„5 Arbeitssätze des Claude Code-Teams teilen – ich finde, jeder davon ist lernwertig“

Zusammenfassung der Kerninhalte

Dieser Artikel beschreibt die Veränderungen in der Arbeitsweise des Teams Claude Code unter dem AI-Unternehmen Anthropic: Früher drehten sich die Prozesse des Softwareengineerings um die hohe Kosten für das Schreiben von Code, doch im Zeitalter der KI ist das Schreiben von Code nicht mehr der Engpass – der Fokus liegt nun auf Aspekten wie Überprüfung, Review und Sicherheit. Das Team hat daher seine Planungsmethoden, Automatisierungsverfahren, den Code-Review-Prozess sowie die Aufteilung der Teamrollen überarbeitet und unnötige Prozesse abgeschafft, damit sich die Menschen auf kreative Entscheidungen konzentrieren können, während die KI die repetitiven Arbeiten und die Ausführung der Details übernimmt.

1. Planungsmethoden: Von „vorausgeplante Konzepte“ zu „prototypbasiertem Testen“

Beim Projektieren mussten früher ausführliche Designdokumente erstellt und mehrere Review-Sitzungen abgehalten werden, da das Schreiben von Code teuer war und Fehler befürchtet wurden. Das Claude-Team hat jedoch festgestellt, dass die KI sehr schnell Code schreibt – eine sechsmonatige Planung kann bereits nach drei Monaten veraltet sein. Heute verwenden sie das Konzept der „Just-in-Time-Planung“ (JIT):

• Abgeschaffte unnötige Rituale: Anstatt komplexe Designdokumente zu erstellen, werden direkt Prototypen entwickelt, die internen Nutzern zur Verfügung gestellt werden;
• Frühzeitige Überprüfung: Da die Fehlerarten im von der KI generierten Code sich geändert haben, wurden die Tests und Feedback-Schritte vorverlegt;
• Streiten statt Prototypen erstellen: Wenn zwei Personen unterschiedliche Meinungen zu einem Plan haben, lässt die KI innerhalb von zehn Minuten zwei Prototypen erstellen – das ist zehnmal effizienter als PPT-Diskussionen.

Kurz gesagt: Statt zunächst 100 Seiten Pläne zu zeichnen, baut man jetzt einen einfachen Prototyp auf, um Probleme direkt zu erkennen und Änderungen vorzunehmen.

2. Automatisierung: Wenn es dreimal wiederholt wird, übernimmt die KI – es wird zur „Muskelgedächtnis“

Jeder im Claude-Team fragt reflexartig, ob eine Aufgabe automatisiert werden kann, sobald er auf repetitive Arbeit stößt:

• Beginnen mit kleinen Dingen: Fiona fasste früher täglich die Kundenfeedback zusammen; heute wird dies durch eine automatische Funktion der KI erledigt – während sie Kaffee trinkt, muss sie sich nicht mehr mit Nachrichten beschäftigen. Wenn jemand den Code auf dem Firmen- und Heimcomputer synchronisieren möchte, sagt er einfach zur KI: „Erstelle einen Hook, um den neuesten Code automatisch herunterzuladen“ – und das ist in wenigen Minuten erledigt;
• Umgekehrte Kostenstruktur: Früher war die Automatisierung auf komplexe Scripte angewiesen; heute ist sie fast kostenlos, solange eine Aufgabe mehr als dreimal wiederholt wird;
• Schrittweise Entwicklung eines Systems: Man muss nicht von Anfang an ein umfassendes Automatisierungssystem aufbauen – wenn man jeden Tag eine kleine Aufgabe automatisiert, ändert sich die Arbeitsweise nach einem Monat komplett.

Stellen Sie sich vor: Statt täglich manuell Rechnungen zu ordnen, nutzt man heute die KI, um Rechnungen zu erkennen und Formulare auszufüllen – der gesparte Zeit kann für wertvollere Aufgaben genutzt werden.

