GitHub-Copilot-Alternativen selbst gehostet 2026: gepflegte Tools, Teamfunktionen und GPUs

Welche Copilot-Alternativen 2026 auf dem eigenen Server laufen

Wer eine Copilot-Alternative selbst hosten will, also On-Premise und ohne Cloud, hat im Oktober 2026 drei Arten gepflegter Werkzeuge zur Auswahl. Die Open-Source-Agenten Cline (Apache 2.0) und Kilo Code (MIT) verbinden sich mit einem Modellserver im eigenen Haus; Tabby ist ein Open-Source-Server mit Admin-Oberfläche; Tabnine Enterprise, Cody Enterprise von Sourcegraph und GitLab Duo Self-Hosted sind kommerzielle Produkte, die im eigenen Netz installiert werden. Auch GitHubs eigene Copilot CLI kann offline mit einem lokalen Modell arbeiten, sodass der Code keinen Cloud-Dienst erreicht.

Zwei Werkzeuge, die ältere Ratgeber empfehlen, kommen für eine neue Einführung nicht mehr in Frage. Das Repository von Roo Code wurde am 15. Mai 2026 vom Eigentümer archiviert; die README schreibt, die Erweiterung „was shut down on May 15th“, und verweist auf Zoo Code, einen von der Roo-Code-Community begonnenen Fork, und auf Cline. Das Repository von Continue „is no longer actively maintained and is read-only for all users“, nach einem letzten Release 2.0.0. Unser Leitfaden zum privaten Coding-Assistenten behandelt Modelle und Lizenzen; diese Seite vergleicht die Werkzeuge und was jedes vom Server braucht.

GitHub-Repositories, Release-Seiten und READMEs der Projekte; Dokumentation von Tabnine, Sourcegraph und GitHub; alle gelesen am 30. Oktober 2026. Laut README von Cline ist dessen JetBrains-Plugin nicht quelloffen. GitLab Duo aus unserem GitLab-Artikel (GitLab-Doku 19.6, gelesen am 25. Oktober 2026). Jahr bei Tabby aus der Reihenfolge der Release-Seite.

Ein Modell oder zwei für Completion, Chat und Agenten

Copilot erledigt drei Aufgaben, und die Alternativen decken unterschiedliche Teile davon ab. Completion ergänzt Code, während ein Entwickler tippt. Der Vorschlag muss vor dem nächsten Tastendruck da sein; das verlangt ein kleines, auf Fill-in-the-Middle trainiertes Modell und ein Werkzeug, das den Code rund um den Cursor sendet. Unser Artikel zum Code-Completion-Server dimensioniert diese Aufgabe. Tabby hat einen eigenen Platz für das Completion-Modell, der für vLLM einen Endpunkt vom Typ vllm/completion und eine Prompt-Vorlage für das Modell erwartet; in der Modellkonfiguration von Sourcegraph kann ein Administrator codeCompletion ein eigenes Modell zuweisen.

Chat bedeutet, dass ein Entwickler Fragen zum Code stellt: einige tausend Token pro Frage, beantwortet in Lesegeschwindigkeit. Das können alle Werkzeuge der Tabelle.

Wenn Teams heute von Copilot sprechen, meinen sie meist die Agenten. Cline, Kilo Code, Zoo Code und Copilot CLI lesen Dateien, führen mit Zustimmung des Entwicklers Befehle aus und rufen nach jedem Schritt das Modell erneut auf, mit Prompts, die auf Zehntausende Token wachsen. GitHub verlangt von jedem Modell hinter Copilot CLI Tool Calling und Streaming und empfiehlt mindestens 128k Token Kontext. Die Ollama-Seite von Kilo Code nennt „at least 32k to get decent results“ und warnt, dass qwen3-coder:30b „sometimes fails to call tools correctly“; die Ollama-Seite von Cline empfiehlt für lokale Modelle die Einstellung „Use Compact Prompt“.

Für den Server heißt das: zwei Modelle, wenn ein Team Completion und Agenten will, nämlich ein kleines Completion-Modell wie Qwen2.5-Coder-1.5B (3,09 GB, Apache 2.0) und ein Agentenmodell wie Qwen3-Coder-30B-A3B oder Qwen3-Coder-Next, jedes in einer eigenen Engine-Instanz. Ein Team, das nur Agenten und Chat nutzt, kommt mit einem aus.

