JetBrains AI Assistant Setup: 12 Schritte, 40 Min [2026]

Wer in IntelliJ IDEA, PyCharm oder WebStorm arbeitet, hat den Hinweis auf den JetBrains AI Assistant wahrscheinlich schon im Werkzeugfenster gesehen, aber noch nicht aktiviert. Das Plugin ist bei neuen IDE-Installationen standardmäßig deaktiviert und muss manuell eingerichtet werden, bevor Chat, Codevervollständigung oder automatische Testgenerierung funktionieren. Viele Entwickler verwechseln den AI Assistant zudem mit Junie, dem autonomen Coding-Agenten von JetBrains, obwohl beide Produkte unterschiedliche Lizenzmodelle und Einsatzzwecke haben.

Diese Anleitung zeigt Schritt für Schritt, wie Sie den JetBrains AI Assistant in einer JetBrains-IDE einrichten, welche Modelle Sie wählen können und wie Sie Kosten über das Credit-System im Griff behalten. Am Ende bauen wir gemeinsam ein kleines Beispielprojekt, das die wichtigsten Funktionen in der Praxis zeigt. Laut der Stack-Overflow-Entwicklerumfrage 2025 gaben 84 Prozent der befragten Entwickler an, KI-Tools in der Entwicklung zu nutzen oder dies zu planen, 51 Prozent davon täglich. Wer in einer JetBrains-IDE arbeitet, profitiert von einer direkt integrierten Lösung, statt Kontext zwischen Editor und separatem Chat-Fenster zu wechseln.

Die Anleitung richtet sich an Entwickler, die bereits eine JetBrains-IDE nutzen und den Umstieg von einem externen Chat-Tool oder von gar keiner KI-Unterstützung erwägen. Wir gehen die Installation in zwölf konkreten Schritten durch, zeigen ein vollständiges Beispielprojekt, listen die häufigsten Stolperfallen auf und beantworten am Ende die wichtigsten Fragen rund um Preise und Datenschutz. Rechnen Sie für die komplette Einrichtung inklusive erstem Testlauf mit rund 40 Minuten, die Installation selbst dauert dabei nur wenige Minuten, der Großteil der Zeit entfällt auf das Ausprobieren der einzelnen Funktionen.

Was ist der JetBrains AI Assistant?

Der JetBrains AI Assistant ist ein Plugin, das direkt in alle aktuellen JetBrains-IDEs eingebettet wird, von IntelliJ IDEA über PyCharm, WebStorm, RubyMine, GoLand bis zu DataGrip. Es ergänzt den Editor um ein Chat-Werkzeugfenster, kontextbezogene Codevervollständigung, automatische Commit-Nachrichten, Dokumentationsgenerierung und Mehrdateibearbeitung. Anders als ein separates Browser-Tool arbeitet der Assistent mit dem kompletten Projektkontext, den die IDE bereits kennt: Klassenhierarchien, importierte Bibliotheken und offene Dateien.

Der Name sorgt gelegentlich für Verwechslungen, da JetBrains in den letzten Jahren mehrere KI-Produkte unter ähnlichen Bezeichnungen veröffentlicht hat. Mit “AI Assistant” ist in dieser Anleitung ausschließlich das klassische, kontextbezogene Plugin gemeint, das in Settings > Plugins unter genau diesem Namen gelistet ist, nicht Junie und nicht einzelne experimentelle Vorschaufunktionen, die JetBrains zeitweise unter eigenen Labels testet. Wer in Foren oder älteren Blogbeiträgen auf abweichende Bezeichnungen stößt, sollte daher immer die Version und das Veröffentlichungsdatum des jeweiligen Beitrags prüfen, da sich Funktionsumfang und Namensgebung innerhalb eines Jahres mehrfach ändern können.

Technisch läuft die Installation über den JetBrains Marketplace, genau wie bei jedem anderen Plugin. Nach der Aktivierung meldet sich der AI Assistant bei einem JetBrains-Konto an und prüft den Lizenzstatus. Je nach Tarif stehen dann unterschiedliche Modelle und Kontingente zur Verfügung. Das Plugin selbst ist kostenlos installierbar, die KI-Funktionen in der Cloud sind jedoch an Credits gekoppelt, die mit steigendem Tarif zunehmen.

Praktisch zeigt sich der AI Assistant in mehreren Bereichen der IDE gleichzeitig: als eigenes Werkzeugfenster für den Chat, als Inline-Vorschlag direkt im Editor während des Tippens, als Kontextmenü-Eintrag für markierten Code und als Feld im Commit-Dialog für automatisch generierte Commit-Nachrichten. Diese Verteilung auf mehrere Einstiegspunkte unterscheidet den AI Assistant von einem reinen Chat-Fenster, wie es viele browserbasierte Werkzeuge anbieten. Entwickler müssen dadurch selten den Fokus wechseln, was laut JetBrains der Hauptgrund für die tiefe Integration in die IDE statt einer separaten Anwendung ist.

AI Assistant vs. Junie: zwei Produkte, ein Hersteller

Ein häufiges Missverständnis betrifft die Abgrenzung zwischen AI Assistant und Junie. Beide stammen von JetBrains, lösen aber unterschiedliche Aufgaben. Der AI Assistant liefert kontextbezogene IDE-Funktionen: Chat, Codegenerierung auf Zuruf, Dokumentation, Tests und Bearbeitung mehrerer Dateien, die der Entwickler jeweils anstößt und überwacht. Junie dagegen ist als autonomerer Agent konzipiert, der eine Aufgabe über mehrere Schritte selbst plant und ausführt, etwa einen kompletten Feature-Branch inklusive Tests.

