Teams bei Anthropic nutzen Claude Code für alles – von der Fehlersuche in der Produktion über die Navigation unbekannter Codebasen bis hin zur Erstellung benutzerdefinierter Automatisierungstools. So geht's.
Tools für agentisches Coding wie Claude Code helfen Entwicklern dabei, Workflows zu beschleunigen, sich wiederholende Aufgaben zu automatisieren und komplexe Programmierprojekte in Angriff zu nehmen. Da sich der Bereich weiterentwickelt, erfahren wir täglich etwas über neue Anwendungen von Benutzern, einschließlich unserer eigenen Mitarbeiter.
Um mehr zu erfahren, haben wir uns mit Mitarbeitern in Anthropic unterhalten, um herauszufinden, wie sie Claude Code bei der Arbeit nutzen.
Während viele ihrer Anwendungsfälle vorhersehbar waren – Debugging, Navigation in Codebasen, Verwaltung von Workflows – haben uns andere überrascht. Anwälte haben Telefonstruktursysteme erstellt. Marketingexperten generierten in Sekundenschnelle Hunderte von Anzeigenvariationen. Datenwissenschaftler haben komplexe Visualisierungen ohne Kenntnisse von JavaScript erstellt.
Das Muster wurde klar: agentisches Coding dient nicht nur zur Beschleunigung der herkömmlichen Entwicklung. Die Grenze zwischen technischer und nichttechnischer Arbeit verschwimmt und jeder, der ein Problem beschreiben kann, wird zu jemandem, der eine Lösung erstellen kann.
Wir zeigen Ihnen unsere Erkenntnisse.
Teams im gesamten Unternehmen nutzen Claude Code, um Neueinstellungen und sogar langjährigen Mitarbeitern den Einstieg in unsere Codebasen zu erleichtern.
Neue Data Scientists in unserem Infrastrukturteam speisen Claude Code mit ihrer gesamten Codebasis ein, um schnell produktiv zu sein. Claude liest die CLAUDE.md-Dateien der Codebase, identifiziert relevante Dateien, erklärt Datenpipeline-Abhängigkeiten und zeigt, welche vorgelagerten Quellen in Dashboards eingespeist werden und ersetzen herkömmliche Datenkatalog-Tools.
Unser Produktentwicklungsteam nutzt Claude Code als erste Anlaufstelle für Programmieraufgaben. Sie bitten sie, zu identifizieren, welche Dateien auf Fehlerbehebungen, Funktionen oder Analysen untersucht werden sollen, wodurch der zeitaufwändige Prozess der manuellen Erfassung von Kontext vor der Erstellung neuer Funktionen entfällt.
Tools für agentisches Coding sind besonders beliebt wegen ihrer Fähigkeit, zwei kritische, aber mühsame Programmieraufgaben zu automatisieren: das Schreiben von Unit-Tests und die Überprüfung von Code.
Das Produktdesign-Team verwendet Claude Code zum Schreiben umfassender Tests für neue Funktionen. Sie haben Pull-Request-Kommentare über GitHub-Aktionen automatisiert, wobei Claude Formatierungsprobleme und das Refactoring von Testfällen automatisch übernimmt.
Das Security Engineering Team hat seinen Workflow von „Designdokument → fehlerhafter Code → Refactoring → Verzicht auf Tests“ umgewandelt und kann Claude um Pseudocode bitten, ihn durch die testgesteuerte Entwicklung führen und regelmäßig überprüfen. Das Ergebnis ist ein zuverlässigerer, besser testbarer Code.
Agentisches Coding kann auch zur Übersetzung von Tests in andere Programmiersprachen verwendet werden. Wenn das Inferenz-Team beispielsweise Funktionen in unbekannten Sprachen wie Rust testen muss, erklärt es, was getestet werden soll, und Claude schreibt die Logik in der systemeigenen Sprache der Codebasis.
Produktionsprobleme erfordern eine schnelle Lösung, aber der Versuch, unter Druck unbekannten Code zu analysieren, führt oft zu Verzögerungen. Für viele Teams im Unternehmen beschleunigt Claude Code die Fehlerdiagnose und Korrekturen durch die Analyse von Stack-Traces, Dokumentation und Systemverhalten in Echtzeit.
Bei Fehlern versorgt das Security Engineering Team Claude Code mit Stack-Traces und Dokumentationen, um den Kontrollfluss durch die Codebasis zu verfolgen. Probleme, die früher 10 bis 15 Minuten manuell gescannt werden mussten, werden jetzt 3-mal schneller gelöst.
Dank Claude Code kann das Produktengineering-Team jetzt Fehler in unbekannten Codebasen beheben. Sie fragen Claude: „Kannst du diesen Fehler beheben? Dies ist das Verhalten, das ich sehe", und überprüfen die vorgeschlagene Lösung, ohne dass andere Engineering-Teams um Unterstützung bitten müssen.
Als Kubernetes-Cluster die Planung von Pods stoppte, verwendete das Dateninfrastruktur-Team Claude Code zur Diagnose des Problems. Sie gaben Dashboard-Screenshots ein und Claude führte sie Schritt für Schritt durch die Benutzeroberfläche von Google Cloud, bis sie feststellten, dass die IP-Adressen nicht mehr verfügbar waren. Claude stellte dann die genauen Befehle bereit, um einen neuen IP-Pool zu kreieren und dem Cluster hinzuzufügen, was ihnen bei einem Systemausfall 20 Minuten wertvolle Zeit einspart.