Teamfunktionen wie Admin-Konsole, Anmeldung und Nutzungsberichte

Bei Cline, Kilo Code oder Zoo Code liegen die Einstellungen in der IDE jedes Entwicklers: eine Basis-URL, ein Schlüssel und ein Modellname. Laut Dokumentation von Kilo Code laufen dessen Autocomplete-Anfragen über das Kilo Gateway (gelesen am 31. Oktober 2026); diese Funktion läuft also nicht auf Ihrem Server und bleibt ausgeschaltet, wo Code das Netz nicht verlassen darf. Ihre READMEs beschreiben für den selbst gehosteten Betrieb keine Admin-Konsole. Die zentrale Steuerung kommt dann von der Serverseite. Ein LLM-Gateway vor vLLM vergibt einen Schlüssel je Entwickler, protokolliert, wer welches Modell mit wie vielen Token aufgerufen hat, und legt fest, welche Modelle es überhaupt gibt. Protokolle je Entwickler sind personenbezogene Daten im Sinne der DSGVO; Zweck und Aufbewahrungsdauer bestätigt Ihr Datenschutz­beauftragter vor der Einführung. Die Telemetrie jeder Erweiterung ist eine eigene Frage; für die Serverkomponenten beantwortet sie unser Artikel zur Telemetrie in selbst gehosteten KI-Tools.

Tabby bringt diese Funktionen selbst mit. Die News des Projekts nennen eine Admin-Oberfläche (v0.9), Teamverwaltung und gesicherten Zugang (v0.7), Nutzungsberichte für Teams (v0.10), GitLab-SSO und Repository-Kontext aus selbst gehostetem GitHub und GitLab (v0.12), eine für v0.24 angekündigte LDAP-Anmeldung, die Indizierung von GitLab Merge Requests als Kontext (v0.30) und eine generische OAuth-Anmeldung (v0.32.0). Die README nennt Tabby „Self-contained, with no need for a DBMS or cloud service“. Die Lizenzdatei stellt alles außerhalb des Verzeichnisses ee/ unter Apache 2.0; die Tabby-Enterprise-Lizenz für ee/ erlaubt Entwicklung und Tests ohne Abonnement, der Produktivbetrieb verlangt „a valid Tabby Enterprise license for the correct number of user seats“. Der neueste Eintrag in den News des Projekts, vom Dezember 2025, betrifft Pochi, einen eigenen Agenten desselben Teams, und die Release-Seite zeigt nach v0.32.0 nur Nightly- und Alpha-Builds.

Tabnine Enterprise wird als „a Kubernetes cluster hosted on the customer's servers on their private network“ installiert, und Tabnine schreibt, dass private Installationen „can be deployed in a completely air-gapped environment“. Laut Tabnine hat sein Team keinen Zugriff auf Ihre Server, richtet die Installation aber gemeinsam mit Ihrem Team ein und aktualisiert sie; die Serverausstattung richtet sich nach der Zahl der Nutzer. Cody Enterprise von Sourcegraph nimmt auf einer selbst gehosteten Sourcegraph-Instanz Ihren Endpunkt als Anbieter openaicompatible in die Modellkonfiguration auf, und ein Modell kann die Fähigkeiten Autocomplete und Chat zugleich tragen. GitLab Duo Self-Hosted verlangt die Stufe Premium oder Ultimate mit dem Add-on Duo Enterprise; unser Artikel zu GitLab Duo behandelt AI Gateway und Modelle.

GitHub Copilot mit lokalem Modell

GitHub dokumentiert drei Wege, und nur einer davon wird als lokal beschrieben. Copilot CLI liest COPILOT_PROVIDER_BASE_URL und COPILOT_MODEL und unterstützt Ollama, vLLM und andere Server, die mit der Chat-Completions-API von OpenAI kompatibel sind. Die Seite zur Anmeldung hält fest: „If you use your own LLM provider API keys (BYOK), GitHub authentication is not required.“ Ohne Anmeldung stehen /delegate, der GitHub-MCP-Server und die GitHub-Codesuche nicht zur Verfügung. Mit COPILOT_OFFLINE=true gilt „No GitHub authentication is attempted“, Anfragen gehen nur an Ihren eigenen Anbieter, und die Telemetrie ist abgeschaltet; GitHub ergänzt: „Offline mode is only fully air-gapped if your BYOK provider is local or otherwise within the same isolated environment“. Laut GitHub ist die CLI „available with all Copilot plans“, und ihr README nennt „An active Copilot subscription“ als Voraussetzung; ob das auch gilt, wenn nur Ihr eigenes Modell genutzt wird, sagen die BYOK-Seiten nicht. Klären Sie das vor einer Einführung mit GitHub.

