Code Quality

Der Corgea Code Quality Scanner ist ein KI-gestütztes Code-Review-Tool, das Probleme mit Wartbarkeit, Lesbarkeit, Performance und Korrektheit in Ihrer Codebasis erkennt. Anders als unsere Schwachstellen-Scanner, die Sicherheitsbedrohungen untersuchen, prüft der Code Quality Scanner Ihren Code aus der Perspektive eines erfahrenen Software Engineers. So hilft er, hohe Qualitätsstandards einzuhalten und technische Schulden zu vermeiden.

Was er tut

Der Code Quality Scanner analysiert Ihre Quellcodedateien auf konkrete Probleme, die die langfristige Wartbarkeit Ihrer Codebasis beeinträchtigen. Er prüft jede Datei wie ein erfahrener Senior Engineer, erkennt bei manuellen Code-Reviews leicht übersehene Probleme und konzentriert sich auf praktische, direkt umsetzbare Verbesserungen.

Hauptfunktionen

Automatisierte Code-Überprüfung: Führt eine gründliche Analyse Ihres Codes durch und überprüft auf häufige Qualitätsprobleme, die die Wartbarkeit beeinflussen
Sprachspezifische Analyse: Versteht Kontext und Konventionen verschiedener Programmiersprachen
Framework-Erkennung: Erkennt gängige Frameworks und wendet frameworkspezifische Best Practices an
Schweregradklassifizierung: Priorisiert Probleme basierend auf ihrer Auswirkung (Hoch, Mittel, Niedrig)
CWE-Zuordnung: Ordnet Probleme den Common Weakness Enumeration (CWE)-Standards zur standardisierten Kategorisierung zu

Erkannte Probleme

Der Code Quality Scanner erkennt ein breites Spektrum an Code-Quality-Problemen. Alle Befunde werden zur einheitlichen Kategorisierung den zugeordnet.

Grammatik- & Klarheitsprobleme

Rechtschreibfehler und Tippfehler in Codekommentaren, Variablennamen und Zeichenketten (CWE-1078)
Ungenaue oder irreführende Kommentare die dem tatsächlichen Codeverhalten widersprechen oder veraltet sein können (CWE-1116)

example.js

// Bad: Misleading comment
// Calculate the sum of two numbers
function multiply(a, b) {
  return a * b;  // Actually multiplying, not adding
}

Sauberkeit des Codes

Leere Codeblöcke, die keinen Zweck erfüllen (CWE-1071)
Unbenutzte Variablen, Importe und Dead Code, die die Codebasis unnötig aufblähen (CWE-563, CWE-1041)
Leere Ausnahmeblöcke, die Fehler stillschweigend verschlucken (CWE-1069, CWE-390)
Unerreichbarer Code, der niemals ausgeführt werden kann (CWE-561)

example.py

# Bad: Empty exception block silently swallows errors
try:
    risky_operation()
except Exception:
    pass  # Error is hidden!

Code-Duplikation & Wiederverwendbarkeit

Doppelter Code, der in gemeinsame Funktionen refaktoriert werden sollte (CWE-1041)
Doppelte Schlüssel oder Literale in Objekten und magische Zahlen, die Konstanten sein sollten (CWE-1078)
Nicht gehaltener Code – wiederholte Logik, die den Wartungsaufwand erhöht

Performance-Probleme

String-Konkatenation in Schleifen, die die Leistung verschlechtert (CWE-1046)
Ineffiziente Operationen und unnötiger Ressourcenverbrauch (CWE-1050)
Leistungsengpässe in häufig ausgeführten Codepfaden

Example.java

// Bad: String concatenation in loop
String result = "";
for (int i = 0; i < 1000; i++) {
    result += data[i];  // Creates new string object each iteration
}

Design & Architektur

Funktionen mit zu vielen Parametern (>5 Parameter), die auf ein schlechtes Design hinweisen (CWE-1064)
Übermäßig komplexe Funktionssignaturen, die schwer korrekt zu verwenden sind
Zirkuläre Abhängigkeiten zwischen Modulen (CWE-1047)
Verstöße gegen

Code-Komplexität & Lesbarkeit

Komplexe Einzeiler, die zur Klarheit aufgebrochen werden sollten (CWE-1120)
Tief verschachtelte Logik mit übermäßig vielen Verzweigungen, die schwer zu verstehen ist
Übermäßig generische Hilfsfunktionen, die die Absicht verschleiern
Verstöße gegen

Benennung & Konventionen

Inkonsistente Benennungskonventionen, die den Code schwerer nachvollziehbar machen (CWE-1099)
Generische, nicht beschreibende Variablennamen wie ‘obj’, ‘x’, ‘data’
Gemischte Benennungsstile (z. B. camelCase und snake_case in derselben Codebasis)

