Team ’26 Europe Recap: KI-Agenten werden Teammitglieder

KI-Agenten, die in Jira mitarbeiten, gemeinsam mit Menschen Inhalte in Confluence entwickeln und selbstständig Aufgaben übernehmen: Auf der Team ’26 Europe zeigte Atlassian, wohin sich die Zusammenarbeit entwickelt.

Das Wichtigste in Kürze

  • Mit AMP macht Atlassian KI-Agenten zu sichtbaren, nachvollziehbaren Teammitgliedern in Jira, Confluence und Loom.
  • Jira zeigt künftig alle Agentensitzungen eines Teams, lokal oder in der Cloud. Rückfragen der Agenten lassen sich direkt dort beantworten.
  • Rovo bekommt eine neue Desktop-App und mit Rovo Work einen Modus für mehrstufige Aufgaben.
  • Der Teamwork Graph versteht jetzt auch Quellcode und strukturierte Geschäftsdaten.
  • Mit EU AI Inference werden KI-Anfragen vollständig in Europa verarbeitet. Der Rollout hat begonnen.
  • Ab dem 3. Dezember 2026 gelten Kontingente für Rovo Credits, Automation wird pro Schritt abgerechnet.

AMP: Atlassians Rahmen für die Zusammenarbeit von Menschen und KI-Agenten

Die zentrale Ankündigung der Keynote trägt einen etwas technischen Namen: Agentic Multiplayer Protocol, kurz AMP. Die Idee dahinter ist leicht erklärt. Bisher arbeiten Menschen meist allein mit KI-Assistenten. Sie stellen eine Frage, erhalten eine Antwort und übertragen das Ergebnis in ein Dokument oder eine andere Anwendung. Will eine weitere Person daran anknüpfen, muss sie sich den bisherigen Kontext erst mühsam zusammensuchen.

AMP ist kein einzelnes Produkt und kein weiterer Chatbot. Es ist Atlassians Rahmen dafür, wie Menschen und KI-Agenten auf der Atlassian-Plattform und darüber hinaus zusammenarbeiten. Er besteht aus drei Ebenen:

  • Zusammenarbeit in Echtzeit und asynchron: Agenten zeigen, woran sie arbeiten, was sie erledigt haben und wo sie Input brauchen.
  • Identität und Präsenz: Jeder Agent ist als solcher erkennbar, Beiträge sind klar zugeordnet.
  • Kontext und Governance: Berechtigungen und Kontrollen gelten auch für Agenten. Die wichtigen Entscheidungen treffen weiterhin Menschen.

Laut Atlassian finden bereits über 11 Millionen AMP-Interaktionen zwischen Teams und Agenten pro Monat statt. Wie das in der Praxis aussieht, zeigen die folgenden Neuerungen in Jira, Confluence und Loom.

Jira, Confluence und Loom: Menschen und KI-Agenten arbeiten zusammen

Neue Atlassian Features in Loom

Mit Loom einfach zeigen, was der Agent erledigen soll

Ebenfalls interessant an dieser Stelle ist die neue Funktion „Record for Agent“ in Loom. Statt einem KI-Agenten lang und breit zu beschreiben, was er ändern soll, nehmen Mitarbeitende ihren Bildschirm auf und zeigen die gewünschte Anpassung einfach. Loom versteht, was gesagt, gezeigt und markiert wird. Daraus entsteht ein strukturierter Prompt mit Screenshots und Akzeptanzkriterien.

In Amsterdam demonstrierte Atlassian das an einer Website, deren Design ein Figma-Agent anpassen sollte. Eine kurze Bildschirmaufnahme genügte, um ihm die Aufgabe zu erklären. „Record for Agent“ gehört zur neuen Loom-Desktop-App für Mac und ist bereits in der Open Beta. Das dürfte vielen entgegenkommen. Schließlich ist es oft einfacher, mit dem Finger auf etwas zu zeigen und zu sagen „Genau hier hätte ich gerne eine Änderung“, als eine ausführliche Anweisung zu formulieren. Gerade Mitarbeitende, die sich bisher wenig mit Prompting beschäftigt haben, finden so leichter einen Zugang zu KI.

