KI ist längst Teil der Atlassian-Welt – als Zusammenfassungsfunktion in Jira, als Schreibassistent in Confluence, als intelligente Vorschlagslogik in Jira Service Management. Mit Rovo hat Atlassian diese Fähigkeiten in eine eigene KI-Schicht integriert, die Inhalte durchsucht, Informationen zusammenfasst und Anfragen beantwortet.
Eine Möglichkeit hat bislang jedoch gefehlt: diese KI-Fähigkeiten auch in selbst entwickelte Forge-Apps einzubringen. Wer eine App bauen wollte, die mit Sprachmodellen arbeitet, musste auf externe Anbieter zurückgreifen – inklusive der Folgen: eigene API-Keys verwalten, externe Infrastruktur nutzen und Daten nach außerhalb der Atlassian-Plattform senden.
Das ändert sich. Mit der Forge LLMs API, die Atlassian kürzlich als allgemein verfügbar (GA) freigegeben hat, können Forge-Apps Claude-Modelle direkt aufrufen, ohne dass Daten die Atlassian-Infrastruktur verlassen. Was das in der Praxis bedeutet und welche Szenarien sich dadurch eröffnen, erklären wir in diesem Beitrag.
Was steckt hinter der Forge LLMs API?
Technisch betrachtet ist die Forge LLMs API eine Erweiterung der Forge-Plattform, die es Apps erlaubt, Sprachmodelle aufzurufen – nicht über einen externen Dienst, sondern direkt innerhalb der Atlassian-Infrastruktur. Aktuell stehen Claude-Modelle in den Varianten Haiku, Sonnet und Opus zur Verfügung.
Was heißt das konkret? Eine Forge-App kann eine Anfrage an ein Sprachmodell senden – zum Beispiel den Inhalt eines Jira-Tickets – und eine strukturierte Antwort erhalten, ohne dass diese Daten dabei die Atlassian-Plattform verlassen. Für Organisationen mit strengen Datenschutz- oder Compliance-Anforderungen ist das ein wichtiger Unterschied.
Eng damit verknüpft ist das “Runs on Atlassian”-Badge, das wir bereits in früheren Beiträgen behandelt haben: 5 Gründe für den Wechsel zu “Runs on Atlassian”-Apps und Wie man “Runs on Atlassian”-Apps erkennt. Diese Zertifizierung signalisiert, dass eine App vollständig innerhalb der Atlassian-Infrastruktur läuft – keine Daten fließen ab, es findet kein externes Hosting statt. Apps, die die Forge LLMs API nutzen, können dieses Badge weiterhin tragen. Bisher bedeutete die Integration von KI-Funktionen zu einer Forge-App, auf dieses Vertrauenssignal verzichten zu müssen. Dieser Kompromiss entfällt nun.
Keine Zukunftsmusik: Anwendungsfälle, die schon heute umsetzbar sind
Was lässt sich mit der Forge LLMs API schon jetzt bauen? Die folgenden drei Anwendungsfälle sind realistische Lösungen, die mit der API in ihrem aktuellen Zustand erreichbar sind. Es handelt sich nicht um hypothetische Szenarien; sie sind hier und heute praktisch umsetzbar.
Jira: Tickets verstehen, bevor ein Mensch sie liest
Eingehende Jira-Issues sind oft unvollständig, uneinheitlich formuliert oder schwer zu kategorisieren. Eine Forge-App kann den Inhalt eines neu erstellten Tickets an ein Sprachmodell übergeben und eine strukturierte Einschätzung generieren: Worum geht es? Welche Priorität erscheint plausibel? Gibt es ähnliche bestehende Issues, auf die verwiesen werden sollte? Das Ergebnis landet direkt im Ticket – als Kommentar, als ausgefülltes Feld oder als interne Notiz für das zuständige Team. Das Modell bereitet die endgültige menschliche Entscheidung vor, trifft sie aber nicht.
Confluence: Wissenslücken sichtbar machen
Confluence-Seiten wachsen häufig ohne klare Kontrolle: Inhalte veralten, die Struktur wird uneinheitlich, Querverweise gehen ins Leere. Eine Forge-App könnte eine Seite beim Speichern oder auf Anfrage analysieren und relevantes Feedback liefern: Welche Abschnitte sind inhaltlich dünn? Was fehlt im Vergleich zu ähnlichen Seiten im selben Space? Wo sind Inhalte widersprüchlich? So entsteht ein nützlicher erster Filter, der die Dokumentationsarbeit bereits in einem frühen Stadium unterstützen kann.
Jira Service Management: Automatische Triage
Im Support-Kontext entscheidet die erste Einschätzung einer Anfrage oft darüber, wie schnell sie bearbeitet wird. Eine Forge-App kann eingehende JSM-Anfragen lesen, kategorisieren und mit einer ersten Einschätzung versehen, bevor ein menschlicher Agent das Ticket überhaupt geöffnet hat. Welche Abteilung ist betroffen? Sieht das Problem nach einer bekannten Fehlerklasse aus? Wie dringend klingt die Anfrage? Das reduziert den manuellen Triage-Aufwand und beschleunigt die Bearbeitung, ohne die menschliche Entscheidung zu ersetzen.
Was Entwicklungsteams und Admins beachten sollten
Die Forge LLMs API ist eine technische Entwicklung, ihre Relevanz reicht aber über die Engineering-Ebene hinaus. Je nach Perspektive stellen sich unterschiedliche Fragen.