Die Lizenzmodelle unterscheiden sich entsprechend. Während AI Pro und AI Ultimate für den AI Assistant gelten, hat Junie ein eigenes Credit-Paket mit rund 8,33 US-Dollar pro Nutzer und Monat für 10 Credits sowie etwa 25 US-Dollar für 35 Credits bei entsprechender Abrechnung. Junie greift ebenfalls auf Modelle von Anthropic, Google und OpenAI zurück, darunter Varianten aus der GPT-Codex-Familie. Wer nur gelegentlich Code erklären oder einzelne Funktionen generieren lassen will, kommt mit dem AI Assistant aus. Wer größere, mehrstufige Aufgaben automatisieren möchte, sollte zusätzlich Junie einplanen. Beide Produkte lassen sich parallel in derselben IDE nutzen.

In der Praxis entscheidet oft die Art der Aufgabe, welches der beiden Werkzeuge schneller zum Ziel führt. Eine einzelne Methode erklären, einen Variablennamen verbessern oder einen kurzen Testfall ergänzen, das erledigt der AI Assistant in Sekunden und mit minimalem Credit-Verbrauch. Soll dagegen ein komplettes Feature inklusive mehrerer neuer Klassen, Datenbankmigration und Tests entstehen, braucht ein Entwickler mit dem AI Assistant mehrere einzelne Anfragen, während Junie den gesamten Ablauf als eine zusammenhängende Aufgabe plant. Dieser Unterschied in der Granularität ist für die Budgetplanung relevant, da mehrstufige Junie-Aufgaben pro Durchlauf deutlich mehr Credits verbrauchen können als eine einzelne Chat-Anfrage im AI Assistant.

Voraussetzungen und Systemanforderungen

Vor der Installation lohnt sich ein kurzer Check der Umgebung. Laut JetBrains-Dokumentation benötigt der AI Assistant mindestens IDE-Version 2023.3, für die Community-Edition-Varianten gilt Version 2024.1.1 oder neuer als Mindestanforderung. Für aktuelle Agentenfunktionen und die neuesten Modelle empfiehlt JetBrains eine möglichst aktuelle IDE-Version aus 2025 oder später, da ältere Builds nicht alle Chat- und Multi-Datei-Funktionen unterstützen.

Voraussetzung	Mindestwert	Hinweis
IDE-Version (Ultimate-Editionen)	2023.3 oder neuer	Für volle Funktionalität möglichst 2025.x
IDE-Version (Community Edition)	2024.1.1 oder neuer	Gilt für IntelliJ IDEA CE, PyCharm CE
JetBrains-Konto	Kostenlos registriert	Nötig für Lizenzprüfung und Login
Internetverbindung	Für Cloud-Modelle erforderlich	Lokale Modelle funktionieren offline
Arbeitsspeicher	Von der IDE selbst vorgegeben	IntelliJ IDEA empfiehlt eigene Mindestwerte zusätzlich zum Plugin

Für das Beispielprojekt in dieser Anleitung reicht IntelliJ IDEA Community oder Ultimate, ein installiertes JDK 17 oder neuer sowie ein JetBrains-Konto. Ultimate-Nutzer mit einem All Products Pack oder dotUltimate-Abonnement erhalten AI Pro ohne Aufpreis im bestehenden Paket, das lohnt sich zu prüfen, bevor man ein separates Abo abschließt.

Prüfen Sie außerdem, in welcher Netzwerkumgebung Sie arbeiten. Firmenlaptops mit strengen Proxy- oder Firewall-Regeln blockieren gelegentlich den Zugriff auf die JetBrains-AI-Server, auch wenn Marketplace und Lizenzserver grundsätzlich erreichbar sind. Ein kurzer Test im privaten WLAN vor der ersten Nutzung im Büro erspart spätere Verwirrung, ob ein Problem am Plugin, an der Lizenz oder am Netzwerk liegt.

Schritt 1 bis 3: Installation und Anmeldung

Schritt 1: IDE aktualisieren

Öffnen Sie zuerst Help > Check for Updates (oder das entsprechende Menü unter macOS), um sicherzustellen, dass die IDE auf einem unterstützten Stand läuft. Eine veraltete IDE-Version ist die häufigste Ursache dafür, dass der AI Assistant im Marketplace gar nicht erst auftaucht oder sich nach der Installation nicht aktivieren lässt.

Schritt 2: Plugin installieren

Gehen Sie zu Settings > Plugins > Marketplace und suchen Sie nach “AI Assistant”. Alternativ öffnen Sie das AI-Chat-Werkzeugfenster am rechten Rand der IDE, das bei aktuellen Versionen bereits als Platzhalter vorhanden ist und einen direkten Installationsbutton anbietet. Klicken Sie auf Install und starten Sie die IDE anschließend neu, damit das Plugin vollständig geladen wird.

Schritt 3: Mit JetBrains-Konto anmelden

Nach dem Neustart öffnet sich ein Anmeldedialog. Klicken Sie auf “Log in to JetBrains Account” und melden Sie sich im Browser an. Falls Sie noch kein Konto haben, erstellen Sie eines kostenlos auf der JetBrains-Webseite. Die IDE prüft nach dem Login automatisch, ob bereits ein aktives Abonnement hinterlegt ist, und schaltet den passenden Tarif frei.

Schritt 4 bis 6: Tarif, erste Anfrage und Modellwahl

Schritt 4: Testphase aktivieren oder Tarif wählen

Beim ersten Aktivieren erhalten neue Nutzer in der Regel eine 30-tägige AI-Pro-Testversion. Während dieser Zeit stehen die Cloud-Funktionen in vollem Umfang zur Verfügung. Nach Ablauf der Testphase fällt die Nutzung automatisch auf den kostenlosen AI-Free-Tarif zurück, sofern kein kostenpflichtiges Abo abgeschlossen wurde. Im Free-Tarif bleiben Codevervollständigung und lokale Modelle unbegrenzt nutzbar, cloudbasierte Chat-Funktionen sind dagegen deutlich gedeckelt.

