Die meisten Engineers setzen Claude Code zunächst wie eine schnellere Autovervollständigung ein. Bugs werden behoben, PRs werden geöffnet. Der eigentliche Produktivitätsgewinn zeigt sich erst, wenn sich die Arbeitsweise ändert, und diese Veränderung ist mehr eine Frage der Gewohnheiten als der Prompts.
In Compute denken, nicht in Nachrichten
Die Limits von Claude Code sind kein Nachrichtenbudget, sondern ein fortlaufendes Compute-Budget in Tokens. Die eigentliche Frage ist dabei fast immer der kleinste Teil der Kosten.
Beim Absenden sieht Claude sechs Schichten: System-Prompt (~4.000 Tokens), Tool-Definitionen (~5.000-8.000 Tokens), CLAUDE.md (~2.000 Tokens), Session-Kontext, Konversationshistorie und den aktuellen Prompt.
Kostentreiber: Modellwahl ist der größte Hebel. Opus kostet 3-4x mehr als Sonnet. Peak-Stunden: Zwischen 14-20 Uhr MEZ läuft das Budget 1,3-1,5x schneller. Jeder MCP-Server addiert 4.000-6.000 Tokens Overhead pro Turn.
Kostenstruktur: Ein Bug-Fix verursacht 5.000-15.000 Tokens. Ein mittleres Feature 30.000-80.000. Eine Migration kann 150.000 überschreiten. Diese über mehrere frische Sessions aufteilen.
Modi und Kurzbefehle
Drei Eingabemodi mit Shift + Tab: Auto-Modus (Standard), Plan-Modus (Claude legt Plan vor, wartet auf Freigabe), No-Tools-Modus (kein Dateizugriff). Plan-Modus genau dann nutzen, wenn man sagt: “Das ist schnell erledigt.”
Wichtigste Befehle: /init erstellt CLAUDE.md. /clear löscht Konversationshistorie ohne Dateien zu berühren. /compact fasst ältere Turns zusammen. /cost zeigt Verbrauch.
Claude.md ist keine Dokumentation
Häufigster Fehler: CLAUDE.md wie eine README behandeln. Beschreibende Sätze sagen dem Modell, was da ist, nicht was es tun soll. CLAUDE.md sollte Regeln als Anweisungen sein.
Sechs Kategorien: Datenzugriffsregeln. Logging-Konventionen. Fehlerbehandlung. API-Vertragsregeln. Testing-Standards. Deployment-Richtlinien.
Zeilen, die zu löschen sind: “Verwende modernes JavaScript” ist zu vage. “Sei vorsichtig mit Löschungen” ist keine Regel. “Wir sollten zu TypeScript migrieren” gehört in ein Tech-Debt-Dokument.
Die vier Fehlermuster
Halluzination: Claude erfindet Funktionen oder Pakete. Meist sofort erkennbar. Drift: Die Arbeit weicht ab. Sie fordern einen Payment-Flow und erhalten ein halb umgeschriebenes Auth-Modul. Scope Creep: Claude liefert das Geforderte plus einige ungeförderte Dinge. Stille Auslassung: Claude schreibt den Endpoint, lasst aber den Validator weg. Der Code kompiliert, der PR besteht, die Lucke gelangt in Produktion.
Lösung für alle vier: Den Diff lesen, als hätte ein Mensch ihn geschrieben.
Der größte Mehrwert: Debugging
3-Kontext-Regel: Bei jedem Bug drei Dinge übergeben: Call Site, auslösende Eingaben, jüngste Diffs. Ohne diese drei raten Sie. Mit ihnen schlussfolgert Claude.
Claude mit git bisect: 1.024 Commits in 10 Schritten. Eine Analyse, die früher einen halben Tag dauerte, ist in zwanzig Minuten abgeschlossen.
Cross-Service-Debugging mit MCPs: Mit angebundenen MCP-Servern kann Claude alle Oberflächen in einer Session abfragen und Signale korrelieren.
Häufig gestellte Fragen
Was ist der Plan-Modus und wann nutzen?
Shift + Tab. Claude legt Lösungsansatz dar, bevor Code geschrieben wird. Nutzen bei unklarem Umfang, mehreren Dateien oder wenn eine Änderung als schnell bezeichnet wird.
Wie verändert CLAUDE.md das Verhalten?
Wird zu Beginn jeder Session gelesen. Imperative Regeln werden eingehalten. Beschreibende Sätze werden ignoriert.
Warum liefern lange Sessions schlechtere Ergebnisse?
Jeder Turn verarbeitet alle vorherigen Turns erneut. /clear zwischen nicht zusammenhängenden Aufgaben und nach 80.000-100.000 Tokens.
Welches Fehlermuster ist am gefährlichsten?
Stille Auslassung. Claude schreibt den Endpoint, lasst den Validator weg. Der PR besteht, die Lucke gelangt in Produktion.
Wie verbessert die 3-Kontext-Regel die Debugging-Qualität?
Rohe Stack Traces zeigen das Symptom, nicht die Ursache. Call Site, auslösende Eingaben und jüngste Diffs ermöglichen Schlussfolgern statt Raten.
Das Fazit
Claude Code ist keine Magie. Es ist ein ressourcenintensives Werkzeug, das mit Disziplin skaliert. Die Engineers mit den besten Ergebnissen haben bessere Gewohnheiten rund um den Prompt. Das Werkzeug ist dasselbe. Was sich zusammensetzt, ist die Disziplin.
GoTeams setzt dieses Playbook in jedem KI-gestutzten Engineering-Engagement ein. Das AI Bootcamp übersetzt diese Gewohnheiten in ein praxisnahes Curriculum.
Schreibe einen Kommentar