Claude Code in der Praxis: strukturierter Erfahrungsbericht zu einem Entwicklungsassistenten

Überarbeitete Notiz vom 25. Mai 2026. Ursprünglich im März 2026 veröffentlicht — vollständige Überarbeitung.

Claude Code ist ein von Anthropic konzipierter Entwicklungsassistent in der Kommandozeile, der mit einer Codebasis über einen Dialog in natürlicher Sprache interagiert. Sein unterscheidendes Merkmal gegenüber den in einen Editor integrierten Assistenten liegt in seiner Funktionsweise auf der Ebene des gesamten Projekts: Er navigiert in den Dateien, versteht die Architektur, führt Befehle aus und schlägt kohärente Änderungen in mehreren Dateien gleichzeitig vor.

Diese Notiz legt dar, was die Praxis dieses Werkzeugs nach mehreren Monaten regelmässiger Nutzung in unterschiedlichen professionellen Kontexten behaupten lässt. Sie beansprucht nicht die Objektivität einer vergleichenden Studie; sie legt dar, was die anhaltende Beobachtung an operativen Befunden produziert und was sie in der Praxis verlangt.

Vier Zonen, in denen die Praxis einen greifbaren Gewinn beobachtet

Vier Aufgabenkategorien lassen einen klar beobachtbaren Gewinn auftauchen, unabhängig vom Projektkontext.

Das Scaffolding und die Erzeugung von Strukturcode zuerst. Um eine neue Oberflächenkomponente, eine API-Route, ein Datenbankschema oder eine Projektkonfiguration zu erstellen, produziert das Werkzeug einen Code, der mit den Konventionen des bestehenden Projekts kohärent ist. Die Praxis beobachtet eine substanzielle Komprimierung der Produktionszeit bei diesen repetitiven Aufgaben ohne Qualitätsverlust.

Das Mehrdatei-Refactoring danach. Eine Variable in Dutzenden von Dateien umbenennen, von einer API zur anderen migrieren, eine Modulhierarchie umstrukturieren — historisch personalintensive Vorgänge — werden mit hoher Verlässlichkeit absorbiert. Die Entwicklerin oder der Entwickler behält die Entscheidung über den durchzuführenden Vorgang; die Ausführung wird delegiert.

Die Bugkorrektur mit Untersuchung vervollständigt die Stärkenliste. Beschreibt man einen Bug in natürlicher Sprache, kann der Assistent im Code navigieren, um die Ursache zu identifizieren, die betroffene Logik zu verstehen und eine Korrektur vorzuschlagen. Diese Fähigkeit zur kontextuellen Navigation stellt wahrscheinlich den auffälligsten Vorteil des Werkzeugs gegenüber den in den Editor integrierten Assistenten dar, die den lokalen, aber nicht den Projektkontext sehen.

Die Testerzeugung schliesst die Liste. Das Werkzeug zu bitten, die Unit-Tests für ein Modul zu produzieren, liefert eine solide Grundlage, die die Entwicklerin oder der Entwickler anschliessend verfeinert, statt alles von Grund auf aufbauen zu müssen. Die resultierende Abdeckung ist nicht perfekt, sie reicht aus, um eine akzeptable Schwelle zu erreichen, ohne ihr den substanziellen Anteil der Entwicklungszeit zu widmen, den die frühere Praxis verlangte.

Drei Grenzen, die die Praxis klar offenbart

Vier Monate regelmässige Nutzung offenbaren auch drei Grenzen, die der kommerzielle Diskurs der Anbieter in der Regel nicht erwähnt.

Der Kontextverlust bei langen Sitzungen zuerst. Über eine Sitzung von etwa zwei Stunden hinaus — die Dauer variiert je nach Dialogdichte — verliert das Werkzeug allmählich den Faden des anfänglichen Kontextes. Es kann Änderungen vorschlagen, die mit dem zu Beginn der Sitzung Beschlossenen unvereinbar sind, oder früher getroffene Architekturentscheidungen vergessen. Dieses Phänomen hängt mit der Kontextfenster-Mechanik der generativen Modelle zusammen und hat heute keine rein technische Lösung.