Schritt 5: Erste Chat-Anfrage stellen

Öffnen Sie das AI-Chat-Fenster und stellen Sie eine einfache Testfrage, etwa eine Erklärung zu einer markierten Methode. So lässt sich sofort prüfen, ob Anmeldung und Lizenz korrekt verknüpft sind, ohne gleich Credits für eine komplexe Aufgabe zu verbrauchen.

// Beispielanfrage im AI-Chat-Fenster
Erkläre mir die folgende Methode in einfachen Worten
und schlage einen aussagekräftigeren Methodennamen vor:

public List<Integer> proc(List<Integer> d) {
    return d.stream().filter(x -> x % 2 == 0).toList();
}

Eine typische Antwort des Assistenten erklärt, dass die Methode gerade Zahlen aus einer Liste filtert, und schlägt als Namen etwa filterEvenNumbers vor. Diese kurze Übung zeigt bereits, wie der Assistent mit minimalem Kontext arbeitet.

Schritt 6: Modell auswählen

Über das Modell-Auswahlmenü im Chat-Fenster lässt sich festlegen, welcher Anbieter für Anfragen genutzt wird. Laut der offiziellen Modellübersicht von JetBrains stehen aktuell unter anderem Claude 4.5 Sonnet und Claude 4.5 Haiku von Anthropic, GPT-4o und GPT-4o mini von OpenAI sowie Gemini 2.5 Pro, Gemini 2.5 Flash und Gemini 2.0 Flash von Google zur Verfügung, abhängig von Funktion und aktuellem Tarif. Für schnelle Codevervollständigung eignen sich kleinere, latenzärmere Modelle, für komplexe Refactorings lohnt sich ein größeres Modell trotz höherem Credit-Verbrauch.

Schritt 7 bis 9: Codevervollständigung, Tests und Mehrdateibearbeitung

Schritt 7: Inline-Codevervollständigung konfigurieren

Unter Settings > Tools > AI Assistant lässt sich die Inline-Vervollständigung aktivieren, deaktivieren oder in der Aggressivität anpassen. Standardmäßig schlägt die IDE während des Tippens graue Vorschlagstexte vor, die sich mit Tab übernehmen lassen. Wer die Vorschläge als störend empfindet, kann die Verzögerung erhöhen oder die Funktion nur für bestimmte Dateitypen aktivieren.

Schritt 8: Unit-Tests generieren lassen

Markieren Sie eine Methode, öffnen Sie das Kontextmenü und wählen Sie die AI-Assistant-Aktion zur Testgenerierung. Der Assistent analysiert Signatur und Rückgabewert und schlägt einen passenden Testfall vor.

@Test
void filterEvenNumbers_returnsOnlyEvenValues() {
    List<Integer> input = List.of(1, 2, 3, 4, 5, 6);
    List<Integer> result = numberService.filterEvenNumbers(input);
    assertEquals(List.of(2, 4, 6), result);
}

Schritt 9: Mehrere Dateien gleichzeitig bearbeiten

Ab AI Pro lässt sich im Chat eine Anfrage formulieren, die mehrere Dateien betrifft, etwa “Füge der Klasse UserService eine Methode zum Löschen eines Nutzers hinzu und ergänze den passenden Controller-Endpunkt”. Der Assistent schlägt dann Änderungen in beiden Dateien als Diff vor, den Sie vor der Übernahme einzeln prüfen und bestätigen können. Diese Funktion verbraucht deutlich mehr Credits als eine einfache Chat-Antwort, da mehrere Dateien gleichzeitig analysiert werden.

In sehr großen Codebasen mit mehreren tausend Dateien stößt die Mehrdateibearbeitung an praktische Grenzen, da der Assistent nicht das gesamte Repository als Kontext einbeziehen kann, sondern nur die Dateien, auf die im Prompt direkt verwiesen wird oder die über Importe erkennbar sind. Formulieren Sie Anfragen deshalb möglichst konkret und nennen Sie betroffene Klassen oder Pfade explizit, statt vage nach “allen betroffenen Stellen im Projekt” zu fragen. Das reduziert sowohl die Antwortzeit als auch das Risiko, dass der Assistent eine relevante Datei übersieht.

Schritt 10 bis 12: Lokale Modelle, Datenschutz und Monitoring

Schritt 10: Lokale Modelle mit Ollama verbinden

Wer sensiblen Code nicht in die Cloud schicken möchte, kann den AI Assistant mit einem lokalen, OpenAI-kompatiblen Server verbinden, etwa Ollama oder LM Studio. Laut JetBrains-FAQ ist die Nutzung eigener lokaler Modelle unbegrenzt und verbraucht keine Credits, dafür übernimmt der Nutzer selbst die Verantwortung für Qualität und Geschwindigkeit des lokalen Modells.

Settings > Tools > AI Assistant > Models > Third-party Providers

Provider: Ollama (OpenAI-compatible)
Base URL: http://localhost:11434/v1
Model: codellama:13b
API Key: nicht erforderlich für lokale Instanz

Schritt 11: .aiignore einrichten

Mit einer .aiignore-Datei im Projektstamm lässt sich festlegen, welche Verzeichnisse und Dateien der Assistent niemals als Kontext an ein Cloud-Modell senden darf. Das ist besonders für Konfigurationsdateien mit Zugangsdaten relevant.

