KI-gestützte Softwareentwicklung
Wie Claude Code die Automatisierung in der Entwicklung unterstützt.
Alsco Berufskleidungs-Service GmbH · Datenmanagement
Navigation wie in PowerPoint: ← → blättern · 1–9 springen · F Vollbild
Snowbridge — im Bachelorprojekt entwickelt
Snowbridge ist ein internes Werkzeug für Datenflüsse (ETL): Es holt Daten aus Quellsystemen, wandelt sie nach festen Regeln um und schreibt sie in Zielsysteme. Dazu kommen Benutzerverwaltung mit Rollen, Prüfprotokoll, Zeitplanung und Live-Überwachung laufender Verarbeitungen. Die gesamte Software entstand mit Claude Code — sie ist der Praxisfall dieser Präsentation.
Von der ersten Codezeile (Mai 2026) bis zum heutigen Funktionsumfang — berufsbegleitend
Gespeicherte Entwicklungsschritte (Commits) — jede Änderung dokumentiert und nachvollziehbar
Mit Claude Code als Werkzeug — wie das funktioniert, zeigen die nächsten Folien
Was ist Claude Code?
Claude Code ist der Programmier-Agent von Anthropic — ein KI-Programm, das eine Aufgabe entgegennimmt und selbstständig daran arbeitet, bis sie erledigt ist. Bedient wird es mit Aufträgen in normaler Sprache, direkt im Projektordner.
Mehr als Autovervollständigung
Klassische KI-Helfer schlagen einzelne Codezeilen vor. Claude Code übernimmt ganze Aufgaben: Es versteht das Projekt, plant die Änderung und setzt sie um.
Arbeitet mit echten Werkzeugen
Der Agent liest und ändert Dateien, führt Programme aus, startet Builds und Tests — wie ein Entwickler an der Tastatur.
Arbeitet in Schleifen
Verstehen, ändern, prüfen: Diese Schritte wiederholt der Agent selbstständig, bis die Aufgabe gelöst ist oder er eine Rückfrage hat.
Der Entwickler bleibt verantwortlich
Jede Änderung ist als Vorher-Nachher-Vergleich sichtbar, heikle Aktionen brauchen eine Freigabe. Der Agent ist ein Werkzeug — kein Ersatz für Verständnis und Kontrolle.
Skills — Wissen, das der Agent wiederverwendet
Ein Skill ist eine hinterlegte Anleitung für eine bestimmte Aufgabenart. Der Agent liest sie genau dann, wenn eine passende Aufgabe ansteht — und arbeitet so jedes Mal nach demselben bewährten Vorgehen.
Einmal beschreiben statt jedes Mal erklären. Ohne Skill erklärt man dem Agenten das Vorgehen bei jeder Aufgabe neu. Mit Skill liest er es selbst und hält sich daran — bei Snowbridge für Umsetzung, Aufgabenanalyse und Fehlersuche.
Ein Anbieter, mehrere Modelle — welches wofür?
Hinter Claude Code stehen die Claude-Sprachmodelle von Anthropic in mehreren Stufen. Sie unterscheiden sich in Leistungsfähigkeit, Geschwindigkeit und Nutzungsverbrauch — je Aufgabe wählt man das passende.
Haiku
Für kurze, einfache Aufgaben: Texte einordnen, kleine Fragen beantworten, viele Datensätze in Serie verarbeiten.
Sonnet
Das Arbeitspferd mit dem besten Verhältnis aus Leistung und Verbrauch — für die tägliche Entwicklungsarbeit meist die richtige Wahl.
Opus
Für anspruchsvolle, mehrstufige Aufgaben: große Umbauten, lange selbstständige Programmier-Einsätze, schwierige Fehlersuche.
Fable
Die neue oberste Klasse oberhalb von Opus — für die härtesten Aufgaben, bei denen es auf maximale Qualität ankommt.
So entsteht Software mit Claude Code
Der Entwickler führt und prüft, der Agent setzt um. Vier Schritte, die sich für jede Aufgabe wiederholen — so ist der gesamte Funktionsumfang von Snowbridge entstanden.
Aufgabe beschreiben
Die Anforderung wird als kurze Aufgabenbeschreibung festgehalten — mit Ziel und Abnahmekriterien. Je klarer die Vorgabe, desto besser das Ergebnis.
Analysieren & planen
Der Agent liest den vorhandenen Code, stellt Rückfragen und legt einen Umsetzungsplan vor — erst nach Freigabe wird geändert.
Umsetzen & testen
Der Agent ändert den Code Schritt für Schritt, baut das Programm und führt die Tests aus — Fehler behebt er dabei selbst.