Das falsche Vertrauen, das das Erscheinungsbild des Ergebnisses erzeugt danach. Der erzeugte Code kompiliert oft beim ersten Versuch, folgt den Sprachkonventionen, zeigt ein professionelles Erscheinungsbild, das die Wachsamkeit entwaffnen kann. Dieses Erscheinungsbild verbirgt subtile Bugs, nicht behandelte Sicherheitslücken, suboptimale Architekturentscheidungen, die nur eine aufmerksame Review offenbart. Eine Entwicklerin oder ein Entwickler, die oder der ohne Korrekturlesung akzeptiert, häuft eine Schuld an, die sich erst später zeigt.

Die komplexen Architekturen vervollständigen die Liste. Für strukturierende Entscheidungen — Aufteilung in Microservices, Konzeption verteilter Systeme, Wahl zwischen konkurrierenden Mustern, die an einen spezifischen Kontext angepasst sind — bleibt das Werkzeug ein Assistent und kein Architekt. Es schlägt Lösungen vor, die im allgemeinen Fall funktionieren, nicht immer die für den besonderen Projektkontext am besten geeigneten. Diese Grenze löst sich nicht durch eine bessere Prompt-Formulierung; sie gehört zu einer kontextuellen Urteilskompetenz, die die generativen Systeme noch nicht tragen.

Drei kennzeichnende Praktiken der Teams, die einen dauerhaften Wert daraus ziehen

Die Beobachtung mehrerer Teams, die das Werkzeug in unterschiedlichen Kontexten verwenden, lässt drei Praktiken auftauchen, die jene auszeichnen, die einen dauerhaften Wert daraus ziehen.

Die kurzen Sitzungen mit zielgerichtetem Ziel zuerst. In Sitzungen von dreissig bis fünfundvierzig Minuten arbeiten, jede mit einem einzigen präzisen Ziel, umgeht die oben erwähnte Grenze des Kontextverlusts. Sobald das Ziel erreicht ist, die Sitzung schliessen und eine neue eröffnen wahrt die Dialogqualität. Diese Disziplin verändert die beobachtbare Produktivität des Werkzeugs substanziell.

Die systematische Code-Review danach. Jede vom Assistenten produzierte Änderung ist Gegenstand einer Review, die mit jener vergleichbar ist, die bei einem Pull Request einer Kollegin oder eines Kollegen durchgeführt würde. Diese Review betrifft nicht nur die Syntax — die formale Codequalität ist in der Regel korrekt —, sondern Logik, Sicherheit, Leistung und Kohärenz mit der bestehenden Architektur. Diese Disziplin schützt vor dem falschen Vertrauen.

Die Dokumentation wirksamer Prompts vervollständigt die Liste. Wenn ein Dialog ein Qualitätsergebnis produziert, stellt die Spur dieses Dialogs ein Methodenkapital dar, das sich mit der Praxis bereichert. Eine geteilte Prompt-Bibliothek innerhalb eines Teams verwandelt die individuelle Werkzeugnutzung in eine kollektive Praxis, die sich mit der Zeit verbessert.

Die Frage der Souveränität der bearbeiteten Daten

Die Verwendung von Claude Code impliziert das Senden des analysierten Codes an die Server des Anbieters zur Verarbeitung. Diese Eigenschaft verlangt für sensible Projekte eine Qualifikation.

Für Projekte, die Daten betreffen, die Vertraulichkeitspflichten unterliegen — regulierte Branchen, Berufspflichten, strategisches geistiges Eigentum —, muss die Frage bei der anfänglichen Rahmenfestlegung behandelt werden. Anthropic bietet wie andere Anbieter von Assistenzwerkzeugen je nach Angebot und Unternehmensverträgen vertragliche Zusagen zur Datenverarbeitung und -aufbewahrung an^[1]. Die Details dieser Zusagen variieren je nach abgeschlossener Angebotsart; sie stellen keine allgemeine Garantie dar, und jede Organisation muss ihre eigene Analyse durchführen, um zu qualifizieren, was von einem Werkzeug dieser Kategorie verarbeitet werden kann und was Alternativen — beispielsweise offene Modelle, die auf kontrollierter Infrastruktur ausgeführt werden — vorbehalten bleiben muss, die ein anderes Souveränitätsprofil aufweisen.

