Vom Ticket zum geprüften PR: Welches Tool passt, Cursor, Augment Code, Warp oder Factory?

Die gemeinsame Aufgabe: ein Ticket rein, ein geprüfter Pull Request raus

Alle vier Anbieter beschreiben Agenten, die Engineering-Aufgaben übernehmen und etwas zurückgeben, das eine Person prüfen kann. Sie kommen auf unterschiedlichen Wegen dorthin. Cursor ist ein Code-Editor mit einer CLI, einer Slack-Integration und Cloud-Agenten. Augment Code verkauft Cosmos, eine Orchestrierungsplattform auf Basis einer Context Engine. Warp kombiniert ein Terminal, eine Agent CLI und Warp Factories, also Flotten von Agenten, die in Code definiert sind. Factory baut Agenten namens Droids und ergänzt sie um Code-Review, Analysen und Automatisierungen.

Dieser Vergleich folgt einer einzigen Aufgabe: ein Ticket in einem bestehenden Repository, das ein Agent umsetzt und das in einem Pull Request endet, den ein Mensch lesen und freigeben kann. Er ist keine Rangliste und enthält keinen Benchmark. Alles Folgende stützt sich auf Produkt-, Preis- und Sicherheitsseiten der Anbieter, gelesen am 15. Oktober 2026. Er beschreibt also, was die Anbieter sagen. Wo eine Seite schweigt, ist der Punkt unbekannt, nicht nicht vorhanden. Warp Factories wird als Early Access präsentiert. Das ist wichtig, wenn Sie eine Einführung planen.

1234

Repository-Kontext: was jede Seite dokumentiert

Die Startseite von Cursor zeigt, wie der Agent Dateien liest und Suchen ausführt, bevor er editiert. Unter den veröffentlichten Forschungsthemen nennt Cursor sichere Indexierung der Codebasis und semantische Suche. Wie die Indexierung funktioniert, erklärt diese Seite nicht. Cursor listet außerdem Marketplace-Anbindungen wie Slack, Notion, Docker und Google Drive auf, die Kontext jenseits des Codes in eine Sitzung bringen können.

Augment Code stellt eine Context Engine in den Kern von Cosmos und beschreibt gemeinsames Organisationswissen, also ein Gedächtnis, das Agenten und Teams teilen. Die Trigger umfassen GitHub, GitLab, Slack, Linear und Jira. In einer von Augment veröffentlichten Fallstudie sagte das Team von Handoff, das Tool habe seine bestehende Architektur und seine Namenskonventionen respektiert. Die Anbindung von Linear und Figma über MCP habe ihm zudem detailliertere Informationen für die Umsetzung geliefert.

Warp definiert eine Factory in einer Konfigurationsdatei, die Repositories, Secrets, MCP-Server, Cloud-Konten sowie Integrationen mit Slack, Linear oder Jira verbindet; jeder Lauf checkt den relevanten Code aus. Die Seite beschreibt keine semantische Indexierung, das bleibt also eine offene Frage. Factory bewirbt AutoWiki, ein lebendes Wiki pro Repository, und Agent Readiness, einen Wert pro Repository, erklärt aber nicht im Detail, wie der Code indexiert wird.

123456

Wo der Agent läuft

Cursor läuft als Desktop-App, als CLI und als Slack-App. Seine Cloud-Agenten nutzen laut Beschreibung eigene Rechner, um Arbeit parallel zu bauen, zu testen und vorzuführen. Zu den Marketplace-Automatisierungen gehört, in einem Slack-Kanal gemeldete Bugs mit einem Pull Request zu beheben und Linear-Issues zu sichten, indem für einfache Fixes Pull Requests geöffnet werden. Self-Hosting wird auf den gelesenen Seiten nicht erwähnt.

Augment gibt an, dass Cosmos auf Laptops, Dev-VMs, in der eigenen verwalteten Cloud oder in der Cloud des Kunden auf AWS oder GCP läuft, mit isolierten Sandboxes. Die Preisseite nennt Standard-Rechenleistung, einen Daemon-Modus und 50 gleichzeitige Sitzungen in Standard und Business sowie individuelle, regionenübergreifende Rechenleistung in Enterprise. Standard kostet 20 US-Dollar pro Monat und Business 100 US-Dollar, jeweils pauschal für bis zu 50 Lizenzen, mit gemeinsam genutztem Kontingent. Die Modellnutzung wird laut Anbieter zum Listenpreis des Modellanbieters plus 40 Prozent Servicegebühr abgerechnet.