Prüfen & freigeben
Der Entwickler prüft den Vorher-Nachher-Vergleich und das laufende Programm. Erkenntnisse fließen zurück in Skills und Projektwissen.
Eine neue Funktion — jetzt live entwickelt
Direkt in Snowbridge: Claude Code setzt eine echte, bisher offene Funktion aus der Aufgabenliste um — von der Aufgabenbeschreibung bis zum getesteten Ergebnis.
Lauf-Historie je Verarbeitungsjob
In der Job-Übersicht zeigt künftig eine kleine Balkengrafik die letzten Läufe: Höhe = Dauer, Farbe = Erfolg oder Fehler, daneben Durchschnittsdauer und Erfolgsquote. So fallen schleichende Verlangsamungen und instabile Jobs auf einen Blick auf.
Der Ablauf von eben — in Echtzeit
Aufgabe übergeben, der Agent analysiert den Code und plant, setzt um, lässt Build und Tests laufen — am Ende steht der Vorher-Nachher-Vergleich und die Funktion läuft in der Anwendung.
schneller als Entwicklung von Hand — mein Erfahrungswert aus 11 Wochen Snowbridge-Entwicklung, keine Labormessung
Was kostet Claude Code im Team?
Claude Code wird im Abo lizenziert (Team-Plan von Anthropic). Entwickler brauchen den Premium-Platz — nur der enthält Claude Code und ausreichend Nutzungskontingent für tägliche Arbeit.
| Platz-Typ | Preis pro Person und Monat | Enthält |
|---|---|---|
| Standard-Platz | 20 $ (jährliche Zahlung) · 25 $ (monatlich) | Claude-Chat und Basis-Funktionen — für Mitarbeiter ohne Entwicklungsaufgaben |
| Premium-Platz | 100 $ (jährliche Zahlung) · 125 $ (monatlich) | Zusätzlich Claude Code und Agentic-Cowork, mit fünffachem Nutzungskontingent |
Was ist lokale KI?
Dieselbe Technologie wie hinter Claude oder ChatGPT — große Sprachmodelle. Der Unterschied ist nicht, was sie können, sondern wo sie laufen und wohin die Daten fließen.
Datenschutz
Keine Firmendaten verlassen das Firmennetz. Ohne externen KI-Anbieter entfällt die Auftragsverarbeitung — ein DSGVO-Thema weniger.
Kostenmodell
Hardware wird einmal gekauft statt laufender Lizenz- und Nutzungskosten je Nutzer. Danach fallen vor allem Strom und Wartung an.
Kontrolle
Modellwahl, Updates und Richtlinien in eigener Hand — läuft auch ohne Internetzugang weiter.
Grenzen
Cloud-Spitzenmodelle bleiben stärker. Offene Modelle sind für unsere Anwendungsfälle gut genug — und holen schnell auf.
Wie gut programmieren die Modelle?
Der Standardtest für Programmier-Agenten ist SWE-bench Verified: 500 echte Fehlermeldungen aus öffentlichen Software-Projekten, die der Agent selbstständig im Code beheben muss. Gezählt wird, wie viele Aufgaben gelöst werden — hier die großen Cloud-Anbieter im Vergleich zu offenen Modellen auf der geplanten eigenen Hardware.
Die Cloud-Spitze bleibt klar vorn. Offene Modelle lösen 60 bis 78 von 100 Aufgaben — genug für viele Alltagsaufgaben, mit deutlichem Abstand bei schweren Fällen.
Aufgaben gelöst — GPT-5.6 Sol (OpenAI)
Aufgaben gelöst — Mistral Medium 3.5
Aufgaben gelöst — Devstral Small 2 (Mistral)
Was bedeutet die Parameteranzahl?
Parameter sind die im Training gelernten Zahlenwerte eines Modells — sein gespeichertes „Wissen". Mehr Parameter (Mrd. = Milliarden) heißt mehr Kapazität, aber auch mehr Speicher- und Rechenbedarf. Größe ist nicht alles: Das code-spezialisierte Devstral Small 2 (24 Mrd.) schlägt hier das fünfmal größere gpt-oss (120 Mrd.).
Was heißt 4-Bit statt FP16?
Jeder Parameter wird als Zahl gespeichert — die Frage ist, wie genau. FP16 nutzt 16 Bit pro Wert (so werden Modelle veröffentlicht), 4-Bit speichert dieselben Werte gröber gerundet — ein Viertel des Platzes. Dieses Vergröbern heißt Quantisierung: Aus ~48 GB für ein 24-Mrd.-Modell werden ~14 GB, es passt damit auf einen Mac Mini. Der Qualitätsverlust ist messbar, im Alltag aber meist gering. Die Zuordnung „läuft auf" im Diagramm rechnet mit 4-Bit-Versionen.
