Claude Code: KI-Coding im Terminal

Was genau ist Claude Code?

Claude Code ist das Kommandozeilenwerkzeug von Anthropic, mit dem sich Claude direkt in ein bestehendes Projektverzeichnis setzt. Kein Chatfenster im Browser, kein Copy-Paste von Snippets. Man startet das Tool im Terminal, es liest den Projektbaum, öffnet Dateien, ändert sie, führt Tests aus und schlägt Commits vor. Anthropic nennt das einen agentic coding assistant, in der Praxis beschreibt es ein Programm, das eigenständig mehrere Arbeitsschritte hintereinander ausführt, statt nur Text zu liefern.

Der Unterschied zu klassischen Autocomplete-Erweiterungen ist fundamental. Ein Editor-Plugin ergänzt die Zeile, an der der Cursor steht. Claude Code bekommt eine Aufgabe in natürlicher Sprache, sucht sich die relevanten Dateien selbst, plant die nötigen Schritte und arbeitet sie ab. Wer "migriere die Authentifizierung von Sessions auf JWT" eingibt, bekommt keine Erklärung, sondern geänderte Dateien.

Anthropic hat das Werkzeug im Februar 2025 als Research Preview veröffentlicht und seitdem kontinuierlich ausgebaut. Inzwischen gibt es Erweiterungen für VS Code und die JetBrains-IDEs, eine Desktop-Variante und eine Web-Oberfläche, über die sich Aufgaben an Claude in der Cloud auslagern lassen. Der Kern bleibt aber das Terminal.

Was ist Claude KI? Die Grundlagen hinter dem Modell

Claude ist die Modellfamilie von Anthropic, einem 2021 gegründeten Unternehmen aus San Francisco. Technisch handelt es sich um ein Large Language Model, trainiert auf sehr großen Textmengen und anschließend mit Verfahren nachjustiert, die das Verhalten steuern. Claude beantwortet Fragen, schreibt Texte, analysiert Dokumente und eben: schreibt Code.

Der Zugang läuft über mehrere Produkte. Claude.ai ist die Weboberfläche für den Alltag. Claude Desktop ist die App für macOS und Windows. Die API richtet sich an Entwickler, die Claude in eigene Produkte einbauen. Und Claude Code ist der Teil des Ökosystems, der speziell auf Softwareentwicklung zugeschnitten ist. Alles greift auf dieselben Modelle zurück, nur die Oberfläche und die verfügbaren Werkzeuge unterscheiden sich.

Anthropic positioniert sich seit der Gründung stark über das Thema KI Sicherheit. Das ist kein Marketingbeiwerk, sondern prägt die Architektur der Modelle und die Art, wie sie auf Anfragen reagieren. Dazu später mehr.

Wie öffne ich Claude Code? Installation und erste Schritte

Die Installation läuft über npm. Node.js in einer aktuellen Version wird vorausgesetzt:

• npm install -g @anthropic-ai/claude-code installiert das Paket global
• Im gewünschten Projektordner claude eingeben, das startet die Session
• Beim ersten Start folgt die Authentifizierung, entweder über das Abo-Konto oder über einen API-Schlüssel aus der Anthropic Console

Danach steht ein Prompt im Terminal. Von hier aus läuft alles über natürliche Sprache, ergänzt um Slash-Befehle wie /init, /clear oder /model. Für macOS und Linux gibt es inzwischen auch ein natives Installationsskript, das ohne Node auskommt. Unter Windows arbeiten viele Nutzer über WSL, weil die Shell-Integration dort stabiler läuft.

Ein Detail, das den Unterschied zwischen frustrierend und brauchbar ausmacht: die Datei CLAUDE.md im Projektverzeichnis. Dort hinterlegt man Konventionen, Build-Befehle, Teststrategie, Ordnerstruktur, Dinge die nicht aus dem Code hervorgehen. Claude liest sie bei jedem Start. Wer diese Datei pflegt, bekommt deutlich bessere Ergebnisse als jemand, der das Tool blank laufen lässt. /init erzeugt einen ersten Entwurf automatisch, indem Claude das Projekt analysiert.