Diese Qualifikation ist kein Adoptionshindernis. Sie stellt die normale Integrationsarbeit eines Werkzeugs in eine Organisation dar, die ihre Vertraulichkeitspflichten ernst nimmt.

Die relative Position im Werkzeugmarkt

Der Markt der Entwicklungsassistenzwerkzeuge ist nicht reif. Mehrere Werkzeugkategorien koexistieren mit unterschiedlichen Interaktionsmodellen und operativen Profilen. Die in einen Code-Editor integrierten Assistenten glänzen bei Auto-Vervollständigung und kontextuellen Vorschlägen, fallen aber bei der Koordination von dateiübergreifenden Änderungen ab. Die nativ modellgestützten Editoren bieten eine flüssige Erfahrung für Teams, die ausschliesslich in einer bestimmten Umgebung arbeiten, binden aber die Nutzung an eine präzise Umgebung. Die Kommandozeilenwerkzeuge wie Claude Code bieten eine Polyvalenz — Betrieb mit jedem Editor, auf jedem Projekt, von jedem Terminal — zum Preis einer ausgeprägteren Lernkurve für Anwenderinnen und Anwender, die visuelle Oberflächen gewohnt sind.

Die Wahl zwischen diesen Kategorien hängt vom Teamkontext, vom Projekttyp und von den bereits etablierten Praktiken ab. Keine Kategorie ist den anderen von Natur aus überlegen. Die anhaltende Praxis einer Kategorie bringt Vorteile zutage, die der kommerzielle Diskurs der Anbieter nicht immer einfängt, und Grenzen, die derselbe Diskurs minimiert.

Was das für ein Schweizer KMU verlangt

Für ein Schweizer KMU, das ein Assistenzwerkzeug dieser Kategorie übernimmt, ergeben sich drei praktische Orientierungen.

Der Pilot auf einem begrenzten Perimeter zuerst. Statt ein Werkzeug dem gesamten Team aufzuerlegen, eine motivierte Entwicklerin oder einen motivierten Entwickler und ein geeignetes Projekt identifizieren, um über einige Wochen zu experimentieren. Die beobachteten Gewinne, die festgestellten Grenzen, die im spezifischen Unternehmenskontext funktionierenden Praktiken dokumentieren. Dann auf Grundlage dieser Beobachtungen schrittweise ausweiten.

Die Begleitung durch Ausbildung danach. Die Praxis der Assistenzwerkzeuge ist für Entwicklerinnen und Entwickler, die an eine andere Arbeitsweise gewöhnt sind, nicht selbstverständlich. Die bescheidene, aber strukturierte anfängliche Ausbildung beschleunigt den Kompetenzaufbau substanziell und vermeidet kostspieliges tastendes Lernen.

Die Integration in die technische Governance vervollständigt die Liste. Definieren, was an das Werkzeug delegiert werden kann und was eine eingerahmte Entwicklung verlangt, die Code-Review-Praxis formalisieren, die Fälle dokumentieren, in denen die regulatorische Konformität eine besondere Behandlung verlangt — diese Themen verdienen es, ausdrücklich behandelt zu werden, statt der individuellen Initiative überlassen zu werden.

Die Übernahme eines Assistenten wie Claude Code verwandelt ein technisches Team nicht über Nacht. Sie stellt eine schrittweise Entwicklung dar, die ein diszipliniertes Team produktiver macht und schärfer offenbart, in welchen Zonen die berufliche Strenge schon vor der Werkzeugankunft fehlte.

Quellen

[1] Anthropic, Claude Code documentation — CLI usage. docs.anthropic.com/en/docs/claude-code/cli-usage [↩]

Jérôme Deshaie ist CEO der MCVA Consulting SA, Schweizer Kanzlei für strategische Beratung in künstlicher Intelligenz mit Sitz im Wallis.