Claude Code lieferte in einer Stunde einen Prototyp für verteilte Agenten.
In Kürze
- Schnell per Kurztext
- Nicht produktionsreif
- Konkrete Workflowtipps
Jaana Dogan: Experiment mit Claude Code
Jaana Dogan, Principal Engineer bei Google und zuständig für die Gemini‑API, hat ein kurzes Experiment gepostet: Mit einer dreiseitigen Problembeschreibung fütterte sie Claude Code von Anthropics — und binnen einer Stunde lieferte das Tool einen Prototyp, der dem ähnelt, woran ihr Team bei Google im vergangenen Jahr gearbeitet hat.
Worum es ging
Dogan hatte nach einer Lösung für „verteilte Agenten‑Orchestratoren“ gefragt — also Systeme, die mehrere KI‑Agenten koordinieren. Das Resultat war nicht perfekt und nicht produktionsreif, so ihre Einordnung: eher eine brauchbare Spielzeug‑Version und ein guter Ausgangspunkt. Sie betonte, dass sie keine internen Google‑Details preisgab und nur eine sehr kurze Beschreibung nutzte.
Einsatz bei Google
Google habe im letzten Jahr mehrere Varianten dieses Problems entwickelt, ohne dass sich ein klarer Favorit herauskristallisierte, schreibt Dogan. Ihr Post macht deutlich, wie schnell sich mit den besten Ideen als Input für Coding‑Agenten brauchbare Prototypen erstellen lassen — oft innerhalb von Stunden.
Auf die Frage, ob Google Claude Code intern einsetzt, antwortete Dogan, dass das Tool nur für Open‑Source‑Projekte erlaubt sei, nicht für interne Arbeit. Parallel dazu arbeite Google daran, mit seinen eigenen Modellen und der Infrastruktur aufzuschließen; Google bezeichnet seine Modellreihe als „Gemini“.
Tempo der Entwicklung beim KI‑gestützten Programmieren
Dogan ordnet das Tempo der Entwicklung beim KI‑gestützten Programmieren ein:
- 2022 lieferten Systeme noch einzelne Codezeilen,
- 2023 bereits ganze Abschnitte,
- 2024 mehrere Dateien und einfache Apps,
- 2025 konnten komplette Code‑Sammlungen erzeugt und umstrukturiert werden.
Ihrer Darstellung nach haben diese Sprünge die Erwartungen und mögliche Effizienzgewinne deutlich erhöht. Zugleich warnt sie, dass es Jahre an Erfahrung braucht, um robuste Muster zu entwickeln; wenn dieses Wissen da ist, fällt Nachbauen deutlich leichter — auch ohne Altlasten.
Boris Cherny: Praxistipps
Boris Cherny, einer der Köpfe hinter Claude Code, gibt praktische Empfehlungen für den Einsatz: Sehr hilfreich sei eine Feedback‑Schleife zur Selbstüberprüfung, die die Qualität um das Zwei‑ bis Dreifache steigern könne. Sein Workflow: meist im „Plan‑Modus“ starten, den Plan mit Claude iterativ verfeinern und nach Zustimmung oft nur einen Durchlauf ausführen.
Weitere Praxistipps von Cherny:
- Bei wiederkehrenden Aufgaben Slash‑Befehle und sogenannte Subagenten nutzen — kleine, spezialisierte Agenten für Routinearbeiten wie Code‑Vereinfachung oder Testläufe.
- Für sehr lange Aufgaben Hintergrund‑Agenten einsetzen, die Ergebnisse nach Fertigstellung prüfen.
- Mehrere Claude‑Instanzen parallel laufen lassen, um verschiedene Tasks gleichzeitig zu bearbeiten.
- Standardmäßig mit dem Modell „Opus 4.5“ arbeiten.
- Claude Code kann externe Tools ansprechen — etwa Slack für Kommunikation, BigQuery für Datenanalyse oder Sentry für Fehlermeldungen.
- Im Code‑Review das Tool direkt in Pull‑Requests markieren, damit die KI etwa Dokumentation ergänzt.
Dogan: Empfehlungen und Abschluss
Dogan empfiehlt Skeptikern, solche Coding‑Agenten in Bereichen zu testen, in denen sie selbst Expert:innen sind. Sie hob außerdem hervor, dass man Konkurrenten Anerkennung zollen könne — die Branche sei kein Nullsummenspiel. Die Aussagen stammen von Dogans Post auf X und den Tipps von Boris Cherny.
Quellen
- Quelle: Anthropic / Google
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
