AI Heatmap PRO

Per-Datei AI-Aktivitätsanalyse mit Risk Radar und Trend-Charts

heatmap dateien risiko trend analyse hotspots

AI Heatmap

Die AI Heatmap (Sprint 10) analysiert auf Datei-Ebene, wie intensiv AI-Assistenten mit einzelnen Dateien eines Projekts interagiert haben. Sie ist über den Tab AI Heatmap auf der Projekt-Detail-Seite erreichbar.

Datenquelle

Die Heatmap-Daten stammen aus der Tabelle ai_file_touches. Bei jedem Session-Import werden die Tool-Nutzungen (tool_use) analysiert und pro Datei die Zugriffe extrahiert:

Zugriffs-Typ Beschreibung
Write Datei wurde neu erstellt oder komplett überschrieben
Edit Bestehende Datei wurde teilweise geändert
Read Datei wurde gelesen (z.B. zur Analyse)

Heatmap-Tabelle

Die zentrale Tabelle zeigt alle berührten Dateien mit folgenden Spalten:

  • Datei - Relativer Pfad innerhalb des Projekts
  • Gesamt - Gesamtzahl aller Zugriffe
  • Writes - Anzahl der Schreibzugriffe
  • Edits - Anzahl der Bearbeitungen
  • Reads - Anzahl der Lesezugriffe
  • Sessions - In wie vielen Sessions die Datei berührt wurde

Die Tabelle ist nach jeder Spalte sortierbar. Standardmäßig wird nach Gesamtzahl absteigend sortiert.

Filter

Über den Typ-Filter lassen sich gezielt bestimmte Zugriffs-Arten anzeigen, z.B. nur Writes oder nur Edits.

Risk Radar

Der Risk Radar hebt die kritischsten Dateien hervor:

Top 5 Hotspots

Dateien mit den meisten Writes und Edits. Diese Dateien werden am häufigsten von AI verändert und sollten priorisiert reviewed werden.

Top 5 Fehler-Dateien

Dateien, die in Sessions mit dem Outcome needs_fix oder reverted am häufigsten berührt wurden. Diese Dateien sind potenzielle Problemquellen.

Wochen-Trend

Ein Liniendiagramm zeigt die AI-Aktivität der letzten 8 Wochen. Der Trend macht sichtbar:

  • Ob die AI-Nutzung zu- oder abnimmt
  • In welchen Wochen besonders viele Änderungen stattfanden
  • Ob es Spitzen gibt, die auf größere Refactorings hindeuten

Typische Anwendungsfälle

  • Code-Review-Priorisierung - Beginne Reviews bei Dateien mit den meisten Writes
  • Risiko-Erkennung - Dateien mit hoher Änderungsfrequenz und Fehlern identifizieren
  • Architektur-Analyse - Erkennen, welche Bereiche des Codes am meisten AI-Unterstützung benötigen
  • Team-Kommunikation - Hotspots als Diskussionsgrundlage für Code-Ownership nutzen
Tipps
  • Dateien mit vielen Writes und wenig Reads deuten auf häufige Änderungen ohne Review hin - ein potenzielles Risiko.
  • Der Risk Radar zeigt die kritischsten Dateien zuerst - beginne dort mit Code-Reviews.
Zurueck zur Uebersicht