# .aiignore im Projektstamm
*.env
application-secrets.yml
/src/main/resources/keys/
**/test-fixtures/credentials/

JetBrains betont dazu eine Zero-Data-Retention-Richtlinie mit den angebundenen KI-Anbietern: Code-Schnipsel, die für eine Anfrage übertragen werden, sollen nicht gespeichert oder zu Trainingszwecken verwendet werden. Trotzdem ersetzt diese Zusage keine eigene .aiignore-Konfiguration für wirklich sensible Projekte.

Schritt 12: Nutzung und Credits überwachen

Unter Settings > Tools > AI Assistant > Usage sehen Sie, wie viele Credits im aktuellen 30-Tage-Zeitraum bereits verbraucht wurden. Ein Credit entspricht laut Preisseite ungefähr einem US-Dollar an Cloud-Rechenleistung und wird in der jeweiligen Landeswährung abgerechnet. Richten Sie sich hier eine Erinnerung ein, etwa eine Woche vor dem Monatsende, um nicht plötzlich ohne Cloud-Kontingent dazustehen.

Tastenkürzel und tägliche Bedienung

Nach der Einrichtung lohnt sich ein kurzer Blick in die Standardtastenkürzel, da sich damit viel Klickarbeit sparen lässt. Die genaue Belegung hängt vom gewählten Tastaturschema ab (Standard, macOS oder Eclipse-kompatibel), lässt sich aber unter Settings > Keymap jederzeit anpassen.

AI-Chat öffnen:                Doppel-Shift (zweimal Shift hintereinander)
Inline-Vorschlag annehmen:     Tab
Inline-Vorschlag verwerfen:    Esc
Markierten Code erklären:      Rechtsklick -> AI Actions -> Explain Code
Commit-Nachricht generieren:   Im Commit-Dialog auf das Sternchen-Symbol klicken
Unit-Test generieren:          Rechtsklick auf Methode -> AI Actions -> Generate Tests

Besonders die Doppel-Shift-Geste für den Chat spart im Alltag viele Klicks, weil sich damit aus jeder Datei heraus eine Frage stellen lässt, ohne vorher aktiv das Werkzeugfenster suchen zu müssen. Wer lieber mit der Maus arbeitet, findet dieselben Aktionen im Rechtsklick-Kontextmenü unter dem Punkt AI Actions, der bei aktivem Plugin in jeder Datei verfügbar ist.

Commit-Nachrichten und Dokumentation automatisch erzeugen

Zwei Funktionen, die im Alltag oft unterschätzt werden, sind die automatische Commit-Nachricht und die Dokumentationsgenerierung. Im Commit-Dialog von IntelliJ IDEA analysiert der AI Assistant den tatsächlichen Diff und schlägt eine Nachricht nach Konventions-Schema vor, statt einer generischen Beschreibung wie “Änderungen vorgenommen”.

feat(todo-api): add delete endpoint for completed tasks

Adds DELETE /todos/{id} endpoint in TodoController and the
corresponding repository method. Returns 404 if the task
does not exist, 204 on successful deletion.

Für die Dokumentation genügt ein Rechtsklick auf eine Klasse oder Methode und die Auswahl von “Generate Documentation”. Der Assistent liest Parameter, Rückgabetyp und vorhandene Kommentare im restlichen Projekt, um einen passenden Javadoc- oder Docstring-Block im Stil des restlichen Codes zu erzeugen. Bei öffentlichen APIs lohnt sich trotzdem eine kurze manuelle Prüfung, ob die generierte Beschreibung tatsächlich alle Sonderfälle korrekt wiedergibt, insbesondere bei Methoden mit komplexer Fehlerbehandlung.

Komplettes Beispielprojekt: REST-API mit AI Assistant bauen

Um alle Funktionen im Zusammenspiel zu zeigen, bauen wir eine kleine Spring-Boot-REST-API für eine Aufgabenliste (Todo-API) komplett mit Unterstützung des AI Assistant. Legen Sie zunächst ein neues Spring-Boot-Projekt mit den Abhängigkeiten Web, JPA und H2 an.

<!-- pom.xml: relevante Abhängigkeiten -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-jpa</artifactId>
</dependency>
<dependency>
    <groupId>com.h2database</groupId>
    <artifactId>h2</artifactId>
    <scope>runtime</scope>
</dependency>

Legen Sie eine leere Klasse Todo an und stellen Sie dem Chat die Anfrage, daraus eine JPA-Entität mit den Feldern id, title und done zu machen. Der Assistent liefert typischerweise folgenden Vorschlag:

@Entity
public class Todo {
    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;
    private String title;
    private boolean done;

    // Getter und Setter vom AI Assistant automatisch ergänzt
}

Nutzen Sie anschließend die Mehrdateifunktion aus Schritt 9, um gleichzeitig ein Repository-Interface und einen Controller mit den Endpunkten GET /todos, POST /todos und PUT /todos/{id} erzeugen zu lassen. Prüfen Sie den vorgeschlagenen Diff sorgfältig, bevor Sie ihn übernehmen, insbesondere bei Validierungslogik und Statuscodes. Lassen Sie danach über die Testgenerierung aus Schritt 8 für jeden Endpunkt einen Integrationstest erzeugen und ergänzen Sie fehlende Randfälle, etwa eine nicht vorhandene ID, manuell.