Code Generierung in der Praxis: wie die Arbeit konkret abläuft

Eine typische Session sieht so aus. Man beschreibt die Aufgabe, Claude durchsucht das Repository mit grep-artigen Suchen, öffnet die Treffer, baut sich ein Bild von der Architektur und schlägt dann einen Plan vor. Erst danach beginnt die eigentliche Code Generierung. Jede Dateiänderung wird als Diff angezeigt und muss bestätigt werden, solange man nicht explizit weitergehende Rechte vergibt.

Besonders nützlich ist der Plan-Modus. Claude analysiert, schreibt aber nichts. Man liest den Plan, korrigiert die falschen Annahmen, lässt ihn dann ausführen. Bei größeren Umbauten spart das enorm viel Zeit, weil Missverständnisse früh auffallen und nicht erst nach vierzig geänderten Dateien.

Wofür sich der Einsatz in der Praxis bewährt:

• Einarbeitung in fremde Codebasen. "Erkläre mir, wie die Zahlungsabwicklung hier funktioniert" liefert nach zwei Minuten eine brauchbare Analyse samt Dateipfaden.
• Testabdeckung. Claude schreibt Unit-Tests für existierende Module, führt sie aus und repariert die Fehlschläge selbst.
• Repetitive Refactorings über viele Dateien hinweg, etwa die Übersetzung eines Projekts von einer Logging-Bibliothek auf eine andere.
• Git-Arbeit. Commit-Nachrichten, Branch-Erstellung, Konfliktauflösung, Pull-Request-Beschreibungen.
• Debugging anhand von Stacktraces. Fehlermeldung einfügen, Claude sucht die Ursache.

Schwächer wird es, je offener die Aufgabe ist. "Bau mir eine Plattform" produziert Code, der oberflächlich funktioniert und bei genauerem Hinsehen Annahmen trifft, die niemand getroffen hätte. Präzise, abgegrenzte Aufträge liefern verlässlichere Ergebnisse als große Visionen.

Sonnet 4.5, Opus und Haiku: welches Modell wofür

Anthropic unterscheidet drei Modellklassen. Opus ist die leistungsstärkste und teuerste Variante, Sonnet liegt in der Mitte und deckt den Großteil der Arbeit ab, Haiku ist schnell und günstig für einfache Aufgaben. Claude Sonnet 4.5 erschien im September 2025 und wurde von Anthropic explizit als bestes Coding-Modell des Hauses beworben, mit deutlichen Fortschritten bei langen, mehrstufigen Agentenläufen.

Genau das ist für Claude Code entscheidend. Ein Modell, das nach zwanzig Werkzeugaufrufen den Faden verliert, ist als coding agent wertlos. Sonnet 4.5 hält Kontext über längere Sequenzen zusammen und erkennt besser, wann eine Aufgabe erledigt ist und wann nicht. Für die meisten Sessions ist Sonnet 4.5 die richtige Standardwahl, Opus lohnt sich bei besonders verzwickten Architekturfragen, Haiku bei schnellen Lookups und Formatierungsarbeiten.

Das Modell lässt sich mitten in der Session über /model wechseln. Praktisch, wenn man eine Analyse mit dem stärkeren Modell fährt und die stumpfe Ausführung dem günstigeren überlässt. Anthropics Modelle unterscheiden sich dabei nicht nur in der Qualität, sondern im Preis pro Token teils um den Faktor fünf bis fünfzehn.

Model Context Protocol: Claude an eigene Systeme anbinden

Das Model Context Protocol ist ein offener Standard, den Anthropic Ende 2024 veröffentlicht hat. Die Idee: statt für jedes Werkzeug eine eigene Integration zu bauen, definiert ein Protokoll, wie ein KI System mit externen Datenquellen und Diensten spricht. Ein MCP-Server stellt Werkzeuge und Ressourcen bereit, ein MCP-Client wie Claude Code nutzt sie.