Warp gibt an, dass Factories in seiner Cloud oder selbst gehostet in Ihrer eigenen VPC laufen können, mit jedem Modell und jedem Harness, und dass niemand das Warp-Terminal braucht, um sie zu nutzen: Die Arbeit kommt aus Slack, Linear, Jira, GitHub oder GitLab. Die Preise werden als nutzungsbasiert pro Agentenlauf beschrieben. Factory wird über eine CLI installiert und nennt Droid Computers, dedizierte Hardware, die Agenten lokal mit dauerhaftem Zustand ausführt, sowie Mission Control zur Verfolgung der Läufe. Die Sicherheitsseite beschreibt eine abgeschottete Single-Tenant-Umgebung mit eigener VPC; die Ausführung von Ticketarbeit in der Cloud beschreibt die Startseite nicht im Detail.

12347

Wie die Änderung geprüft wird, bevor ein Mensch sie freigibt

Cursor gibt an, Pull Requests in GitHub zu prüfen, und seine Demo zeigt Aufgaben, die als bereit zur Prüfung markiert sind. Der Marketplace listet Automatisierungen, die CI-Fehler beheben, Review-Kommentare abarbeiten und Schwachstellen finden, sowie eine, die Reviewer zuweist und Pull Requests mit geringem Risiko automatisch freigibt. Ob eine menschliche Freigabe standardmäßig vorgeschrieben ist, wird nicht gesagt. Wie Freigaben gestaltet sind, hängt also davon ab, wie Sie diese Automatisierungen konfigurieren.

Augment beschreibt eine Code-Review-Flotte, einen Tester, der die Änderung durchgängig ausprobiert und die Ergebnisse mit Screenshots meldet, sowie Quality Gates, an denen die Arbeit für eine Prüfung anhält und folgenreiche Aktionen die Freigabe einer Person brauchen. Von den vier Anbietern beschreibt Augment menschliche Kontrollpunkte damit am ausdrücklichsten. Die FAQ zu den Preisen trennt das Standard-Code-Review für GitHub-Pull-Requests von einer Enterprise-Version mit Analysen, Allowlists und Unterstützung für mehrere Organisationen.

Die Factory-Datei von Warp legt Trigger, Agenten, Modelle und Freigabeschritte fest. Warp gibt an, dass jeder Lauf bewertet wird und dass Agenten vor einem Pull Request einen Screenshot oder ein Video als Nachweis aufnehmen. Die Zahlen auf der Seite sind Illustrationen, keine Messwerte. Factory bietet Code-Review bei jedem Pull Request mit Inline-Kommentaren, Automatisierungen, in denen Droids planen, ausführen und validieren, und Droid Shield, das laut Factory Schwachstellen, Bugs und Mängel beim geistigen Eigentum in generiertem Code erkennt. Die Freigabepunkte sind nicht im Detail beschrieben.

1234

Was die Workflows der Kunden zeigen

Rectangle Health, ein Unternehmen für Zahlungen im Gesundheitswesen mit einem 30-köpfigen Engineering-Team, liefert in Warps eigener Fallstudie die veröffentlichte Geschichte, die einem Weg vom Ticket zum Pull Request am nächsten kommt. Es handelt sich um einen Einsatz von Oz: Ein Senior Engineer band Agenten auf Oz, der Cloud-Orchestrierungsplattform von Warp, in den Jira-Workflow ein, damit aus einem Ticket ein Pull Request werden konnte, und ergänzte dann einen Slack-Bot. Das Ergebnis, Rex, sichtet Anfragen und leitet sie an Agenten für Recherche, Entwicklung, Review und QA weiter. Warp berichtet von etwa 100 Läufen von Cloud-Agenten pro Woche, typischerweise 3 bis 10 Minuten von der Erwähnung in Slack bis zum Pull Request, und von 139 Commits in 11 Repositories an 60 aktiven Entwicklungstagen.

Die Fallstudie nennt Oz, Warp Terminal sowie Trigger aus Slack und Jira als eingesetzte Produkte. Warp Factories erwähnt sie nicht, sie belegt Factories also nicht. Sie zeigt aber eine vom Kunden gebaute Ticket-Schleife. Das Team sagte, kleine Backlog-Aufgaben wie langsame SQL-Abfragen seien monatelang liegen geblieben. Als der CTO die Agenten an solchen Abfragen testete, lieferten sie zwei Pull Requests in zwei Repositories.

Die Fallstudien von Augment beschreiben eine andere Art von Arbeit. Handoff, ein 13-köpfiges Team, das mit VS Code arbeitet, delegierte Teile wie Screens aus Figma und verfeinerte parallel andere Teile. Laut Augments Seite sank die Zykluszeit für Pull Requests bei diesem Team zwischen August und November 2025 von 2,14 auf 1,07 Stunden. Peek, mit etwa 25 Ingenieuren, testete GitHub Copilot, Cursor und Augment jeweils drei Wochen lang und berichtet, dass die Arbeit an der Testautomatisierung von zwei oder drei Tagen auf wenige Stunden gesunken sei. Die Seite nennt keine Ergebnisse für Cursor, es ist also kein direkter Vergleich. Beide Fallstudien handeln überwiegend von einem Assistenten im Workflow der Entwickler, nicht von einer Ticket-Schleife mit Cosmos.