Neu in Loom sind außerdem AI Overlays. Auf Knopfdruck ergänzt Loom ein Video um animierte Titel, hervorgehobene Kernaussagen sowie Intro- und Outro-Karten. Grundlage sind das Transkript und der Kontext aus dem Teamwork Graph. AMP und Loom verfolgen damit denselben Ansatz: Die Zusammenarbeit mit KI orientiert sich an Arbeitsweisen, die Menschen bereits kennen. Das senkt die Hürde bei der Einführung KI-gestützter Prozesse spürbar.

Code-Reviews per Video: Interactive PR Reviews mit Loom

Zurück zur Frage vom Anfang: Wer prüft, was die Agenten erledigen? In der Softwareentwicklung ist diese Frage bereits Alltag. Wenn KI-Agenten einen Großteil des Codes schreiben, wird die Prüfung der Pull Requests zum Engpass. Reviewer müssen verstehen, was sich geändert hat, warum, und ob die Änderung sicher ist. Hier setzt Atlassian mit Interactive PR Reviews an. Rovo, der Teamwork Graph und Loom erzeugen zu jedem Pull Request automatisch ein kurzes Video. Es zeigt die Änderung, erklärt die Umsetzung und beschreibt, wie sie getestet wurde. Passende Entscheidungen, etwa aus einem Designdokument in Confluence, sind direkt verlinkt.

Davon profitieren nicht nur Entwicklerinnen und Entwickler. Auch Produktmanagement und Design können Änderungen anhand des Videos nachvollziehen und direkt kommentieren, ohne den Code lesen zu müssen. Atlassian testet die Funktion derzeit mit ausgewählten Kund*innen, sie soll sehr bald in die Teamwork Collection kommen.

Softwareteams sind dabei nur die Ersten, die das Problem spüren. Die Ergebnisse von KI-Agenten im großen Stil zu prüfen, wird laut Taroon Mandhana bald in jedem Fachbereich zur Aufgabe. Atlassian will deshalb allen Mitarbeitenden den nötigen Überblick geben, damit sie entscheiden können, ob sie ein Ergebnis übernehmen oder genauer hinschauen.

Rovo und Artifacts: KI-Agenten übernehmen eigenständig Aufgaben

Teamwork Graph und MCP: Kontext als Fundament für KI Der Teamwork Graph verbindet Unternehmenswissen mit dem passenden Kontext

Atlassian Teamwork Graph Keynote

Bei so vielen neuen Funktionen gerät leicht aus dem Blick, welche Technologie im Hintergrund eine immer größere Rolle spielt: der Teamwork Graph. Er verknüpft Informationen aus Jira, Confluence und zahlreichen weiteren Anwendungen. So erkennt Rovo Beziehungen zwischen Aufgaben, Dokumenten und Entscheidungen und berücksichtigt sie bei jeder Anfrage.

Auf der Team ’26 Europe sprach Atlassian von inzwischen mehr als 250 Milliarden Objekten und Verbindungen im Teamwork Graph. Vor sechs Monaten waren es noch 150 Milliarden. Wichtiger als die Größe ist allerdings, welche Arten von Informationen Atlassian inzwischen verknüpft.

Datenschutz und Sicherheit: KI verantwortungsvoll einsetzen

KI-Kosten steuern: Was kostet die Arbeit mit KI-Agenten?

Team26 Europe KI Kosten

Eine Frage zog sich durch die gesamte Team ’26 Europe: Wie lassen sich die Kosten für KI-Agenten sinnvoll steuern? Einzelne KI-Anfragen fallen finanziell kaum ins Gewicht. Arbeiten aber viele Mitarbeitende regelmäßig mit verschiedenen Agenten, die komplexe Aufgaben über mehrere Schritte ausführen, summieren sich die Ausgaben schnell.