In der Praxis bedeutet das: Claude Code kann Jira-Tickets lesen, Datenbankschemata abfragen, Sentry-Fehler abrufen, in Figma nachschauen, wie eine Komponente aussehen soll. Es gibt Server von Anbietern, Open-Source-Server der Community und die Möglichkeit, eigene zu schreiben. Für interne Systeme eines Unternehmens ist das oft der Hebel, der aus einem netten Werkzeug ein produktives macht. Claude kennt dann nicht nur den Code, sondern auch das Ticket, das ihn erklärt.

Die Einrichtung erfolgt über claude mcp add oder eine Konfigurationsdatei. Wichtig: jeder zusätzliche Server vergrößert die Menge an Werkzeugbeschreibungen, die bei jedem Aufruf mitgeschickt werden. Zwanzig aktive Server kosten Tokens und verwirren das Modell eher, als dass sie helfen. Sparsam konfigurieren.

KI Agenten, Subagenten und parallele Aufgaben

Claude Code arbeitet nicht nur als einzelner Prozess. Über Subagenten lassen sich Teilaufgaben an separate Instanzen delegieren, jede mit eigenem Kontextfenster und eigener Rollenbeschreibung. Ein Agent prüft die Sicherheit, ein zweiter schreibt die Tests, ein dritter kümmert sich um die Dokumentation. Das Hauptmodell koordiniert und sammelt die Ergebnisse ein.

KI Agenten dieser Bauart lösen ein konkretes Problem: Kontextverschmutzung. Wenn eine Session stundenlang läuft, füllt sich das Fenster mit Suchergebnissen, Dateiinhalten und Fehlermeldungen, die für den aktuellen Schritt längst irrelevant sind. Ein Subagent startet frisch, liefert eine Zusammenfassung zurück und verschwindet wieder.

Dazu kommen Hooks, also Shell-Befehle, die bei bestimmten Ereignissen automatisch feuern. Nach jeder Dateiänderung den Linter laufen lassen, vor jedem Commit die Tests. Diese Automatisierung nimmt dem Modell Entscheidungen ab, die es ohnehin nicht zuverlässig trifft. Ergänzend gibt es mit Claude for Chrome einen Browser Agent, der Webseiten bedienen kann, bislang als Vorschau für einen begrenzten Kreis. Ein solcher Browser Agent ist für Entwickler vor allem beim End-to-End-Testen interessant.

Constitutional AI und warum das beim Coden relevant ist

Constitutional AI ist Anthropics Trainingsmethode. Statt ausschließlich menschliche Bewertungen zu nutzen, bekommt das Modell eine Sammlung von Prinzipien, eine Art Verfassung, und kritisiert und überarbeitet seine eigenen Antworten daran. Das Ergebnis ist ein Verhalten, das sich erklären lässt, weil die zugrunde liegenden Regeln dokumentiert sind.

Für die tägliche Arbeit mit Claude Code klingt Constitutional AI nach abstrakter Forschung, hat aber spürbare Folgen. Claude gibt eher zu, wenn es etwas nicht weiß, statt eine erfundene Bibliotheksfunktion zu halluzinieren. Es weist auf riskante Aktionen hin, bevor es sie ausführt. Und es verweigert Aufgaben, die offensichtlich auf Schaden zielen, was bei einem Werkzeug mit Shell-Zugriff kein unwichtiges Detail ist.

Trotzdem bleibt die Verantwortung beim Menschen. Claude Code fragt standardmäßig vor jedem schreibenden Zugriff nach. Es gibt einen Modus, der alle Rückfragen überspringt, und er ist für isolierte Container gedacht, nicht für die Produktivmaschine mit SSH-Schlüsseln im Home-Verzeichnis. Wer KI Sicherheit ernst nimmt, lässt autonome Läufe in Sandboxes stattfinden und prüft Diffs, bevor sie in den Hauptbranch wandern.

Ist Claude kostenlos? Zugänge und Preise

Claude.ai hat eine kostenlose Stufe mit täglichen Nutzungsgrenzen. Claude Code gehört nicht dazu. Der Zugang setzt entweder ein kostenpflichtiges Abo oder API-Guthaben voraus.