Starten Sie die Anwendung anschließend über den grünen Run-Button und testen Sie die generierten Endpunkte direkt aus dem Terminal der IDE. Das zeigt sofort, ob die vom Assistenten vorgeschlagenen Statuscodes und Feldnamen tatsächlich zum Rest des Projekts passen.

curl -X POST http://localhost:8080/todos \
  -H "Content-Type: application/json" \
  -d '{"title":"AI Assistant Tutorial fertigschreiben","done":false}'

# Beispielausgabe
{"id":1,"title":"AI Assistant Tutorial fertigschreiben","done":false}

curl http://localhost:8080/todos
# Beispielausgabe
[{"id":1,"title":"AI Assistant Tutorial fertigschreiben","done":false}]

Zum Abschluss generiert der Assistent auf Zuruf eine README mit Installationsschritten und denselben Beispielaufrufen über curl, was bei kleinen internen Tools Zeit spart und neuen Teammitgliedern den Einstieg erleichtert. Für dieses Beispielprojekt haben wir in Summe fünf verschiedene AI-Assistant-Funktionen kombiniert: Chat-Erklärung, Entitätsgenerierung, Mehrdateibearbeitung, Testgenerierung und Dokumentationsgenerierung über die README. Das zeigt, wie sich die einzelnen Bausteine in einem realistischen Projekt zusammenfügen, statt jede Funktion isoliert zu betrachten.

AI Assistant für Teams: Rollout und Administration

Für einzelne Entwickler ist die Einrichtung in wenigen Minuten erledigt, in einem Team mit mehreren Dutzend Lizenzen sieht der Prozess anders aus. Unternehmen verwalten AI-Assistant-Lizenzen über die zentrale JetBrains-Admin-Konsole, in der sich Nutzer einzelnen Lizenzgruppen zuweisen lassen. Wichtig dabei: Eine Zuweisung in der Konsole greift bei einzelnen Nutzern erst nach einem erneuten Login in der IDE, ein reines Neuladen des Fensters reicht nicht aus.

Für Unternehmen mit eigenen Compliance-Vorgaben ist zusätzlich relevant, dass sich SSO-Anmeldung über IAM-Identitätsanbieter einrichten lässt, sodass Entwickler sich nicht mit einem separaten JetBrains-Passwort anmelden müssen. Die Enterprise-Stufe bietet außerdem erweiterte Protokollierung, mit der sich Nutzung und Credit-Verbrauch je Team oder Projekt auswerten lassen. Für ein Rollout in größeren Organisationen empfiehlt es sich, zunächst ein einzelnes Team mit AI Pro auszustatten, den Credit-Verbrauch über vier bis sechs Wochen zu beobachten und erst danach eine unternehmensweite Entscheidung zwischen Pro und Ultimate zu treffen. Diese Testphase verhindert, dass ein Unternehmen auf Basis einzelner Erfahrungswerte sofort die teurere Stufe für alle Mitarbeiter bucht, obwohl viele davon den AI Assistant nur gelegentlich nutzen würden.

Preise und Tarife 2026 im Detail

Die Preisstruktur des JetBrains AI Assistant basiert auf einem Credit-System. Für Einzelpersonen kostet AI Pro laut JetBrains-Preisseite 10 US-Dollar pro Monat oder 100 US-Dollar pro Jahr und beinhaltet 10 Credits je 30 Tage. AI Ultimate kostet 30 US-Dollar pro Monat beziehungsweise 300 US-Dollar pro Jahr und umfasst 35 Credits je 30 Tage. Ein Credit entspricht ungefähr einem US-Dollar an Cloud-Rechenleistung, abgerechnet in der jeweiligen Landeswährung, ein fester Euro-Betrag wird auf der offiziellen Preisseite nicht genannt.

Tarif	Preis Einzelperson	Credits je 30 Tage	Zielgruppe
AI Free	0 US-Dollar	Unbegrenzte Codevervollständigung, limitierte Cloud-Chats	Einsteiger, Testlauf
AI Pro	10 US-Dollar/Monat (100 US-Dollar/Jahr)	10 Credits	Einzelentwickler mit regelmäßiger KI-Nutzung
AI Ultimate	30 US-Dollar/Monat (300 US-Dollar/Jahr)	35 Credits	Intensive Nutzer, große Refactorings
AI Enterprise	Individuelle Konditionen	Nach Vereinbarung	Teams mit SSO und Compliance-Anforderungen

Wichtig für Teams: Nutzer mit einem bestehenden All Products Pack oder einem dotUltimate-Abonnement erhalten AI Pro bereits innerhalb ihres laufenden Pakets, ohne zusätzliche Kosten. Bevor ein Unternehmen also separate AI-Lizenzen einkauft, lohnt sich ein Blick in die bestehenden JetBrains-Verträge. Für IP-Absicherung bei kommerzieller Nutzung bietet erst die Pro- beziehungsweise Enterprise-Stufe erweiterten Schutz, was für Firmen mit eigenem Rechtsteam ein relevantes Entscheidungskriterium ist.

Für österreichische Entwickler und Unternehmen gilt zusätzlich: Die auf der Preisseite genannten Beträge sind in US-Dollar angegeben, die tatsächliche Abbuchung erfolgt in Euro inklusive österreichischer Umsatzsteuer, der Endbetrag kann je nach Wechselkurs und Abrechnungszeitpunkt leicht variieren. Für Unternehmen mit mehreren Lizenzen lohnt sich daher ein Blick in die Rechnungsdetails nach der ersten Abbuchung, um die tatsächlichen Kosten pro Entwickler korrekt in die interne Kalkulation aufzunehmen.

Datenschutz-Aspekte für den Einsatz in Österreich

Sobald Code-Schnipsel an ein Cloud-Modell übertragen werden, stellt sich für Unternehmen in Österreich und der gesamten EU automatisch die Frage nach der Vereinbarkeit mit der DSGVO. Grundsätzlich enthält reiner Quellcode selten personenbezogene Daten, in der Praxis landen aber immer wieder Testdaten, E-Mail-Adressen aus Beispieldatensätzen oder Kommentare mit Namen von Kollegen im übertragenen Kontext. Genau für solche Fälle ist die .aiignore-Konfiguration aus Schritt 11 relevant, da sich damit ganze Verzeichnisse mit Testdaten oder Fixtures von der Übertragung ausschließen lassen.

