Neulich habe ich Claude Code zum ersten Mal in einer echten Kundenaufgabe eingesetzt.
Quellcode von verschiedenen Large Language Models hatte ich mir natürlich schon vorher generieren lassen. Claude Code selbst hatte ich aber bisher noch nicht ausprobiert. Der Anlass war ganz pragmatisch: Für einen Kunden wollte ich das Verhalten zweier Schnittstellen einer Java-Enterprise-Anwendung untersuchen. Die eine kommuniziert über serialisierte Java-Objekte, die andere ist eine SOAP-Schnittstelle. Im Logfile waren Warnungen aufgetreten, und ich benötigte zwei kleine Clients, um das Verhalten gezielt nachzustellen.
Statt die Clients selbst zu schreiben, dachte ich: Warum nicht jetzt endlich Claude Code ausprobieren? Ich war neugierig – und gleichzeitig durchaus skeptisch, ob der Hype gerechtfertigt ist.
Ein Werkzeug, das mitarbeitet
Was mich am meisten überrascht hat, war nicht die Geschwindigkeit. Mich hat beeindruckt, wie das Werkzeug arbeitet.
Claude Code stellte Rückfragen, bevor es Befehle auf meinem Laptop ausführte. Es erklärte den erzeugten Quellcode ausführlich und erläuterte auch die einzelnen Arbeitsschritte. Dadurch hatte ich nie das Gefühl, dass einfach „irgendetwas“ passiert. Ich konnte nachvollziehen, warum etwas getan wurde und wie ich die Ergebnisse verwenden konnte.
Das erinnerte mich weniger an einen klassischen Codegenerator als an die Zusammenarbeit mit einem Kollegen – nicht mit dem, der alles schon weiß, sondern mit dem, der nachvollziehbar arbeitet und einen mitnimmt.
Lernen am eigenen Problem
Während der Arbeit wurde mir schnell klar, dass solche Werkzeuge meine Arbeitsweise verändern werden. Nicht nur, weil sie Aufgaben beschleunigen, sondern vor allem, weil sie das Lernen verändern.
Technische Zusammenhänge werden genau in dem Moment erklärt, in dem man sie für eine konkrete Aufgabe benötigt. Anstatt Dokumentationen oder Tutorials unabhängig von einer Aufgabe zu lesen, lernt man unmittelbar am eigenen Problem. Ich glaube, dass dieser Aspekt in der aktuellen Diskussion häufig unterschätzt wird – dort geht es fast immer um Produktivität, selten um Lernkurven.
Begeisterung heißt nicht blindes Vertrauen
Trotzdem war ich vorsichtig. Den erzeugten Quellcode habe ich mir sehr genau angesehen.
Den ersten Client konnte ich vollständig nachvollziehen. Beim zweiten verstand ich nicht alle Details. Für den eigentlichen Test war das völlig ausreichend – ich konnte genau die Informationen gewinnen, die ich benötigte. Trotzdem habe ich mich bewusst dagegen entschieden, diesen Code in weitere fachliche Diskussionen oder gar in produktive Software einfließen zu lassen. Ein Werkzeug nutze ich dort, wo ich das Ergebnis beurteilen kann. In ein System, dessen Konsequenzen ich nicht vollständig verstehe, übernehme ich nichts. Denn Verantwortung lässt sich nicht delegieren – auch nicht an ein Werkzeug.
Auch bei den Arbeitsschritten, die Claude Code auf meinem Laptop ausführen wollte, habe ich gemerkt, dass ich noch lernen möchte: Welche Befehle darf ein solches Werkzeug ausführen? Welche sollte ich zulassen? Welche Auswirkungen haben sie?
Ich bin überzeugt: Gerade in regulierten Umgebungen wird die Antwort auf diese Fragen darüber entscheiden, ob und wie solche Werkzeuge eingesetzt werden können. Hier möchte ich in den kommenden Monaten deutlich mehr Erfahrung sammeln.
KI verändert mehr als nur das Programmieren
Ich erwarte, dass KI meinen Arbeitsalltag nicht nur beim Schreiben von Code verändern wird. Ich denke etwa an Analysen gewachsener Systemlandschaften, bei denen Abhängigkeiten sichtbar gemacht werden müssen, an Unterstützung bei der Dokumentation oder an die schnelle Recherche von Best Practices für einen konkreten Technologie-Stack. Gleichzeitig wird der Austausch mit Menschen für mich mindestens genauso wichtig bleiben.
Gerade in komplexen Projekten entstehen gute Lösungen selten allein durch Technologie. Sie entstehen durch Kommunikation, gemeinsame Entscheidungen und ein tiefes Verständnis der fachlichen Zusammenhänge. KI kann dabei helfen. Sie ersetzt diese Arbeit aber nicht. Auch deshalb suche ich den Austausch: Nächste Woche besuche ich ein Meetup in Dortmund zu der Frage, wie weit Coding-Agenten Aufgaben wirklich eigenständig lösen können – vermutlich werde ich auch darüber hier berichten.
Der aktuelle KI-Hype wird vermutlich noch eine Weile anhalten, vielleicht sogar noch stärker werden. Danach wird sich zeigen müssen, welche Geschäftsmodelle langfristig funktionieren und wo die tatsächlichen Stärken der Technologie liegen. Für mich persönlich ist der Maßstab ein anderer: Ich möchte in einigen Jahren sagen können, dass ich mich intensiv und sorgfältig mit KI beschäftigt habe – und dabei offen geblieben bin, auch für die Themen jenseits von KI, die für gute Software und erfolgreiche Projekte genauso wichtig sind.
Falls Sie noch zögern
Falls Sie Claude Code oder ähnliche Werkzeuge bisher noch nicht ausprobiert haben: Probieren Sie sie aus. Nicht, weil Sie sonst den Anschluss verlieren würden – sondern weil Sie nur so herausfinden, wo diese Werkzeuge Ihnen wirklich helfen und wo nicht. Und nicht als Ersatz für Ihre eigentliche Arbeit, sondern um zu verstehen, wie sie funktionieren, was sie gut können und wo ihre Grenzen liegen.
Bewahren Sie sich dabei eine gesunde Skepsis. Machen Sie es sich nicht zu einfach.
Ich jedenfalls werde Werkzeuge wie Claude Code künftig häufiger einsetzen. Nicht, weil ich glaube, dass sie alles besser können als ich. Sondern weil ich überzeugt bin, dass ich mit jedem Einsatz etwas Neues lerne.
Sorgfältiges Arbeiten bleibt auch mit KI anspruchsvoll. Vielleicht sogar anspruchsvoller als vorher. Und genau deshalb lohnt es sich, jetzt Erfahrungen zu sammeln.
Transparenz-Hinweis: Ich nutze bei meinen Texten grundsätzlich KI-Unterstützung – so gehe ich dabei vor.