Bug-Reporting 2.0: Wie KI die Brücke zwischen Feedback und Azure DevOps schlägt
Niemand füllt gerne komplexe Bug-Formulare aus. Wenn man mitten im Testing oder in einer Besprechung ist und einen Fehler findet, möchte man ihn einfach nur schnell „loswerden“, bevor man ihn vergisst. Aber ein guter Bug-Report braucht Details: Reproschritte, Screenshots, Systeminfos.
Als kleines Freizeitprojekt habe ich mich gefragt: Kann KI diese Lücke schließen? Kann ich einen Assistenten bauen, dem ich das Problem einfach erzähle, und der den Rest erledigt?
Die Antwort ist ja. Mit Microsoft Copilot Studio habe ich einen „Azure DevOps Helfer“ gebaut. Hier zeige ich kurz, wie er funktioniert.
Schritt 1: Das Problem beschreiben
Alles beginnt mit einem normalen Chat. Ich muss keine Felder ausfüllen, sondern schreibe einfach, was mir aufgefallen ist. In diesem Beispiel habe ich bemerkt, dass Mitarbeiter nach einer Datenmigration doppelt im System sind.
Schritt 2: Der Agent denkt mit (und kann sehen!)
Der Agent (basierend auf GPT-4) erkennt, dass für einen guten Bug-Report noch Informationen fehlen. Er fragt gezielt nach Reproschritten oder Beispielen.
Das Beste daran ist die Multimodalität: Ich muss die Daten nicht abtippen. Ich habe einfach einen Screenshot der Teammitgliederliste hochgeladen. Der Agent analysiert das Bild, erkennt die konkreten Namen.
2 Screenshot des Azure DevOps KI-Assistenten in Copilot Studio
Schritt 3: Die automatisierte Erstellung
Sobald der Agent alle notwendigen Informationen gesammelt hat, startet er im Hintergrund einen Workflow (wahrscheinlich über Power Automate). Er fasst die Informationen strukturiert zusammen und ruft die Azure DevOps API auf.
Nach wenigen Sekunden bekomme ich im Chat die Bestätigung und den direkten Link zum neuen Work Item.
Das Ergebnis in Azure DevOps
Ein Klick auf den Link zeigt das Ergebnis: Ein perfekt formatierter Bug in Azure DevOps. Der Titel ist aussagekräftig, die Beschreibung enthält die Analyse des Agenten und die Beispiele aus dem Screenshot sind sauber in den Repro-Steps aufgelistet.
Fazit
Dieses kleine Experiment zeigt die Power von Low-Code-KI-Tools wie Copilot Studio. In sehr kurzer Zeit lässt sich ein Tool erstellen, das den Prozess der Fehlererfassung nicht nur beschleunigt, sondern auch die Qualität der Reports verbessert, indem der Agent proaktiv fehlende Infos einfordert.
Vom beiläufigen Chat-Hinweis zum strukturierten Backlog-Item in unter einer Minute – so macht Bug-Tracking fast schon Spaß.