Unternehmen, die mit Kundendaten oder besonders schützenswerten Informationen arbeiten, sollten vor dem breiten Rollout klären, über welche Rechtsgrundlage die Datenverarbeitung bei der Cloud-Nutzung läuft, und ob ein Auftragsverarbeitungsvertrag mit JetBrains sowie den angebundenen Modellanbietern notwendig ist. Für stark regulierte Branchen wie Banken, Versicherungen oder den öffentlichen Sektor ist häufig die Kombination aus AI Enterprise mit SSO-Anbindung und einer strikten .aiignore-Richtlinie der praktikabelste Weg, um KI-Unterstützung zu nutzen, ohne Compliance-Vorgaben zu verletzen. Wer dagegen ausschließlich mit lokalen Modellen über Ollama arbeitet, verlässt die Cloud-Übertragung komplett und reduziert damit viele dieser Fragestellungen von vornherein, muss dafür aber auf die Qualität der großen Cloud-Modelle verzichten.

Modellvergleich: Claude, GPT und Gemini im AI Assistant

Ein zentraler Vorteil des AI Assistant gegenüber einem fest verdrahteten Einzelmodell ist die Auswahl zwischen mehreren Anbietern direkt im selben Chat-Fenster. Das spart den Wechsel zwischen separaten Tools und erlaubt es, für jede Aufgabe das passende Modell zu wählen.

Anbieter	Verfügbare Modelle	Typischer Einsatz
Anthropic	Claude 4.5 Sonnet, Claude 4.5 Haiku	Komplexe Refactorings, mehrstufige Chat-Dialoge
OpenAI	GPT-4o, GPT-4o mini, teilweise GPT-5 mini	Allgemeine Codegenerierung, schnelle Antworten
Google	Gemini 2.5 Pro, Gemini 2.5 Flash, Gemini 2.0 Flash	Latenzarme Inline-Vervollständigung
Lokal (Drittanbieter)	Beliebige OpenAI-kompatible Modelle, z. B. über Ollama	Datenschutzkritischer Code, offline Arbeiten

Welches Modell verfügbar ist, hängt von Funktion und aktuellem Tarif ab, daher sollte man die Liste in den Einstellungen regelmäßig neu prüfen, statt sich auf eine ältere Anleitung zu verlassen. JetBrains aktualisiert die unterstützten Modelle in unregelmäßigen Abständen, teils mehrmals pro Quartal.

Eine Besonderheit gegenüber reinen Autocomplete-Werkzeugen wie GitHub Copilot ist, dass sich im AI Assistant das Modell je Aufgabe wechseln lässt, ohne das Werkzeug selbst zu verlassen. Wer etwa eine schwierige Architekturfrage klären will, wechselt kurz zu einem leistungsfähigeren Modell und schaltet danach für einfache Codevervollständigung wieder auf ein schnelleres, günstigeres Modell zurück. Diese Flexibilität zeigt sich besonders deutlich im Credit-Verbrauch: Eine einzelne Anfrage an ein größeres Modell kann je nach Kontextgröße mehrere Male so viele Ressourcen verbrauchen wie dieselbe Anfrage an ein kleineres Modell, auch wenn JetBrains dafür keine exakten Umrechnungsfaktoren veröffentlicht.

AI Assistant in anderen JetBrains-IDEs

Diese Anleitung nutzt IntelliJ IDEA als Beispiel, der AI Assistant funktioniert aber grundsätzlich identisch in PyCharm, WebStorm, RubyMine, GoLand, PhpStorm, Rider und DataGrip. Installation, Anmeldung und Lizenzprüfung laufen über denselben Mechanismus, da das Plugin für die gesamte IDE-Familie zentral gepflegt wird. Unterschiede zeigen sich vor allem bei sprachspezifischen Funktionen: Die Testgenerierung erkennt automatisch das übliche Testframework der jeweiligen Sprache, etwa JUnit in IntelliJ IDEA, pytest in PyCharm oder Jest in WebStorm, und passt den generierten Code entsprechend an.

Wer mehrere JetBrains-IDEs parallel einsetzt, etwa IntelliJ IDEA für Backend-Code und WebStorm für ein Frontend-Projekt, teilt sich automatisch dasselbe Credit-Kontingent, da die Abrechnung an das JetBrains-Konto und nicht an eine einzelne IDE-Installation gebunden ist. Das lohnt sich im Kopf zu behalten, wenn mehrere Projekte gleichzeitig laufen und der Credit-Verbrauch schneller steigt als bei der Nutzung einer einzigen IDE.

6 häufige Fehler bei der Einrichtung

Die folgenden Fehler tauchen in Support-Foren und internen Rollouts immer wieder auf. Die meisten davon lassen sich mit wenig Aufwand vermeiden, wenn man sie einmal kennt.

• Veraltete IDE-Version: Ohne mindestens Version 2023.3 (beziehungsweise 2024.1.1 bei Community Edition) lässt sich das Plugin nicht zuverlässig aktivieren, einzelne Chat-Funktionen fehlen komplett.
• Login übersprungen: Das Plugin installiert sich zwar auch ohne JetBrains-Konto, ohne Anmeldung bleiben aber sämtliche Cloud-Funktionen inaktiv und der Chat antwortet mit einer Fehlermeldung statt mit Code.
• Fehlende .aiignore: Wer Konfigurationsdateien mit Zugangsdaten nicht ausschließt, riskiert, dass sensible Werte als Kontext an ein Cloud-Modell übertragen werden.
• Falsches Modell für die Aufgabe: Ein großes, teures Modell für triviale Umbenennungen zu nutzen, verbraucht unnötig Credits, die später für komplexe Aufgaben fehlen.
• Credits nicht überwacht: Ohne regelmäßigen Blick in die Nutzungsstatistik endet das Kontingent oft mitten in einem wichtigen Refactoring, und die Cloud-Funktionen pausieren bis zum nächsten Zyklus.
• Team- und Einzellizenz verwechselt: Wer ein Einzel-Abo bucht, obwohl das Unternehmen bereits eine Organisationslizenz mit SSO besitzt, zahlt doppelt und verursacht am Ende Abrechnungschaos in der Buchhaltung.

