KI-gestützte Dokumentation für Atlassian-Teams: Ein Praxisleitfaden

Warum Dokumentation immer hinterherhinkt

Dokumentation hat ein grundlegendes Zeitproblem. Genau dann, wenn sie am präzisesten wäre — unmittelbar nach der Entwicklung einer Funktion —, wollen alle zum nächsten Ticket weitergehen. Also wird sie verschoben. Aus einem Sprint wird ein Quartal und daraus „Wir machen es richtig, wenn wir Zeit haben“.

Das Ergebnis sind Confluence-Bereiche voller Seiten, die bestenfalls zu 80 % stimmen, ohne klares Signal für veraltete Abschnitte. Neue Teammitglieder können ihnen nicht vertrauen. Auditoren können sich nicht darauf verlassen. Support-Entwickler verschwenden Zeit damit, die Person zu finden, die den Code geschrieben hat.

KI-Dokumentation verändert den Aufwand dieses Problems. Statt einen Entwickler zwei Stunden eine Confluence-Seite schreiben zu lassen, erstellt KI den Entwurf in weniger als einer Minute — danach investierst du fünfzehn Minuten in Prüfung und Anpassung. Der Zeitaufwand sinkt um eine Größenordnung, und die Mindestgenauigkeit steigt, weil die KI den tatsächlichen Code liest statt die Erinnerung einer Person daran.

Was KI-Dokumentation für Confluence tatsächlich tut

CodeDoc AI for Confluence liest deinen Quellcode aus einem verbundenen Git-Repository (GitHub, GitLab, Bitbucket oder Azure DevOps) und erzeugt mit deinem ausgewählten KI-Modell eine strukturierte Confluence-Seite. Die App nutzt BYOK (Bring Your Own Key) — du verbindest dein eigenes Anthropic-, OpenAI- oder Google-KI-Konto, und der Code gelangt direkt von Git zu deinem KI-Anbieter. Die App selbst speichert deinen Quellcode nie.

Die Ausgabe ist eine native Confluence-Seite, kein PDF oder Anhang. Du kannst sie bearbeiten, Kommentare direkt im Text ergänzen, eine Seitenvorlage anwenden, zwischen Bereichen verschieben oder versionieren — genau wie jede andere manuell erstellte Seite deines Teams.

Das CodeDoc-AI-Dashboard — Dokumentationsaufträge, jüngste Erzeugungen und Status auf einen Blick

Die acht Dokumentationsvoreinstellungen — für wen sie gedacht sind

Nicht jede Dokumentation richtet sich an dieselbe Zielgruppe. Ein Entwickler braucht in deiner API-Referenz andere Informationen als ein Compliance-Verantwortlicher bei der Prüfung deiner DSGVO-Kontrollen. Beide brauchen etwas anderes als ein neues Teammitglied, das die Codebasis erstmals verstehen möchte. Dafür gibt es Voreinstellungen.

Jede Voreinstellung erzeugt eine andere, auf ihre Zielgruppe abgestimmte Seitenstruktur:

Die acht integrierten Voreinstellungen — wähle die passende für deine Zielgruppe

Dokumentation in zehn Sprachen

Mehrsprachige Teams haben häufig Confluence-Bereiche in mehreren Sprachen. Dokumentation wird trotzdem oft auf Englisch geschrieben, weil das am wenigsten Aufwand macht. Mit CodeDoc AI wählst du die Ausgabesprache beim Erstellen des Auftrags. Aktuell verfügbar sind:

Englisch, Deutsch, Französisch, Spanisch, Italienisch, Portugiesisch, Japanisch, Chinesisch (vereinfacht), Koreanisch und benutzerdefiniert (eigene Sprache oder eigenen Dialekt im Prompt festlegen).

Die Sprache wird je Auftrag eingestellt. Du kannst dasselbe Repository zweimal ausführen — einmal auf Englisch für dein Entwicklungsteam und einmal auf Deutsch für eine lokale Compliance-Anforderung —, indem du zwei separate Aufträge für dasselbe Repository erstellst.

KI-gestützte Dateiauswahl: Qualität vor Menge

Die Qualität KI-generierter Dokumentation hängt stark von den bereitgestellten Dateien ab. Ein Repository mit 400 Dateien einschließlich Lock-Dateien, Build-Artefakten, Migrationsskripten und Drittanbietercode liefert schlechtere Dokumentation als eine sorgfältig gewählte Teilmenge von 30 Dateien mit der Kernlogik der Anwendung.

CodeDoc AI löst das mit einem zweistufigen Auswahlprozess. Zuerst analysiert die KI Dateinamen und Repository-Struktur, um die relevantesten Quelldateien zu bestimmen. Dann prüfst du die Auswahl, fixierst sie (für jeden Durchlauf gleich) oder lässt sie dynamisch (bei jedem Durchlauf neu bewertet). Optional ergänzt du Glob-Filter zum Ein- oder Ausschließen bestimmter Pfade.