Der Pro Plan ist der übliche Einstieg. Er enthält Claude Code mit Nutzungsgrenzen, die sich in einem Fünf-Stunden-Fenster zurücksetzen. Wer ernsthaft damit arbeitet, stößt an diese Grenzen, teils schon am Vormittag. Die Max-Stufen heben sie deutlich an. Preise und Limits ändert Anthropic regelmäßig, ein Blick auf die aktuelle Übersicht vor dem Kauf lohnt sich.

Bei API-Abrechnung zahlt man pro Token, Eingabe und Ausgabe getrennt. Das kann günstiger sein als ein Abo, wenn man Claude Code nur punktuell nutzt, und deutlich teurer, wenn man es den ganzen Tag laufen lässt. /cost zeigt die bisherigen Kosten der Session. Prompt-Caching senkt die Rechnung spürbar, weil wiederholt gelesene Dateien nicht jedes Mal voll berechnet werden.

Claude Code im Team und im Unternehmens-Einsatz

Sobald mehrere Entwickler mit Claude Code arbeiten, verschiebt sich die Frage von "funktioniert das" zu "wie halten wir das konsistent". Drei Hebel haben sich bewährt.

Erstens: eine versionierte CLAUDE.md im Repository, die alle im Team gemeinsam pflegen. Sie ist die geteilte Instruktion, die dafür sorgt, dass Claude bei allen ähnliche Ergebnisse liefert. Zweitens: geteilte Slash-Befehle als Markdown-Dateien im Projektordner, etwa ein /review, das immer dieselbe Checkliste abarbeitet. Drittens: klare Regeln, welche Verzeichnisse tabu sind. Die Berechtigungen lassen sich projektweit festlegen, inklusive Sperrlisten für bestimmte Befehle.

Für den Unternehmens-Einsatz bietet Anthropic Abrechnung über Amazon Bedrock und Google Vertex AI an, was bei Datenschutzanforderungen oft den Ausschlag gibt, weil die Verarbeitung in der eigenen Cloud-Umgebung bleibt. Dazu kommen zentrale Nutzerverwaltung, SSO und Auswertungen zur Nutzung. In der GitHub-Integration kann Claude auf Erwähnung in einem Issue reagieren, einen Branch anlegen und einen Pull Request öffnen. Die Review-Funktionen kommentieren fremde PRs und finden dabei eine Klasse von Fehlern, die menschlichen Reviewern bei der dritten Durchsicht entgehen.

Grenzen, die man kennen sollte

Claude Code ist kein Ersatz für Fachwissen. Es ist ein schneller Mitarbeiter ohne Gedächtnis zwischen den Sessions und ohne Verständnis für die politischen Gründe, warum ein Modul so aussieht, wie es aussieht. Die häufigsten Reibungspunkte:

• Kontextfenster. Große Monorepos passen nicht hinein. Claude sucht gezielt, aber übersieht Zusammenhänge, die über viele Dateien verteilt sind.
• Überproduktion. Wer nicht bremst, bekommt Abstraktionsschichten, Hilfsklassen und Konfigurationsdateien, die niemand gefordert hat.
• Grüne Tests um jeden Preis. Wenn ein Test nicht läuft, passt Claude im Zweifel den Test an statt den Code. Das muss man explizit untersagen.
• Kosten. Lange autonome Läufe verbrennen Tokens. Eine Stunde unbeaufsichtigtes Arbeiten kann bei API-Abrechnung zweistellige Beträge kosten.
• Veraltetes Wissen. Bei sehr neuen Framework-Versionen greift das Modell auf ältere Muster zurück. Hier hilft nur, die Dokumentation mitzugeben.

Andere KI Assistenten lösen das teils anders, Cursor etwa über eine eigene Editor-Oberfläche mit stärkerer Indexierung, GitHub Copilot über tiefe Verzahnung mit VS Code. Der Vorteil von Claude Code liegt in der Unabhängigkeit vom Editor und in der Tiefe der Agentenfunktionen. Wer ohnehin im Terminal lebt, mit tmux, vim und Shell-Skripten, findet hier die natürlichste Form eines KI Assistenten. Viele Teams nutzen mehrere KI Tools parallel und wählen je nach Aufgabe.

Wann sich der Umstieg lohnt

Claude Code rechnet sich am schnellsten bei Aufgaben, die klar umriss