3. Code-Review: Die KI übernimmt die langweiligen Arbeiten, Menschen treffen die entscheidenden Urteile

Da die KI sehr schnell Code erstellt, stellt sich die Frage, wie Menschen mit dem Review-Prozess Schritt halten können. Das Claude-Team verfolgt den Ansatz „Vertrauen, aber überprüfen“:

• Die KI übernimmt die Grundarbeiten: Stilüberprüfungen, Fehlererkennung und zusätzliche Tests – das macht 60–70 % der Review-Arbeit aus;
• Menschen treffen die entscheidenden Urteile: Rechtskonformität, sicherheitskritischer Code (z. B. Verarbeitung von Nutzerdaten) sowie Produktqualität (z. B. Ob eine Funktion den Anforderungen entspricht) – diese Aspekte können nur von Experten überprüft werden;
• Dynamische Anpassung der Grenzen: Mit dem Fortschritt der KI-Modelle ändern sich die Aufgaben, die zuvor von Menschen erledigt wurden; es ist wichtig, ständig zu bewerten, was noch von Menschen erledigt werden muss.

Das ist wie bei der Korrektur von Hausaufgaben: Die KI korrigiert Multiple-Choice-Fragen und Ausfüllfragen (mechanische Arbeiten), während Lehrer Aufsätze korrigieren (kreative und logische Urteile) – die Effizienz steigt dadurch.

4. Teamrollen: Verschwommene Grenzen bei der Personalauswahl

Die KI hat die funktionalen Barrieren zwischen den Abteilungen beseitigt:

• Mischung der Rollen: Projektmanager schreiben Code, Ingenieure erstellen Designtexte (z. B. Nach dem Beheben von Fehlern erstellt die KI den Nutzertext, der dann von Menschen überarbeitet und sofort veröffentlicht wird);
• Andere Auswahlkriterien für Personal: Es geht nicht mehr darum, wie viele Zeilen Code pro Stunde geschrieben werden, sondern um zwei Fähigkeiten:

1. Kreative Köpfe: Sie wissen, was zu tun ist und können schnell Prototypen mit der KI erstellen („Kreativität ist knapp, Geschwindigkeit nicht“);

2. Systemexperten: Sie erkennen feine Fehler, die die KI übersehen könnte (z. B. versteckte Risiken in der Codelogik).

Kurz gesagt: Die KI kann die „Ausführung“ übernehmen, aber die Entscheidungen darüber, was getan wird und wie gut es gemacht wird, treffen immer noch Menschen – das ist „Geschmack“.

5. Förderung von Veränderungen: Unnötige Prozesse abgeschafft, flache Hierarchien

Im Zeitalter der KI neigen alte Prozesse dazu, zu Formalitäten zu werden. Das Claude-Team setzt folgende Methoden ein:

• Flache Managementstruktur: Führungskräfte arbeiten selbst an vorderster Front und unterstützen die flexible Bewegung der Teams (z. B. Wer besonders gut in einer Funktion ist, wechselt in das entsprechende Team);
• Priorität für die KI: Wenn die KI eine Aufgabe übernehmen kann, wird sie genutzt; Menschen konzentrieren sich auf schwierigere Aufgaben;
• Aktive Abschaffung von Prozessen: Wenn feststeht, dass eine Sitzung nicht ernst genommen wird, wird sie einfach abgeschafft.

Viele alte Prozesse in Unternehmen (z. B. unnötige wöchentliche Besprechungen, überflüssige Genehmigungsverfahren) werden aus Gewohnheit beibehalten – jemand muss sich jedoch entscheiden: „Kann das wirklich weiterhin notwendig sein?“

Fazit: AI-basierte Organisationen sind keine „Werkzeugkäufe“, sondern umfassende Neugestaltungen

Die Erfahrungen des Claude-Teams zeigen, dass eine KI-basierte Organisation nicht darin besteht, den Mitarbeitern einfach KI-Accounts zu kaufen, sondern alles von der Planung über die Review bis zur Personalauswahl neu zu gestalten. Selbst Spitzen Teams suchen noch nach dem richtigen Weg (z. B.: „Sollten es separate iOS-/Android-Teams geben?“ oder „Wo liegt die Grenze der vollständigen Automatisierung?“), aber das grundlegende Prinzip bleibt gleich: Die KI ersetzt repetitive Aufgaben, damit sich Menschen auf Entscheidungen und Kreativität konzentrieren können.

Wie Fiona sagt: „Finden Sie Ihre zeitaufwendigsten Arbeitsabläufe und fragen Sie sich – verdienen sie noch ihren Platz?“

Diese Analyse erklärt auf verständliche Weise den Einfluss der KI auf Organisationen und zeigt, dass die KI nicht nur ein Werkzeug ist, sondern auch ein „Katalysator“ für Veränderungen in der Arbeitsweise.