Dateianalyse-Vorschau — Tokenschätzung und KI-ausgewählte Dateien vor der Erzeugung

Die Analysevorschau zeigt vor der Ausführung Gesamtanzahl der Dateien, Anzahl der Codedateien und geschätzte Tokenkosten an. Bei großen Repositories senkt die KI-Dateiauswahl den Tokenverbrauch typischerweise um 60–80 % und erzeugt dabei fokussiertere Dokumentation.

Wann wird Dokumentation neu erzeugt?

Die Auslösereinstellung steuert, wie häufig ein Auftrag läuft. Es gibt vier Optionen:

• Manuell: Klicke beim Auftrag auf „Run“. Gut für einmalige Erzeugung und Tests.
• Bei Commit: Läuft automatisch per Webhook, wenn Code auf den konfigurierten Branch gepusht wird. Hält die Dokumentation möglichst aktuell — jeder Push erzeugt sie neu.
• Bei Merge: Läuft beim Zusammenführen eines Pull Requests. Besser geeignet für Teams, deren Dokumentation stabilen, geprüften Code statt jeden Zwischenstand abbilden soll.
• Nach Zeitplan: Läuft täglich, wöchentlich oder monatlich zu deiner gewählten Zeit. Geeignet für Dokumentation langlebiger Infrastruktur oder langsam veränderlicher Systeme.

Mehr zur Einrichtung von Webhook-Auslösern mit GitHub, GitLab, Bitbucket und Azure DevOps findest du hier: Confluence-Dokumentation automatisieren: Von manuellen Updates zu CI/CD.

Der Freigabeprozess: Eine menschliche Qualitätsprüfung

KI-generierte Dokumentation beschreibt präzise, was der Code tut. Sie beschreibt nicht immer präzise, was der Code tun sollte , den geschäftlichen Kontext einer Architekturentscheidung oder den historischen Grund für die Gestaltung einer Komponente. Diese Feinheiten erfordern einen Menschen.

Mit dem Freigabeprozess ergänzt du einen Prüfschritt, bevor Inhalte die veröffentlichte Confluence-Seite erreichen. Bei Aktivierung wird die erzeugte Dokumentation als Confluence-Entwurf mit dem Präfix [DRAFT] gespeichert. Sie bleibt dort, bis du das Dashboard öffnest, sie prüfst und veröffentlichst oder verwirfst.

Auftragsübersicht — ausstehende Freigaben erscheinen hier vor der Veröffentlichung in Confluence

Wann du ihn nutzen solltest: Kundendokumentation, Compliance-Seiten und Einarbeitungsanleitungen. Wann du darauf verzichten kannst: interne Entwicklerreferenzen, die bei jedem Merge aktualisiert werden und bei denen Geschwindigkeit wichtiger ist als redaktionelle Präzision.

Praxisbeispiel: Einen neuen Entwickler einarbeiten

Ein häufiger Engpass wachsender Teams ist Einarbeitungsdokumentation, die schon wenige Wochen nach Erstellung veraltet. So könnte ein Team das mit CodeDoc AI lösen:

1. Erstelle einen Auftrag pro Repository mit der Voreinstellung Einarbeitungsanleitung (Onboarding Guide) .
2. Setze den Auslöser auf Bei Merge (On Merge) — die Anleitung wird jedes Mal neu erzeugt, wenn eine größere Änderung zusammengeführt wird.
3. Aktiviere den Freigabeprozess — ein erfahrener Entwickler prüft den Entwurf und ergänzt Kontext, den die KI nicht kennen kann (das „Warum“ hinter Architekturentscheidungen).
4. Veröffentliche die freigegebene Seite im Confluence-Einarbeitungsbereich des Teams.

Das Ergebnis ist eine Einarbeitungsdokumentation, die die aktuelle Codebasis statt die von vor sechs Monaten abbildet. Neue Entwickler erhalten korrekte Einrichtungshinweise, eine klare Projektstruktur und Erklärungen verbreiteter Muster — ohne dass ein erfahrener Entwickler einen Nachmittag mit dem Schreiben verbringt.

Die Kosten verstehen

CodeDoc AI berechnet keine Gebühr pro Erzeugung. Du zahlst nur das Atlassian-Marketplace-Abonnement. KI-Kosten rechnet dein Anbieter direkt nach Tokenverbrauch ab:

• Google Gemini hat ein kostenloses Kontingent — gut zum Testen und für geringe Nutzung.
• Anthropic Claude Haiku und OpenAI gpt-4o-mini sind die günstigsten kostenpflichtigen Optionen: typischerweise 0,01–0,05 US-Dollar pro Erzeugung bei einem mittelgroßen Repository.
• Größere Modelle (Claude Sonnet, GPT-4o) kosten mehr, liefern bei komplexen Codebasen aber differenziertere Ergebnisse.

Auch die Dateiauswahl ist entscheidend für die Kostenkontrolle: 30 relevante Dateien statt 300 zu senden, kann Tokenverbrauch und damit KI-Kosten um 80 % oder mehr senken.

Häufig gestellte Fragen