Logik & Korrektheit

Logikfehler, die zu falschem Verhalten führen (CWE-670)
Falsche Datenverarbeitung, die zu falschen Ergebnissen führt
Code, der aufgrund von Implementierungsfehlern nicht wie beabsichtigt funktioniert

Unvollständige Arbeit

TODO-Kommentare und Platzhaltercode (CWE-1071)
Unfertige Funktionen, die Probleme verursachen können
Unvollständige Implementierungen, die Aufmerksamkeit erfordern

So funktioniert es

1. Dateianalyse

Der Scanner verarbeitet jede Datei der Codebasis einzeln. Dabei analysiert er den vollständigen Quellcode im Kontext von Dateistruktur, Programmiersprache und erkannten Frameworks.

2. KI-gestützte Überprüfung

Der Scanner verwendet speziell für Code-Reviews trainierte Sprachmodelle und prüft Ihren Code anhand etablierter Software-Engineering-Grundsätze und Best Practices. Die KI versteht:

Sprachspezifische Idiome und Konventionen
Framework-Muster und Best Practices
Metriken zur Komplexität und Wartbarkeit von Code
Branchenübliche Prinzipien des Software-Designs

3. Problemidentifikation

Wenn der Scanner ein potenzielles Problem findet:

Lokalisiert er die betroffenen Codezeilen
Klassifiziert er den Problemtyp anhand der CWE-Standards
Weist er einen passenden Schweregrad zu
Erstellt er eine verständliche Erklärung des Problems und seiner Auswirkungen

4. Erkennung mit hoher Konfidenz

Der Scanner meldet nur Probleme mit einer Konfidenz von mindestens 90 %. Dieser hohe Schwellenwert sorgt für konkrete und präzise statt spekulative Befunde.
Der Konfidenzschwellenwert von 90 % reduziert Fehlalarme und False Positives erheblich. Gemeldete Probleme sind daher in der Regel tatsächlich relevant.

Unterdrückung von False Positives

Der Code Quality Scanner verwendet differenzierte Mechanismen zur Unterdrückung von False Positives, damit Sie nur relevante und umsetzbare Befunde erhalten:

Eingebaute Filter

Ausschluss von Sicherheitsproblemen: Der Scanner schließt ausdrücklich Sicherheitslücken (SQL-Injection, XSS, Authentifizierungsprobleme usw.) aus, da diese von Corgeas dedizierten Sicherheitsscannern behandelt werden. Dies verhindert Überschneidungen und Verwirrung zwischen Code Quality und Sicherheitsergebnissen.

Filterung nach Stilpräferenzen: Kleine Stilpräferenzen wie Klammerplatzierung, Einrückung und Leerzeichen werden nicht gemeldet. Der Scanner konzentriert sich auf inhaltliche Qualitätsprobleme, nicht auf Formatierungsvorlieben.

Kontextuelles Verständnis

Der Scanner versteht den Codekontext, um False Positives zu vermeiden:

Erkennt, wenn “leere” Blöcke beabsichtigt sind (z. B. Platzhalterimplementierungen)
Versteht frameworkspezifische Muster, die sonst problematisch erscheinen könnten
Berücksichtigt sprachspezifische Idiome, die in bestimmten Programmiersprachen akzeptabel sind

Automatisierte Behebung

Bei erkannten Code-Quality-Problemen unterstützt Corgea Sie mit automatisierten Fixes, damit Sie Probleme schnell und einheitlich beheben können:

Was behoben wird

Das automatisierte Behebungssystem kann viele häufige Code Quality-Probleme beheben, darunter:

Schnelle Erfolge
Strukturverbesserungen
Best Practices

Entfernen ungenutzter Variablen und Importe
Umwandeln von Magic Numbers in benannte Konstanten
Korrigieren von Tippfehlern in Variablennamen und Kommentaren

Wie die Behebung funktioniert

Issue-Kontext: Das System analysiert den vollständigen Kontext eines Issues und berücksichtigt neben dem problematischen Code auch dessen Rolle in der gesamten Codebasis
Sichere Fixes: Automatisierte Fixes sind darauf ausgelegt, die vorhandene Funktionalität beizubehalten
Beibehaltung des Codestils: Fixes berücksichtigen Ihren vorhandenen Codestil und Ihre Konventionen
Prüfung vor der Anwendung: Sie entscheiden, welche Fixes angewendet werden

Getrennt vom Schwachstellen-Scanning

Der Code Quality Scanner ist vollständig von Corgeas Schwachstellen-Scanning getrennt.