Fehlerbehebung: 9 Probleme und Lösungen

Auch nach einer korrekten Erstinstallation tauchen im Alltag gelegentlich Probleme auf, meist ausgelöst durch Netzwerkrichtlinien, veraltete Caches oder Lizenzänderungen im Hintergrund. Die folgende Liste deckt die häufigsten Fälle ab, bevor Sie ein Support-Ticket bei JetBrains eröffnen.

• Plugin erscheint nicht im Marketplace: IDE-Version prüfen und über Help > Check for Updates aktualisieren, danach die Marketplace-Suche erneut starten.
• Browser-Login erfolgreich, IDE bleibt offline: IDE komplett neu starten statt nur das Werkzeugfenster zu schließen, gelegentlich hilft ein erneutes Abmelden und Anmelden über Settings > Tools > AI Assistant.
• Codevervollständigung erscheint nicht: Prüfen, ob die Inline-Vervollständigung in den Einstellungen aktiviert ist und ob die Datei überhaupt von einer unterstützten Sprache erkannt wird.
• Chat-Fenster lädt endlos: Firewall- oder Proxy-Einstellungen des Unternehmensnetzwerks blockieren oft den Zugriff auf die JetBrains-AI-Server, ein Test im privaten Netzwerk grenzt das Problem schnell ein.
• “Quota exceeded” trotz aktivem Pro-Abo: Die Abrechnungsperiode von 30 Tagen prüfen, Credits werden nicht am Kalendermonatsanfang, sondern ab dem individuellen Aktivierungsdatum zurückgesetzt.
• Lokales Modell über Ollama wird nicht erkannt: Sicherstellen, dass der Ollama-Server läuft und die Base-URL inklusive Port exakt mit der Konfiguration im Plugin übereinstimmt.
• Vorschläge basieren auf veraltetem Code: Projekt neu indizieren lassen (File > Invalidate Caches), damit der Assistent mit dem aktuellen Stand des Projekts arbeitet statt mit einem veralteten Index.
• Hohe Latenz bei Mehrdateibearbeitung: Die Anzahl der im Prompt referenzierten Dateien reduzieren, sehr große Diffs verlangsamen sowohl Antwortzeit als auch Credit-Verbrauch deutlich.
• Lizenz nach Unternehmens-SSO-Login nicht erkannt: Admin-Konsole der Organisation prüfen, ob der Nutzer der richtigen AI-Lizenzgruppe zugewiesen wurde, Zuweisungen greifen teilweise erst nach erneutem Login.

Profi-Tipps für den Alltag

Wer den AI Assistant produktiv einsetzen will, sollte eigene Prompt-Vorlagen für wiederkehrende Aufgaben sammeln, etwa für Codeübersetzungen zwischen Sprachen, API-Dokumentation oder Changelog-Einträge. Das spart Zeit gegenüber dem ständigen Neuformulieren ähnlicher Anfragen und macht den Credit-Verbrauch vorhersehbarer.

Für größere, mehrstufige Vorhaben lohnt sich die Kombination aus AI Assistant und Junie: Den groben Rahmen eines Features plant Junie autonom, während der AI Assistant anschließend für gezielte Detailanpassungen, Codeerklärungen und Reviews zum Einsatz kommt. Teams mit festem Budget sollten außerdem prüfen, ob ein eigener API-Schlüssel eines Drittanbieters günstiger ist als die gebündelten Credits, insbesondere wenn ein Unternehmen bereits ein Volumenkontingent bei einem Modellanbieter besitzt. Der AI Assistant erlaubt genau diese Anbindung über die Einstellungen für Drittanbieter-Modelle.

Ein weiterer Tipp betrifft die Teamführung: Legen Sie eine gemeinsame .aiignore-Vorlage im Projektrepository ab, statt jedem Entwickler die eigene Konfiguration zu überlassen. So verhindert man, dass ein einzelner Mitarbeiter versehentlich Zugangsdaten ungeschützt lässt, während der Rest des Teams bereits sauber konfiguriert ist.

Legen Sie sich außerdem eine feste Routine für Codereviews an KI-generiertem Code zu. Auch wenn ein Vorschlag auf den ersten Blick korrekt wirkt, lohnt sich ein zweiter Blick auf Randfälle, Nullwerte und Fehlerbehandlung, da der Assistent nur den sichtbaren Kontext kennt und keine Laufzeitinformationen über das tatsächliche Verhalten der Anwendung besitzt. Ein kleiner, aber wirkungsvoller Kniff: Bitten Sie den Assistenten nach einer größeren Generierung aktiv darum, selbst mögliche Schwachstellen im eigenen Vorschlag zu benennen, etwa fehlende Validierung oder nicht behandelte Ausnahmen. Diese Rückfrage kostet kaum zusätzliche Credits, deckt aber regelmäßig Lücken auf, die bei der ersten Antwort übersehen wurden.

