen prüfen, bei unklaren Ergebnissen nicht nachbessern, sondern die Aufgabe präziser neu vergeben. Wichtig ist auch die Gewohnheit, Fehlermuster in die AGENTS.md zurückzuspielen, damit sie nicht wieder auftreten.
Schulungsablauf in der Praxis
| Block | Inhalt | Ergebnis |
|---|---|---|
| Einstieg | Funktionsweise, Varianten von Codex, Sicherheitsmodell | Gemeinsames Verständnis |
| Setup | Konten, Repository-Anbindung, Umgebung für Tests | Lauffähige Umgebung |
| AGENTS.md | Gemeinsames Schreiben für das eigene Repository | Erste Version eingecheckt |
| Delegation | Tickets umformulieren, parallel vergeben | Mehrere Aufgaben erledigt |
| Review | Ergebnisse prüfen, nachsteuern, mergen | Erste Änderungen im Hauptzweig |
| Governance | Datenfreigaben, Berechtigungen, Protokollierung | Teamregeln dokumentiert |
Bei Teams, die sowohl Codex als auch andere Agenten nutzen, lohnt ein Vergleichsblock. Unser Beitrag zur Claude Code Schulung beschreibt den eher interaktiven, terminalzentrierten Ansatz, der sich gut mit der Delegation an Codex ergänzt.
Sicherheit und Datenschutz
Gerade bei Cloud-Ausführung sollten vor der Schulung einige Fragen geklärt sein: Welche Repositories dürfen angebunden werden? Welche Netzwerkzugriffe darf die Ausführungsumgebung haben? Werden Secrets benötigt, und wenn ja, wie werden sie bereitgestellt? Nutzen Sie Unternehmenskonten mit passenden Vertragsbedingungen statt privater Zugänge.
Wer KI-Agenten unternehmensweit, auch außerhalb der Softwareentwicklung, mit Audit-Trails und EU-Datenhaltung betreiben möchte, findet bei kalAIDoCreate Plattform und Expertenteam dafür. Für Datenschutzfragen bei der Produktentwicklung selbst empfehlen wir unseren Artikel zur DSGVO-konformen KI-App-Entwicklung.
Wie neooutput Codex-Schulungen gestaltet
neooutput arbeitet nach dem Build-as-you-learn-Prinzip: Die Schulung findet am Code des Teams statt, und jede Session endet mit funktionierenden Ergebnissen. Für Codex heißt das konkret: eine eingecheckte AGENTS.md, ein vereinbarter Review-Ablauf für Agenten-Änderungen und mehrere echte Aufgaben, die über Codex erledigt und gemergt wurden. Angeboten wird das als Teamtraining, als Workshop über ein bis zwei Tage oder als 1:1-Beratung für Tech Leads, auf Deutsch und Englisch.
Wenn nach der Schulung klar wird, dass mehr Umsetzungskapazität gebraucht wird, können AI Code Engineers von OnlineAppCreator das Team ergänzen. Mehr zur Rolle lesen Sie im Beitrag AI Code Engineers beauftragen.
Was sich nach der Schulung messen lässt
Damit die Schulung nicht nur ein gutes Gefühl hinterlässt, lohnt ein Blick auf einfache Kennzahlen in den Wochen danach: Wie viele Aufgaben wurden an Codex delegiert? Welcher Anteil der Ergebnisse wurde ohne größere Nacharbeit übernommen? Wie oft musste eine Aufgabe neu formuliert werden? Wie hat sich die Zeit vom Ticket bis zum Merge bei geeigneten Aufgaben verändert? Diese Zahlen sind kein Leistungsmaßstab für Einzelne, sondern zeigen dem Team, wo AGENTS.md, Aufgabenschnitt oder Testumgebung noch nachgeschärft werden müssen.
Typische Stolpersteine
- Zu viele Aufgaben auf einmal: Wer zwanzig Aufgaben parallel vergibt, ertrinkt im Review. Mit drei bis fünf starten.
- Fehlende Testumgebung: Ohne lauffähige Tests in der Agenten-Umgebung fehlt die wichtigste Selbstkontrolle.
- AGENTS.md als Einmalprojekt: Die Datei muss wachsen. Jede wiederkehrende Korrektur gehört hinein.
- Kein Verantwortlicher: Jede Agenten-Änderung braucht einen Menschen, der sie verantwortet.
FAQ
Was ist der Unterschied zwischen ChatGPT und Codex?
ChatGPT ist ein allgemeiner Assistent. Codex ist auf Softwareentwicklung ausgerichtet und arbeitet direkt mit Repositories: Es liest Code, führt Befehle und Tests aus und liefert Änderungen, die Sie prüfen und übernehmen können.
Muss AGENTS.md in jedem Repository liegen?
Für produktive Nutzung ja. Ohne die Datei muss der Agent Konventionen erraten. Eine kurze, gepflegte Datei ist wirksamer als eine lange, veraltete.
Wie viele Teilnehmende sind sinnvoll?
Für Hands-on-Workshops haben sich sechs bis zwölf Personen bewährt, idealerweise aus einem oder zwei Teams mit gemeinsamer Codebasis.
Eignet sich Codex auch für Legacy-Code?
Ja, besonders zum Verstehen, Dokumentieren und Absichern mit Tests. Für größere Umbauten in Legacy-Systemen sollten Aufgaben besonders klein geschnitten werden.