Hauptunterschiede

Code Quality Scanner	Schwachstellen-Scanner
Konzentriert sich auf Wartbarkeit, Lesbarkeit und Korrektheit	Konzentriert sich auf Sicherheitsbedrohungen und ausnutzbare Schwächen
Identifiziert technische Schulden und Designprobleme	Identifiziert SQL-Injection, XSS, Authentifizierungsfehler usw.
Verbessert die langfristige Wartbarkeit der Codebasis	Schützt vor Sicherheitsvorfällen
Verwendet CWEs im Zusammenhang mit Code Quality	Verwendet CWEs im Zusammenhang mit Sicherheit

Warum beide wichtig sind

Sicherheit schützt Ihre Anwendung vor Angreifern
Code Quality hält Ihre Codebasis wartbar, leistungsfähig und zuverlässig

Beides ist für ein nachhaltiges Softwareprojekt unverzichtbar, deckt aber unterschiedliche Bereiche ab. Eine Codebasis kann sicher, aber schwer wartbar oder gut strukturiert, aber anfällig sein. Corgea bietet beide Perspektiven und damit einen vollständigen Überblick über den Zustand Ihres Codes.

Schweregrade erklärt

Hoher Schweregrad
Mittlerer Schweregrad
Niedriger Schweregrad

Probleme, die Abstürze, schwerwiegende Leistungsprobleme oder kritische Fehler verursachen:

Leere catch-Blöcke, die Fehler verbergen
Endlosschleifen
Logik, die immer fehlschlägt
Kritische Leistungsengpässe

Aktion: Sofort beheben

Erste Schritte

Der Code Quality Scanner integriert sich nahtlos in Ihren Entwicklungsworkflow:

Repository verbinden

Verknüpfen Sie Ihr Code-Repository mit Corgea über GitHub, GitLab, Azure DevOps oder Bitbucket

Automatisches Scannen

Der Scanner analysiert Ihre Dateien automatisch

Ergebnisse überprüfen

Durchsuchen Sie identifizierte Probleme mit klaren Erklärungen und Schweregraden im Projekt-Dashboard

Fixes anwenden

Verwenden Sie automatisierte Behebung oder beheben Sie Probleme manuell

Fortschritt verfolgen

Überwachen Sie Verbesserungen in Code Quality im Laufe der Zeit

AI-native SAST

Erfahren Sie mehr über Corgeas Fähigkeiten zur Sicherheitslücken-Analyse

Automatisierte Korrekturen

Erkunden Sie, wie automatisierte Behebung bei allen Scan-Typen funktioniert

False Positive Verwaltung

False Positives effektiv verwalten und unterdrücken

Problembearbeitung

Alle Probleme in Ihren Projekten verfolgen und verwalten

Support

Für Hilfe kontaktieren Sie uns unter support@corgea.com

Erste Schritte

Kernfunktionen

Integrationen

Werkzeuge & Hilfsprogramme

Versionshinweise

Vertrauen & Compliance

Authentifizierung

Was er tut

Hauptfunktionen

Erkannte Probleme

So funktioniert es

1. Dateianalyse

2. KI-gestützte Überprüfung

3. Problemidentifikation

4. Erkennung mit hoher Konfidenz

Unterdrückung von False Positives

Eingebaute Filter

Kontextuelles Verständnis

Automatisierte Behebung

Was behoben wird

Wie die Behebung funktioniert

Getrennt vom Schwachstellen-Scanning

Hauptunterschiede

Warum beide wichtig sind

Schweregrade erklärt

Erste Schritte

Verwandte Dokumentation

AI-native SAST

Automatisierte Korrekturen

False Positive Verwaltung

Problembearbeitung

Support

​Was er tut

​Hauptfunktionen

​Erkannte Probleme

​So funktioniert es

​1. Dateianalyse

​2. KI-gestützte Überprüfung

​3. Problemidentifikation

​4. Erkennung mit hoher Konfidenz

​Unterdrückung von False Positives

​Eingebaute Filter

​Kontextuelles Verständnis

​Automatisierte Behebung

​Was behoben wird

​Wie die Behebung funktioniert

​Getrennt vom Schwachstellen-Scanning

​Hauptunterschiede

​Warum beide wichtig sind

​Schweregrade erklärt

​Erste Schritte

​Verwandte Dokumentation

AI-native SAST

Automatisierte Korrekturen

False Positive Verwaltung

Problembearbeitung

​Support

Was er tut

Hauptfunktionen

Erkannte Probleme

So funktioniert es

1. Dateianalyse

2. KI-gestützte Überprüfung

3. Problemidentifikation

4. Erkennung mit hoher Konfidenz

Unterdrückung von False Positives

Eingebaute Filter

Kontextuelles Verständnis

Automatisierte Behebung

Was behoben wird

Wie die Behebung funktioniert

Getrennt vom Schwachstellen-Scanning

Hauptunterschiede

Warum beide wichtig sind

Schweregrade erklärt

Erste Schritte

Verwandte Dokumentation

Support