AI Assistant im Entwickleralltag: Zahlen und Trends

Die Verbreitung von KI-Werkzeugen in der Softwareentwicklung ist mittlerweile die Regel statt die Ausnahme. Laut der Stack-Overflow-Entwicklerumfrage 2025 wurde IntelliJ IDEA von 27,1 Prozent aller Befragten als Entwicklungsumgebung genutzt, womit die IDE zu den meistgenutzten Werkzeugen überhaupt zählt. Gleichzeitig gaben in der KI-Kategorie derselben Umfrage 82 Prozent der Teilnehmer an, ChatGPT zu nutzen, während 68 Prozent GitHub Copilot als von Haus aus verfügbares KI-Werkzeug einsetzten.

Für JetBrains-Nutzer bedeutet das: Ein spürbarer Teil der Entwicklerschaft greift bereits parallel zu mehreren KI-Werkzeugen, oft ein externes Chat-Tool neben einem IDE-eigenen Assistenten. Der AI Assistant tritt hier nicht als Ersatz, sondern als zusätzliche, tief integrierte Option an, die ohne Kontextwechsel direkt am Code arbeitet. Für Teams, die bereits eine JetBrains-Lizenz besitzen, ist der Einstieg entsprechend niedrigschwellig, da kein zusätzliches Tool im Workflow etabliert werden muss.

Für den österreichischen und deutschen Arbeitsmarkt bestätigt dieselbe Umfrage, dass IntelliJ IDEA zu den am häufigsten genutzten Entwicklungsumgebungen überhaupt zählt, was die Integration eines KI-Werkzeugs direkt in diese IDE besonders relevant macht. Statt ein zusätzliches Abo für ein eigenständiges Chat-Werkzeug einzuführen, lässt sich der bereits vorhandene Workflow in IntelliJ IDEA, PyCharm oder WebStorm direkt erweitern. Für kleinere Teams und Einzelentwickler in Österreich bedeutet das konkret: Der niedrigschwelligste Einstieg in KI-gestützte Entwicklung führt häufig nicht über ein neues Tool, sondern über die Aktivierung einer bereits installierten IDE-Erweiterung.

Häufig gestellte Fragen

Ist der JetBrains AI Assistant kostenlos?
Das Plugin selbst lässt sich kostenlos installieren. Im AI-Free-Tarif sind Codevervollständigung und lokale Modelle unbegrenzt nutzbar, cloudbasierte Chat-Funktionen sind dagegen begrenzt. Für den vollen Funktionsumfang ist ein AI-Pro- oder AI-Ultimate-Abo nötig.

Was unterscheidet AI Assistant von Junie?
Der AI Assistant liefert kontextbezogene Funktionen wie Chat, Codegenerierung, Tests und Dokumentation, die der Entwickler jeweils selbst anstößt. Junie ist ein autonomerer Agent, der mehrstufige Aufgaben eigenständig plant und ausführt, mit eigenem Credit-Modell und eigener Preisstruktur.

Welche KI-Modelle unterstützt der AI Assistant?
Je nach Tarif und Funktion stehen unter anderem Claude 4.5 Sonnet und Claude 4.5 Haiku von Anthropic, GPT-4o und GPT-4o mini von OpenAI sowie Gemini 2.5 Pro, Gemini 2.5 Flash und Gemini 2.0 Flash von Google zur Verfügung. Zusätzlich lassen sich eigene Drittanbieter- oder lokale Modelle einbinden.

Funktioniert der AI Assistant mit der Community Edition?
Ja, für Community-Edition-IDEs gilt laut JetBrains-Dokumentation eine Mindestversion von 2024.1.1. Der Funktionsumfang entspricht grundsätzlich dem der Ultimate-Editionen, der Tarif bestimmt die verfügbaren Credits.

Kann ich lokale Modelle wie Ollama nutzen?
Ja. Über Settings > Tools > AI Assistant > Models lässt sich ein OpenAI-kompatibler lokaler Server wie Ollama oder LM Studio einbinden. Die Nutzung ist laut JetBrains-FAQ unbegrenzt und verbraucht keine Credits.

Werden meine Daten zum Training der Modelle verwendet?
JetBrains gibt an, mit den angebundenen KI-Anbietern eine Zero-Data-Retention-Richtlinie zu verfolgen, wonach übertragene Code-Schnipsel nicht gespeichert oder für Training verwendet werden sollen. Für besonders sensible Projekte empfiehlt sich trotzdem eine eigene .aiignore-Konfiguration.

Wie viel kostet ein Credit?
Ein Credit entspricht laut JetBrains-Preisseite ungefähr einem US-Dollar an Cloud-Rechenleistung und wird in der jeweiligen Landeswährung abgerechnet. AI Pro umfasst 10 Credits, AI Ultimate 35 Credits je 30 Tage.

Lohnt sich AI Pro oder gleich AI Ultimate?
Für gelegentliche Chat-Anfragen und einzelne Codegenerierungen reicht AI Pro meist aus. Wer regelmäßig Mehrdateibearbeitungen, große Refactorings oder umfangreiche Testgenerierung nutzt, verbraucht die 10 Credits von AI Pro schnell und profitiert von den 35 Credits in AI Ultimate.

Läuft der AI Assistant auch in PyCharm oder WebStorm?
Ja, das Plugin funktioniert IDE-übergreifend in der gesamten JetBrains-Familie, darunter PyCharm, WebStorm, RubyMine, GoLand, PhpStorm, Rider und DataGrip. Credits werden dabei an das JetBrains-Konto gebunden, nicht an eine einzelne IDE, daher teilen sich mehrere parallel genutzte IDEs dasselbe Kontingent.

Kann ich die KI-Vorschläge einfach ablehnen, wenn sie nicht passen?
Ja. Inline-Vorschläge lassen sich mit Esc verwerfen, im Chat generierte Diffs müssen Sie aktiv bestätigen, bevor sie ins Projekt übernommen werden. Der AI Assistant ändert keinen Code automatisch im Hintergrund, jede Übernahme erfordert eine bewusste Aktion.