Für App-Entwicklungsteams
Wer Forge-Apps entwickelt oder plant, musste bisher einen strikten Kompromiss eingehen: Zwar waren KI-Funktionen möglich, doch sie erforderten externe Infrastruktur. Das bedeutete höhere Komplexität, zusätzliche Kosten und den Verzicht auf das “Runs on Atlassian”-Badge. Mit der Forge LLMs API hat sich die Lage verschoben: KI-gestützte Funktionalitäten lassen sich nun als native Bestandteile einer Forge-App implementieren, ohne dass eine eigene Modell-Infrastruktur nötig ist und ohne an einen Drittanbieter gebunden zu sein.
Durch den Wegfall dieser Trade-off-Notwendigkeit wird die KI-Integration zu einem konkreten Differenzierungsmerkmal. Apps, die KI sinnvoll einbinden und dabei die Anforderungen Compliance-sensibler Kunden weiterhin erfüllen, werden sich von einfachen Funktionserweiterungen abheben.
Für Admins und Entscheider
Die zentralen administrativen Fragen lauten hier: “Wo liegen unsere Daten? Wer hat Zugriff darauf?” Die Forge LLMs API gibt eine klare Antwort: Die Daten bleiben innerhalb der Atlassian-Plattform; das nimmt den zu beantwortenden DSGVO-Fragen einen Teil ihrer Komplexität.
Organisationen, die die Atlassian-Cloud-Produkte nutzen und die entsprechenden Compliance-Prüfungen abgeschlossen haben, können sicher sein, dass die KI-Funktionalitäten in Apps innerhalb desselben regulatorischen Rahmens wie der Rest der Plattform operieren. Das ist ein praktischer Vorteil.
Ein operatives Detail, das eingeplant werden sollte: Das Hinzufügen der Forge LLMs API zu einer bestehenden App löst ein Major-Version-Update aus, das die ausdrückliche Zustimmung durch Admins erfordert, bevor die aktualisierte App live gehen kann. Teams, die KI-Funktionen zu bestehenden Apps hinzufügen wollen, sollten diesen Genehmigungsschritt in ihre Release-Planung einbeziehen.
Ein kritischer Blick auf den aktuellen Stand
Die Forge LLMs API ist eine bedeutsame Neuerung, sollte jedoch mit einem klaren Blick bewertet werden. Zunächst zum Status: Die API ist seit Ende Juli 2026 allgemein verfügbar (GA) und damit für den produktiven Einsatz freigegeben. Ein Detail bleibt dennoch zu beachten: Atlassian strebt bei den unterstützten Modellen zwar einen sechsmonatigen Vorlauf für Deprecations an, kann diesen aber nicht in jedem Fall garantieren. Teams sollten deshalb den list-Endpunkt des SDK nutzen, um den aktuellen Modellstatus dynamisch abzufragen, statt sich fest auf ein einzelnes Modell zu verdrahten.
Zur Modellauswahl: Die Situation ist derzeit übersichtlich; es stehen ausschließlich Claude-Modelle zur Verfügung. Teams, die aus technischen oder organisatorischen Gründen andere Modelle bevorzugen, sind weiterhin auf externe Integrationen angewiesen. Atlassian prüft, welche weiteren Modelle künftig hinzukommen könnten, hat sich aber noch nicht festgelegt.
Zur Modalität: Die API unterstützt derzeit ausschließlich Text-Ein- und -Ausgabe. Multimodale Fähigkeiten wie die Verarbeitung von Bildern oder Dateianhängen stehen noch nicht zur Verfügung. Anwendungsfälle mit Screenshots, Diagrammen oder Binärinhalten liegen vorerst also außerhalb des Möglichen.
Hinzu kommen die plattformseitigen Einschränkungen, die Forge grundsätzlich mit sich bringt: Ausführungs-Timeouts, Kontingentgrenzen und die generelle Abhängigkeit von der Atlassian-Infrastruktur gelten auch für LLM-Aufrufe. Ein Team, das komplexe, lang laufende KI-Workflows plant, muss diese strukturellen Grenzen der Forge-Plattform einkalkulieren.
Und schließlich: Die API ersetzt keine KI-Strategie. Wie bei jedem Werkzeug hängt ihr Wert davon ab, ob der Anwendungsfall klar definiert ist. Eine Forge-App, die ein Sprachmodell aufruft, ohne ein konkretes Kundenproblem zu lösen, schafft keinen Mehrwert. Die technische Hürde ist jetzt niedriger, aber der Bedarf an konzeptioneller Arbeit bleibt bestehen.
Frühe Erfahrungen werden zum Wettbewerbsvorteil
Die Forge LLMs API markiert einen Punkt, an dem zwei Entwicklungen zusammentreffen: Atlassians kontinuierlicher Ausbau von KI-Fähigkeiten auf Plattformebene und die steigende Erwartung, dass auch Marketplace-Apps auf dieselben Fähigkeiten zugreifen können sollten. Die Infrastruktur steht bereit, der Datenschutzrahmen ist klar, die technische Hürde ist gesunken.
Für Entwicklungsteams sind zwei Dinge gefragt: klare Anwendungsfälle und die Bereitschaft, frühe Erfahrungen zu sammeln, ehe der Wettbewerb um gute Lösungen schärfer wird.
Möchte Ihr Team die Forge LLMs API erkunden oder KI-Fähigkeiten in eine Forge-App integrieren? Genau hier setzen unsere Forge-Developer-Trainings an. Und wenn Sie Ihre individuelle App-Lösung lieber mit einem Partner umsetzen wollen, hilft unser erfahrenes Atlassian-Entwicklungsteam Ihnen gerne.