Die Kundenseite von Cursor enthält Aussagen von Unternehmen wie Optiver, das eine unternehmensweite Einführung beschreibt, und Mercado Libre, das von Funktionen berichtet, die in manchen Fällen an einem Tag gebaut wurden. Das sind Kundenstimmen zur Nutzung, keine Schritt-für-Schritt-Beschreibungen vom Ticket zum Pull Request. Die Fallstudie von Warp über Docker betrifft das Terminal, nicht Agenten an Tickets: Eine gemeinsame Bibliothek mit über 40 Befehlen in Warp Drive und Fragen an Warp AI verkürzten das Onboarding von etwa vier auf drei Wochen. Für Factory stützt sich dieser Artikel auf Produkt- und Trust-Seiten, der Workflow ist also in den eigenen Worten des Anbieters beschrieben.

2346891011

Sicherheit, Berechtigungen und Datenbedingungen

Cursor nennt SOC 2 Type II, ISO 27001 und ISO 42001, und seine Sicherheitsseite erwähnt zusätzlich AIUC-1. Cursor gibt an, bei aktiviertem Privacy Mode nicht mit Ihren Daten zu trainieren, und Team-Admins können den Privacy Mode verbindlich vorgeben. Die Dokumentation behandelt SSO und SCIM, CMEK, Compliance-Logging und die Netzwerksicherheit der Cloud-Agenten. Augment nennt SOC 2 Type II und ISO 42001 und gibt an, standardmäßig nicht mit Kundendaten zu trainieren. Die Preisseite fasst Enterprise so zusammen: Unterstützung für SSO, OIDC und SCIM sowie CMEK und Konformität mit ISO 42001. Der Sicherheitsvergleich auf derselben Seite nennt außerdem SIEM-Integration, Optionen zur Datenresidenz, feingranulare Zugriffskontrollen und Audit-Trails. Der Text zeigt aber nicht, welcher Tarif jeweils was enthält.

Warp gibt an, eine SOC-2-Type-2-Testierung zu besitzen, Daten in den USA auf Google Cloud zu speichern, mit AES-256 und TLS 1.3 zu verschlüsseln, im Enterprise-Tarif keine Datenaufbewahrung für KI anzubieten und einen Auftragsverarbeitungsvertrag zu veröffentlichen. Diese Sicherheitsseite beschreibt das Terminal und seine KI-Funktionen. Klären Sie deshalb, was für Factories gilt, das sich laut Warp selbst hosten lässt. Das Trust-Portal von Factory nennt Unterlagen zu SOC 2, ISO 27001 und ISO 42001 sowie veröffentlichte Unterauftragsverarbeiter. Factory gibt an, standardmäßig nicht mit Kundendaten zu trainieren, und veröffentlicht einen AVV, der die primäre Verarbeitung in den USA vermerkt. Die jüngsten Mitteilungen ergänzen Meta, Databricks, Snowflake und Mistral als Unterauftragsverarbeiter für die Verarbeitung durch KI-Modelle.

12712131415161718

Welches Tool auf die Shortlist gehört und was Sie in einer Demo fragen sollten

Dies sind redaktionelle Empfehlungen, keine Angaben der Anbieter. Nehmen Sie Cursor in die engere Wahl, wenn Ihre Entwickler bereits in einem Editor arbeiten und Sie ein Produkt für interaktive Arbeit und für Cloud-Agenten wollen, die aus Slack und GitHub gestartet werden. Nehmen Sie Augment Code in die engere Wahl, wenn Sie orchestrierte Schleifen mit ausdrücklichen menschlichen Kontrollpunkten, gemeinsames Gedächtnis und die Option wollen, in Ihrer eigenen Cloud zu laufen. Nehmen Sie Warp Factories in die engere Wahl, wenn Sie die gesamte Konfiguration als Code definieren, Modell und Harness frei wählen und selbst hosten wollen und Early Access für Sie akzeptabel ist. Fragen Sie Warp nach Belegen speziell zu Factories, denn die hier gelesene Fallstudie betrifft Oz. Nehmen Sie Factory in die engere Wahl, wenn Single-Tenant-Hosting, Audit-Logs mit SIEM-Export und Nutzungsanalysen am wichtigsten sind.

Vier Fragen trennen die Tools in einer Demo. Wo läuft der Code, und kann er in unserem Netzwerk bleiben? Wer muss zustimmen, bevor ein Pull Request geöffnet oder gemergt wird, und ist das verbindlich oder optional? Welche Nachweise werden an den Pull Request angehängt, etwa Testausgaben oder Screenshots? Und welche Sicherheitsdokumente decken genau die Produktoberfläche ab, die wir nutzen würden? Öffentliche Kundenzahlen sind kein Signal für eine Präferenz. Die obigen Kundenzahlen sind vom Anbieter angegeben und stammen von verschiedenen Teams, sie lassen sich also nicht miteinander vergleichen.

1234