Die Copilot-App unterstützt seit dem 23. Juni 2026 eigene Schlüssel, unter anderem für LM Studio, Ollama und jeden OpenAI-kompatiblen Endpunkt; in den Plänen Business und Enterprise muss ein Administrator Copilot CLI in den Richtlinien freigeben. Für Copilot in der IDE können Enterprise-Administratoren eigene Modelle hinzufügen (Public Preview), für „Copilot Chat, Copilot CLI, and IDEs“. Diese Seite sagt nicht, ob die Code-Completion sie nutzen kann oder ob Anfragen über GitHub laufen; behandeln Sie diesen Weg daher als Cloud-Weg, bis GitHub etwas anderes angibt. Claude Code, Codex und OpenCode mit lokalem Modell behandelt unser Artikel Claude Code mit lokalem Modell, Cursor der Artikel Cursor mit lokalem Modell.

Sie können die Workstation oder den Server allein bestellen, die Einrichtung von vLLM oder Ollama mit Cline oder Kilo Code allein oder beides zusammen: das System mit allem fertig installiert und eingerichtet; schreiben Sie uns, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

Welcher Aufbau zu welchem Unternehmen passt

Ein Studio mit fünf Entwicklern braucht eine Workstation und auf jedem Laptop einen Agenten. Cline oder Kilo Code zeigt auf den Modellserver der Workstation, und ein Reverse Proxy mit Schlüsseln hält den Endpunkt aus dem offenen Netz heraus. Für einen Pilotbetrieb reicht Ollama, wenn es Version 0.35.0 oder neuer ist, wie unser Leitfaden zum Coding-Assistenten erklärt; vLLM bedient mehrere Entwickler gleichzeitig effizienter.

Eine Abteilung mit 50 Entwicklern braucht einen Server, vLLM mit Prefix-Caching und ein Gateway mit einem Schlüssel je Entwickler. Planen Sie einen solchen Server, fragen Sie uns nach einem Vorschlag und nennen Sie die Zahl Ihrer Entwickler und Ihre Git-Plattform. Will die Abteilung eine Admin-Konsole und Completion aus einem Produkt, ist Tabby die Open-Source-Variante. Läuft bereits GitLab Premium oder Ultimate, hält GitLab Duo Self-Hosted alles in GitLab, um den Preis der Add-on-Lizenz. Unser Artikel zum Server für Coding-Agenten dimensioniert diesen Bereich.

Ein reguliertes Unternehmen, das einen Air Gap braucht, hat vier dokumentierte Wege: Tabby, das keinen Cloud-Dienst benötigt; Tabnine Enterprise in der Air-Gap-Installation; GitLab Duo Self-Hosted mit Offline-Lizenz; und Copilot CLI im Offline-Modus mit lokalem Modell. Modelle, Treiber und Container müssen den Server dann ohne Internetzugang erreichen, wie unser Leitfaden zum Air-Gapped-LLM-Server beschreibt. Welche Regeln gelten, wenn Entwickler solche Werkzeuge an Firmencode einsetzen, behandelt unser Leitfaden zur Copilot-Richtlinie.

Welche Workstation oder welcher GPU-Server eine Copilot-Alternative trägt

Die Hardware richtet sich nach dem Modell; das Werkzeug selbst braucht kaum Ressourcen. Wir zählen Agentensitzungen nach unserer Nutzer-pro-Karte-Regel: 90 Prozent des Speichers, den der Treiber meldet, abzüglich 3 GiB je Karte und abzüglich der Gewichte, geteilt durch den Cache je Sitzung. Das lässt 25,7 GiB auf einer RTX PRO 4500 mit 32 GB, 61,5 GiB auf der RTX PRO 5000 72 GB und 83,0 GiB auf jeder RTX PRO 6000 mit 96 GB. Als Obergrenze zählen wir eine erzeugende Sitzung je Entwickler in der Spitzenstunde.

