Seite 5 - Claude AI

Subagents delegieren fokussierte Teilaufgaben an einen separaten Claude-Code-Kontext mit eigenem Kontextfenster und eigenem Systemprompt. Das hilft bei paralleler Codebasis-Recherche und isolierten Review-Durchläufen, bringt aber Koordinationsaufwand mit sich, der sich für einfache Aufgaben nicht lohnt und einen einzelnen Agenten oft die bessere Wahl bleiben lässt.

Wer Prompts für Claude einmal schreibt und danach nie wieder anfasst, verschenkt Zuverlässigkeit und wiederholt dieselben Fehler in jedem neuen Projekt. Dieser Artikel zeigt, wie Entwickler Prompt-Entwicklung als Debugging-Schleife aus Hypothese, Test und Verfeinerung betreiben, wiederkehrende Prompts in einer versionierten Bibliothek pflegen und die typischen Muster erkennen, die Claude regelmäßig zu Missverständnissen verleiten.

Klassische Alerting-Regeln schlagen an, wenn ein Schwellenwert überschritten wird, aber viele echte Probleme kündigen sich als leise Verschiebung im Fehlermuster an, lange bevor ein Grenzwert reißt. Claude liest große Logmengen kontextbewusst und erkennt Anomalien, die auf Regelbasis unsichtbar bleiben, etwa eine neue Fehlerkombination oder eine verdächtige Häufung zu untypischen Zeiten. Dieser Artikel zeigt den praktischen Workflow von der Rohlog-Datei bis zur angereicherten Alarmmeldung.

Computer Use erlaubt Claude, einen Bildschirm über Screenshots wahrzunehmen und über simulierte Maus- und Tastatureingaben zu bedienen, ganz ohne API oder DOM-Zugriff. Für Entwickler eröffnet das neue Anwendungsfälle jenseits klassischer Testautomatisierung, etwa die Bedienung von Admin-Oberflächen ohne eigene Schnittstelle. Dieser Artikel ordnet ein, wann sich das lohnt und wo Playwright weiterhin die robustere Wahl bleibt.

Sobald mehrere KI-Agenten an einer Aufgabe zusammenarbeiten, wird die Art, wie sie Informationen austauschen, zur eigentlichen Architekturentscheidung. Kommunikationsmuster wie direkter Handoff, gemeinsamer Zustand, strukturierte Nachrichten und das Blackboard-Muster unterscheiden sich deutlich in Kontextverbrauch, Kopplung und Fehleranfälligkeit, und die falsche Wahl führt schnell zu Kontextverlust oder widersprüchlichen Zwischenständen.

Wenn ein Sprachmodell eine Marke nennt, hat diese Erwähnung meist einen von zwei Ursprüngen: entweder sie wurde in den LLM-Trainingsdaten gelernt, oder ein Retrieval-System hat sie gerade erst aus dem Web nachgeladen. Wer beide Wege versteht, kann gezielt beeinflussen, wie oft und wie korrekt eine Marke in KI-Antworten auftaucht.

Viele Unternehmen betreiben geschäftskritische Kernsysteme in COBOL, Perl oder anderen Sprachen, deren letzte vollständige Dokumentation Jahrzehnte zurückliegt und deren ursprüngliche Autoren längst nicht mehr im Unternehmen sind. Ein kompletter Neubau von Grund auf klingt verlockend, scheitert in der Praxis aber regelmäßig an unterschätzter, über Jahre gewachsener Geschäftslogik. Dieser Artikel zeigt, wie sich Claude gezielt einsetzen lässt, um solche Systeme erst zu verstehen, ihre Regeln zu extrahieren und dann kontrolliert, Modul für Modul, statt in einem einzigen riskanten Schritt abzulösen.

Wer bei jeder Anfrage denselben langen System Prompt, dieselbe Dokumentation oder denselben Codebestand komplett neu an Claude schickt, bezahlt fuer identische Tokens immer wieder von Neuem. Prompt Caching haelt diese wiederkehrenden Anteile serverseitig vor und senkt sowohl Kosten als auch Latenz spuerbar, sobald die Cache Strategie richtig aufgebaut ist.

Claude Code fragt vor jeder Datei-Änderung und jedem Bash-Befehl um Erlaubnis, sofern niemand bewusst andere Regeln festlegt. Dieser Artikel erklärt die Permission-Modi, zeigt anhand von settings.json- und Hook-Beispielen, welche Aktionen sich sicher automatisieren lassen, und wo eine bewusste Bestätigung vor destruktiven Befehlen und Remote-Pushes unverzichtbar bleibt.

Kleinere Teams ohne dediziertes FinOps-Team lassen erhebliches Einsparpotenzial ungenutzt, einfach weil niemand Zeit hat, monatliche Kostenexporte im Detail durchzugehen. Claude hilft, AWS- und GCP-Kostenexporte auf ungenutzte Ressourcen und Fehlkonfigurationen zu durchsuchen und Reserved-Instance- gegen Spot-Strategien durchzudenken, ersetzt aber kein echtes FinOps-Tool, sondern liefert einen fundierten Startpunkt für die eigentliche Analyse.