GitHub Copilot erfasst die Nutzung über OpenCode und andere Tools

Wenn Entwickler über ein Drittanbieter-Tool auf Copilot zugreifen, zeigt die übliche IDE-Statistik möglicherweise nicht, woher die Anfragen stammen. Am 23. Oktober 2026 ergänzte GitHub die Copilot Usage Metrics API um das Feld totals_by_client, das die Modellnutzung nach Clients aufschlüsselt, darunter OpenCode, Claude Code, Codex und Zed. Für Administratoren ist das eine Möglichkeit, einen Teil der Aktivitäten außerhalb des Editors zu sehen und fundierter über interne Regeln zur KI-Nutzung zu sprechen.

Was die neue Aufschlüsselung umfasst

Jeder Eintrag in totals_by_client enthält den Client, die Zahl erfolgreicher Modellaufrufe, die Zahl der Sitzungen sowie das Volumen der Prompt- und Output-Token und deren Durchschnitt pro Aufruf. Das verschachtelte Feld totals_by_model schlüsselt diese Kennzahlen nach Modellen auf und zeigt den Auswahlmodus: ob der Nutzer das Modell direkt ausgewählt hat, die automatische Auswahl gegriffen hat oder das Produkt das Modell zugewiesen hat.

Das Feld wurde zu Tages- und 28-Tage-Berichten für Unternehmen, Organisationen und nutzerbezogene Ansichten dieser Ebenen hinzugefügt. Im aggregierten 28-Tage-Bericht ist die Aufschlüsselung nach Clients für jeden Tag verfügbar. Die Änderung ist additiv: Die bisherigen Felder bleiben erhalten, und wenn keine Daten vorliegen, bleibt das Array leer. Einzelheiten beschrieb GitHub in der Ankündigung der neuen Usage-Metrics-Aufschlüsselung.

Welche Fragen die Daten beantworten

Ein Team kann das Volumen der Anfragen und Token vergleichen, die über verschiedene Tools eingehen, und entscheiden, welche Integrationen unterstützt oder in Unternehmensregeln aufgenommen werden sollten. Ein steigender Anteil von OpenCode im Bericht könnte beispielsweise darauf hindeuten, dass Entwickler Copilot außerhalb der IDE als Modellanbieter verwenden. Der Vergleich von Clients und Modellen hilft zu prüfen, welche Modelle tatsächlich den Großteil der Last verursachen.

Für die Budgetanalyse empfiehlt es sich, mit Token und der Anzahl der Aufrufe zu beginnen und diese anschließend mit den geltenden Abrechnungsbedingungen abzugleichen. request_count zählt Modellaufrufe, nicht Nutzer-Prompts: Ein Prompt kann mehrere Aufrufe auslösen. Das Feld eignet sich daher zur Analyse der Auslastung des Modelldienstes, aber nicht dazu, die Interaktionen von Entwicklern direkt zu zählen.

So integrieren Sie die Kennzahl in den Arbeitsablauf

1. Zugriff prüfen. Die Richtlinie für Copilot Usage Metrics muss aktiviert sein. Berichte können autorisierte Unternehmens- oder Organisationsinhaber, Abrechnungsmanager sowie Rollen mit der Berechtigung zum Anzeigen der entsprechenden Kennzahlen abrufen.
2. Gleiche Zeiträume vergleichen. Verwenden Sie einen Tagesbericht, um Änderungen nach der Aktivierung eines Tools zu prüfen, und einen 28-Tage-Bericht, um die längerfristige Verteilung der Aktivitäten zu ermitteln. Unterscheiden Sie innerhalb jedes Berichts zwischen Aufrufen, Token und Sitzungen – das sind unterschiedliche Belastungskennzahlen.
3. Schwellenwerte für die Prüfung festlegen. Markieren Sie beispielsweise einen Client, dessen Anteil an Token oder Aufrufen im Vergleich zum eigenen vorherigen Zeitraum deutlich gestiegen ist. Legen Sie den Schwellenwert anhand Ihrer Anforderungen und der Grundlast fest; GitHub gibt keinen allgemeingültigen Schwellenwert vor.
4. Bericht mit den Zugriffseinstellungen abgleichen. Die neue Aufschlüsselung kann als Grundlage für Gespräche über die Unterstützung und Verwaltung von Tools dienen. Die Berichte beschreiben die registrierte Nutzung, ersetzen aber weder die Prüfung von Berechtigungen noch die Bestandsaufnahme von Integrationen.

Die offizielle Dokumentation zur Copilot Usage Metrics API beschreibt Berichte, Berechtigungsanforderungen und verfügbare Aufschlüsselungen. Prüfen Sie vor der Automatisierung das aktuelle Schema des benötigten Berichts und verwenden Sie die passenden Zugriffsrechte.

Was die Client-Kennzeichnung bedeutet

GitHub bestimmt den Client anhand einer Integration-ID, die das Tool zusammen mit der Anfrage übermittelt. Das Unternehmen bezeichnet die Gruppierung ausdrücklich als ungefähre Identifizierung: Der Wert hilft, Datenverkehr zu aggregieren, bestätigt für sich genommen aber weder die Identität eines Nutzers noch die Echtheit einer Anwendung. Unbekannte Clients werden der Gruppe other zugeordnet; Werte, die sich nicht normalisieren lassen, können als unknown angezeigt werden.

Es gibt außerdem besondere Fälle: Aufrufe von Copilot Code Review und Copilot Cloud Agent erhalten den Auswahlmodus product_selected, da das Produkt das Modell auswählt; bei Code Review kann das Modell als unknown erscheinen. Das ist beim Vergleich von Modellaufschlüsselungen über verschiedene Tools hinweg zu berücksichtigen.

Das praktische Ergebnis: totals_by_client schließt eine Lücke bei der Erfassung serverseitiger Copilot-Aufrufe aus externen Tools und liefert Administratoren neue Daten für die Auslastungsanalyse und Entscheidungen über den Support. Um daraus ein verlässliches Bild der Nutzung zu gewinnen, sollten Sie die Angaben mit Berechtigungen und anderen internen Quellen abgleichen und Client-Namen als Kategorien des Datenverkehrs behandeln – nicht als belegte Identität.