Zwei Funktionen, ein Schwerpunkt
Nicht jede Funktion großer KI-Apps wird nachgebaut — die Plattform beschränkt sich auf das, was im Arbeitsalltag gebraucht wird. Der Schwerpunkt liegt auf Agentic-Cowork: Agenten erledigen Aufgaben an echten Dateien, Programmieren eingeschlossen.
Chat
Gespräche mit lokalen Modellen — mit Verlauf, angehängten Dokumenten je Unterhaltung und optionaler Web-Suche. Solide Grundfunktion, bewusst schlank.
Agentic-Cowork
Der Agent arbeitet selbstständig an echten Dateien — Dokumente, Daten und vor allem Code. Änderungen zeigt er als Vorher-Nachher-Vergleich, Builds und Tests laufen in einer abgeschotteten Umgebung (Sandbox) — wie ein Kollege am Rechner.
Agenten für Abteilungen
Das Datenmanagement stellt Agenten zentral bereit — zugeschnitten mit genau den Rechten, Datenquellen und Fähigkeiten, die eine Abteilung braucht.
Drei Säulen, klare Trennung
Die Arbeitsplätze bleiben leicht, die Rechenleistung ist zentral, die Verwaltung hat einen klaren Ort. Mobil funktioniert alles über das Firmen-VPN.
Client bleibt leicht
Auf den ThinkPads läuft nur die App — kein KI-Modell. Oberfläche, Dateizugriff und Sandbox sind lokal, die schweren Berechnungen passieren im Netz.
Rechenleistung auf Apple Silicon
Mac Minis rechnen die Modelle — pro Nutzer ein Mac oder ein Verbund für große Modelle. Der Zugang ist verschlüsselt und personengebunden abgesichert.
Ein Ort für Verwaltung
Der Steuerdienst verwaltet Nutzer, Rollen, Agenten, geteiltes Wissen und das Prüfprotokoll — auf einem vorhandenen Server ohne Grafikkarte.
Zwei Ausbau-Szenarien
Beide Wege liefern dieselbe Plattform. Sie spricht die KI-Rechner über eine einheitliche Schnittstelle an — ein späterer Wechsel oder Mischbetrieb ist kein Umbau, sondern ein Konfigurationsschritt.
Apple Silicon (Mac Minis)
- Für einen kleinen Kreis: 3–6 Macs, je ein Mac Mini M4 Pro (48 GB) pro Hauptnutzer
- Große Modelle über den Verbund mehrerer Macs (exo, Thunderbolt-Direktverbindung)
- Leise, stromsparend, kein Serverraum nötig — steht im Büro
- Software: Ollama, auf Apple-Chips optimiert (MLX) — geringer Einrichtungsaufwand
Nvidia-GPU-Server
- Für viele Nutzer gleichzeitig: zentrale Server bedienen Anfragen parallel (Software: vLLM)
- GPU-Klasse RTX Pro 6000 (96 GB) bis H100/H200 — größere Modelle, höherer Durchsatz
- Braucht Serverraum, Kühlung und Betriebs-Know-how
- Der Skalierungspfad, wenn die Plattform sich bewährt hat
Schrittweise zum Rollout
Jede Phase ist erst abgeschlossen, wenn sie nachweisbar funktioniert. Die Admins arbeiten früh selbst mit der Plattform — so fallen Probleme auf, bevor Abteilungen sie treffen.
Fundament
App-Grundgerüst, Sicherheits-Grundschutz, erster KI-Rechner (Mac) mit abgesichertem Zugang.
Chat
Chat mit Verlauf und Modell-Verwaltung, Antworten erscheinen fortlaufend beim Entstehen — stabil auch über VPN (übersteht Verbindungsabrisse).
CoworkMVP
Agent arbeitet an echten Dateien: Änderungen als Vorher-Nachher-Vergleich, Builds und Tests in der Sandbox. Ab hier täglich produktiv nutzbar.
Nutzer, Rollen & Prüfprotokoll
Zentrale Anmeldung (LDAP-Abgleich), Rollenrechte, Prüfprotokoll, Live-Monitoring der Macs.
Connectors
GitHub, Microsoft 365 und Snowflake über den firmeneigenen Katalog — mit Freigaberegeln.
Skills & Automatisierung
Wiederverwendbare Skills, Helfer-Agenten, geplante Aufgaben.
Agenten-Bereitstellung
Signierte Agenten per Rolle verteilen, zentrales Abteilungswissen, automatische Updates.
Pilot & Feinschliff
Erster Abteilungs-Agent im echten Einsatz, Sicherheits-Review, letzter Schliff.