Die Erstellung neuer Funktionen erfordert traditionell tiefgreifendes technisches Wissen und erhebliche Zeitinvestition. Claude Code ermöglicht die schnelle Prototypenerstellung und sogar die vollständige Anwendungsentwicklung, sodass Teams unabhängig von ihrem Programmierwissen Ideen schnell validieren können.
Mitglieder des Produktdesign-Teams würden Figma-Designdateien an Claude Code weiterleiten und dann autonome Schleifen einrichten, in denen Claude Code den Code für die neue Funktion schreibt, Tests ausführt und kontinuierlich iteriert. Sie geben Claude abstrakte Probleme, lassen es autonom arbeiten und überprüfen dann die Lösungen, bevor sie endgültige Verfeinerungen vornehmen. In einem Fall ließ Claude Vim-Key-Bindungen mit minimaler Überprüfung durch Menschen selbst erstellen.
Mit Claude Code entdeckte das Produktdesign-Team einen unerwarteten Anwendungsfall: die Darstellung von Fehlerzuständen, Logikabläufen und Systemstatus, um Randfälle bereits während der Designphase zu identifizieren, anstatt sie erst während der Entwicklungsphase zu entdecken. Dies verbessert die anfängliche Designqualität grundlegend und erspart später stundenlanges Debugging.
Obwohl Data Scientists TypeScript nicht fließend beherrschen, verwenden sie Claude Code zur Erstellung ganzer React-Anwendungen zur Visualisierung der RL-Modellleistung. Nach einmaliger Eingabe in einer Sandbox-Umgebung schreibt das Tool ganze TypeScript-Visualisierungen von Grund auf neu, ohne den Code selbst zu verstehen. Da die Aufgabe so einfach ist, nimmt der Mitarbeiter nur kleine Anpassungen vor und versucht es erneut, wenn der erste Prompt nicht ausreicht.
Technische Dokumentationen sind oft verteilt auf Wikis, Codekommentare und in den Köpfen der Mitarbeiter. Claude Code konsolidiert dieses Wissen über MCP- und CLAUDE.md-Dateien in zugänglichen Formaten und macht so Fachwissen für alle verfügbar, die es benötigen.
Mitglieder von Inferenzteams ohne ML-Hintergrund verlassen sich auf Claude, um modellspezifische Funktionen zu erläutern. Was normalerweise eine Stunde Google-Recherche erfordert, dauert jetzt nur noch 10 bis 20 Minuten – eine Reduzierung der Recherchezeit um 80 %.
Das Security Engineering Team hat Claude gebeten, mehrere Dokumentationsquellen zu erfassen, um Markdown-Runbooks und Fehlerbehebungsanleitungen zu erstellen. Diese komprimierten Dokumente dienen als Grundlage für das Debuggen echter Produktionsprobleme, was oft effizienter ist als das Durchsuchen ganzer Wissensdatenbanken.
Mit Tools für agentisches Coding können Teams benutzerdefinierte Automatisierungen erstellen, die normalerweise spezielle Entwicklerressourcen oder teure Software erfordern würden.
Das Growth Marketing Team hat einen agentischen Workflow entwickelt, der CSV-Dateien mit Hunderten von Anzeigen verarbeitet, Performance-Unterschiede identifiziert und neue Variationen innerhalb einer strikten Zeichenbegrenzung generiert. Mithilfe von zwei speziellen Subagenten generiert das System Hunderte von neuen Anzeigen in Minuten statt Stunden.
Sie entwickelten außerdem ein Figma-Plugin, das Frames identifiziert und programmgesteuert bis zu 100 Anzeigenvariationen generiert, indem Überschriften und Beschreibungen getauscht werden. Dadurch reduziert sich der Zeitaufwand für das Kopieren und Einfügen von Text von mehreren Stunden auf eine halbe Sekunde pro Anzeigenbatch.
In einem besonders spezifischen Anwendungsfall erstellte das Rechtsteam Prototypen von „Telefonbaumsystemen“, um Teammitgliedern die Verbindung mit dem richtigen Anwalt in Anthropic zu erleichtern. Dabei wurde gezeigt, wie Abteilungen ohne herkömmliche Entwicklungsressourcen benutzerdefinierte Tools erstellen können.
Diese Anwendungsfälle zeigen ein Muster: Claude Code funktioniert am besten, wenn Sie sich auf die Workflows konzentrieren, die es erweitern kann. Die erfolgreichsten Teams sehen in Claude Code eher einen Sparringpartner als einen Code-Generator.
Sie erkunden Möglichkeiten, erstellen schnell Prototypen und teilen ihre Erkenntnisse mit technischen und nichttechnischen Benutzern. Dieser Ansatz der Zusammenarbeit zwischen Mensch und KI eröffnet Möglichkeiten, die wir erst zu verstehen beginnen.
Der Leitfaden von Anthropic für Start-, Skalier- und Erfolgsmodelle, basierend auf Praxisbeispielen und Best Practices
Erste Schritte mit Claude Code.
Transformieren Sie mit Caude die Arbeitsweise Ihres Unternehmens
Entwickler-Newsletter abonnieren
Neues zu Produkten, Anleitungen, Community-Spotlights und mehr. Monatlich in Ihrem Posteingang.