Dabei braucht nicht jede Aufgabe das leistungsfähigste Sprachmodell. Wie groß das Sparpotenzial ist, zeigt ein Beispiel von Atlassian selbst: Im vergangenen Monat liefen dort rund 3.200 Agentendurchläufe zur Erstellung von Dokumentationen. Eine Auswertung mit dem Model Fit Score in DX, Atlassians App zur Messung der Produktivität von Entwicklungsteams, ergab: Bei 59 Prozent dieser Aufgaben hätte ein deutlich günstigeres Modell ausgereicht, ohne dass die Qualität gelitten hätte. Wer also für jede Aufgabe das größte Modell nutzt, zahlt in mehr als der Hälfte der Fälle drauf.

Mehr Transparenz schafft Atlassian mit AI Capital Management in der Strategy Collection. Kund*innen der Strategy Collection können die Funktionen bereits in der Open Beta nutzen. Führungskräfte sehen in einer Ansicht, wie sich die KI-Ausgaben im Verhältnis zu Budget und Prioritäten entwickeln, aufgeschlüsselt nach Modellanbieter, Abteilungen, Teams und Initiativen. Personal- und Token-Kosten stehen direkt nebeneinander. So wird sichtbar, wo KI-Ressourcen eingesetzt werden und was sie zu den Unternehmenszielen beitragen.

Heute wird vielerorts noch ausprobiert, welche Aufgaben sich überhaupt automatisieren lassen. Mit wachsender Nutzung rückt die Wirtschaftlichkeit jedoch schnell in den Mittelpunkt, und zwar spätestens ab dem 3. Dezember 2026. Ab diesem Tag gelten für Rovo Credits feste Kontingente, und Automation wird pro ausgeführtem Schritt abgerechnet. Was darüber hinausgeht, wird je nach Einstellung zusätzlich berechnet oder pausiert. Es lohnt sich also, Nutzung, Nutzen und Kosten frühzeitig zusammenzudenken. Entscheidend ist dabei nicht nur der Modellpreis, sondern auch, wie viel Zeit eine Automatisierung tatsächlich spart, welche Qualität sie liefert und wie viel menschliche Kontrolle sie weiterhin braucht.

Wie Sie Kostentreiber erkennen und Ihre KI-Nutzung steuern, zeigen wir in unserem Webinar „KI skalieren, ohne dass die Kosten aus dem Ruder laufen“.

Verfügbarkeit auf einen Blick

Funktion
Atlassian MCP Server (neu gebaut, rund 220 Tools)
Status
Verfügbar
Hinweis
allgemein verfügbar

 
Funktion
Code Context (Quellcode im Teamwork Graph)
Status
Verfügbar
Hinweis
allgemein verfügbar; GitLab folgt im November

 
Funktion
„My agent sessions“ in Jira
Status
Verfügbar
Hinweis
seit Juli 2026, für Agenten mit Jira-Aufgaben

 
Funktion
AI Capital Management (Strategy Collection)
Status
Verfügbar
Hinweis
Open Beta für alle Strategy-Collection-Kunden

 
Funktion
EU AI Inference
Status
Im Rollout
Hinweis
Rollout gestartet; Termin je Instanz offen

 
Funktion
Artifacts App
Status
Beta
Hinweis
Beta, alle kostenpflichtigen Pläne

 
Funktion
Rovo Desktop
Status
Beta
Hinweis
Beta für Windows und macOS; neue Version für macOS im November angekündigt

 
Funktion
Loom „Record for Agent“
Status
Beta
Hinweis
Open Beta

 
Funktion
Planner (Teamwork Collection)
Status
Early Access
Hinweis
EAP mit Warteliste seit August 2026

 
Funktion
Lokale Agentensitzungen in Jira
Status
Early Access
Hinweis
geschlossenes EAP

 
Funktion
Interactive PR Reviews mit Loom
Status
Early Access
Hinweis
geschlossenes EAP; sehr bald in der Teamwork Collection

 
Funktion
Loom AI Overlays
Status
Early Access
Hinweis
Early Access

 
Funktion
Rovo Work
Status
Angekündigt
Hinweis
kein Termin genannt

 
Funktion
Code Search App
Status
Angekündigt
Hinweis
sehr bald

 
Funktion
Agent Accounts (eigene Identitäten für Agenten)
Status
Angekündigt
Hinweis
in Kürze