Sitzungen zu 64K Token nach unserer Nutzer-pro-Karte-Regel, BF16-Cache (FP8-Cache in Klammern; gpt-oss-20b nur mit BF16-Cache). Gewichte von Hugging Face (gpt-oss-20b 13,76 GB, Qwen3-Coder-30B-A3B FP8 31,2 GB, Qwen3-Coder-Next FP8 80,4 GB), gelesen am 30. Oktober 2026. Cache je 64K: 1,5 GiB (gpt-oss-20b, Coder-Next), 6 GiB (Coder-30B-A3B), nach unserer Rechnung aus der jeweiligen config.json. Spalte zur Geschwindigkeit nach der Methode unseres Artikels zu Coding-Agenten, nach unserer Schätzung eine Obergrenze, berechnet mit 1.792 GB/s je Workstation Edition oder Max-Q und 1.597 GB/s je Server Edition (NVIDIA). TP=2: eine Kopie des Modells, auf zwei Karten aufgeteilt (Tensor-Parallelität).

Die Stufe mit der RTX PRO 4500 ist durch den Speicher begrenzt; gpt-oss-20b, ein 21B-Modell mit 3,6B aktiven Parametern unter Apache 2.0, bewältigt Chat und kurze Agentenaufgaben. Prüfen Sie seine Tool-Aufrufe auf Ihren eigenen Repositories, bevor Sie Agentenarbeit darauf planen. Ein Completion-Modell auf derselben Karte nimmt den Agentensitzungen Speicher weg: Die 3,09 GB von Qwen2.5-Coder-1.5B lassen auf der RTX PRO 5000 72 GB nach unserer Rechnung 4 (9) statt 5 (10) Sitzungen, noch ohne Cache und Overhead der zweiten Engine. Neuere Modelle brauchen je Sitzung weit weniger Cache: Nach derselben Regel hält diese Karte Qwen3.6-35B-A3B (Apache 2.0) mit zehn Sitzungen zu 128K Token, wie unser Leitfaden Claude Code mit lokalem Modell zeigt.

Die mittlere Stufe passt in eine Workstation oder einen Rack-Server. Zwei RTX PRO 6000 Workstation Edition mit je 600 W und Flow-Through-Kühlern sind für diese Edition das realistische Maximum. Drei oder vier RTX PRO 6000 Max-Q gehören nur in ein dafür gebautes Gehäuse mit starkem, gerichtetem Luftstrom: Puget Systems stellte im Juli 2025 fest, dass direkt benachbarte Max-Q-Karten kaum Raum zum Ansaugen haben, und Exxact berichtet auf einer im März 2026 aktualisierten Seite, dass vier benachbarte Karten ohne seine angepasste Luftführung drosselten. Im Rack für den Dauerbetrieb empfehlen wir die Server Edition; nach unserer Schätzung ziehen zwei Karten mit zwei AMD EPYC 9135 etwa 1,8 kW und vier Karten mit zwei EPYC 9355 etwa 3,4 kW, sodass vier Karten mehr als einen 230-V-Anschluss mit 16 A brauchen, der bei 80 Prozent Dauerlast etwa 2,9 kW trägt.

Bindung und Ausstieg am Beispiel Roo Code

Die Einstellung von Roo Code zeigt, wo die Bindung liegt. Die Einstellung am 15. Mai betraf die Erweiterung: Modellserver, Modelle und Gateway gehörten nicht dazu, während die eigenen Modi und Prompts, die Teams in der Erweiterung aufgebaut hatten, an sie gebunden blieben. Weil der Modellserver eine Standard-API sprach, bedeutete der Wechsel von Roo Code zu einem anderen Agenten, diesen auf denselben Server zu richten: eine Basis-URL, ein Schlüssel und ein Modellname auf jedem Laptop.

Drei Gewohnheiten halten einen solchen Ausstieg günstig. Legen Sie Coding-Regeln und Prompt-Dateien im Repository ab, wo jedes Werkzeug sie lesen kann und sie einen Werkzeugwechsel überstehen. Stellen Sie Modelle über vLLM oder SGLang hinter Ihrem eigenen Gateway bereit, damit Schlüssel, Protokolle und Modellwahl nicht von der Erweiterung abhängen. Und prüfen Sie bei Serverprodukten wie Tabby, Tabnine oder Sourcegraph vor der Einführung, wie sich Nutzer, Nutzungsdaten und Repository-Indizes exportieren lassen, denn sie liegen in der eigenen Datenbank des Produkts.

Wir installieren Modellserver, Gateway und Cline oder Kilo Code auf Ihrem System; senden Sie uns die Zahl Ihrer Entwickler und die Werkzeuge, die Ihre Teams heute nutzen, und wir schlagen eine Konfiguration für Ihre Aufgaben und Ihr Budget vor.

FAQ