 
Funktion
Codex-Zuweisung aus Jira (Partnerschaft mit OpenAI)
Status
Angekündigt
Hinweis
in Kürze

 
Funktion
Kontingente für Rovo Credits; Automation pro Schritt
Status
Ab 3.12.2026
Hinweis
Mehrverbrauch wird je nach Einstellung berechnet oder pausiert

 
Stand: November 2026. Verfügbarkeiten können je nach Plan und Region variieren.

Was wir von der Team ’26 Europe mitnehmen

Die Ankündigungen aus Amsterdam zeigen deutlich, wohin sich Atlassians Plattformstrategie entwickelt. Jira, Confluence, Loom und Rovo wachsen enger zusammen, und KI-Agenten übernehmen zunehmend Aufgaben innerhalb der gewohnten Arbeitsabläufe. Bemerkenswert ist, wie selbstverständlich Atlassian die Zusammenarbeit zwischen Menschen und KI denkt. Agenten sind in Jira sichtbar, arbeiten gemeinsam mit Menschen an Confluence-Seiten und greifen auf denselben Unternehmenskontext zu.

Das mag wie die logische Weiterentwicklung bestehender KI-Funktionen klingen. Es macht aber einen großen Unterschied, ob Mitarbeitende einzelne KI-Werkzeuge nutzen oder ob diese Werkzeuge tatsächlich in die Zusammenarbeit eingebunden sind. Denn häufig liegt die Schwierigkeit gar nicht darin, eine Aufgabe mithilfe von KI zu erledigen. Aufwendiger ist es, die richtigen Informationen bereitzustellen, Ergebnisse an die passenden Personen weiterzugeben und alle Beteiligten auf denselben Wissensstand zu bringen. Genau hier setzt Atlassian an.

Es lohnt sich deshalb, die Neuerungen mit Blick auf die eigenen Prozesse zu betrachten. Wie gut ist Ihr Unternehmenswissen strukturiert? Sind wichtige Entscheidungen dokumentiert? Finden Teams die Informationen, die sie brauchen? Und welche wiederkehrenden Aufgaben eignen sich besonders für die Zusammenarbeit mit KI-Agenten? Die Antworten zeigen, wo passende Anwendungsfälle liegen.

Dafür muss nicht gleich die gesamte Organisation umgestellt werden. Ein guter Einstieg ist zum Beispiel ein Entwicklungsteam, das bereits mit KI-Agenten arbeitet und Jira für die Projektsteuerung nutzt. Dort lässt sich erproben, wie gut Agentensitzungen in bestehende Abläufe passen, welche Informationen die Agenten brauchen und wo sich Aufgaben sinnvoll automatisieren lassen. Mit diesen Erfahrungen bauen Sie die KI-Nutzung Schritt für Schritt aus und sind gleichzeitig vorbereitet, wenn die angekündigten Funktionen allgemein verfügbar werden.

Für uns bei Communardo bestätigt die Team ’26 Europe vor allem eines: Die Zukunft der Zusammenarbeit liegt darin, Menschen, KI und Unternehmenswissen intelligent zu verbinden. Genau dafür steht unsere Vision „Smarter Together“. Als Atlassian-Partner begleiten wir Sie dabei, von der Strukturierung Ihres Wissens in Confluence über klare Regeln für Agenten bis zum ersten Pilotteam.

Marvin Kotlo
18. November 2026 

Machen Sie Ihre Atlassian-Umgebung bereit für KI-Agenten

Vereinbaren Sie gerne einen persönlichen und unverbindlichen Gesprächstermin mit unseren Atlassian Sales Experts. Gemeinsam finden wir heraus, welche Neuerungen der Team ’26 Europe Ihr Unternehmen schon heute sinnvoll nutzen kann.

Ihre Ansprechpartnerin

Marlen Kaiser
Team Lead Customer Acquisition

Jetzt Termin vereinbaren