Claude Code in der Praxis: Wenn ein KI-Agent 12.000 Dateien nach einem Bug durchsucht

Jens Kneifel hat im Schulterblick gezeigt, wie agentische KI direkt auf dem eigenen Rechner arbeitet. Und warum ein Agent im Kern nichts anderes ist als ein Ordner mit Textdateien.

Claude Code in der Praxis: Wenn ein KI-Agent 12.000 Dateien nach einem Bug durchsucht
Prompting Lab: "Mit Claude Code durchstarten"

Jens Kneifel hat im Schulterblick gezeigt, wie agentische KI direkt auf dem eigenen Rechner arbeitet. Und warum ein Agent im Kern nichts anderes ist als ein Ordner mit Textdateien.


Nach einem Update der Software auf der Firmen-Homepage ist ein Bug aufgetreten, den einfach niemand fand: Sobald jemand etwas an der Webseite änderte, verschwanden plötzlich die eingetragenen Ansprechpartner. Jens Kneifel probierte alles, doch bei einer über Jahre gewachsenen WordPress-Seite mit unzähligen Unterordnern, Plugins und Abhängigkeiten war die Ursache nicht aufzuspüren. Also lud er kurzerhand 12.000 Dateien vom Server herunter, übergab sie an Claude Code, was unproblematisch war, da hier keine User- oder personenbezogenen Daten enthalten sind, da abgetrennt in einer Datenbank. Der Befehl war schlicht: finde den Bug und eine kurze Beschreibung des Fehlers. Eine halbe Stunde später lag die Antwort auf dem Tisch, versteckt in wenigen Zeichen einer Datei, die er von Hand nie angefasst hätte.

Warum ein Agent kein Chatbot ist

Jens leitet den Fachbereich Künstliche Intelligenz bei der Forschungsgemeinschaft Werkzeuge und Werkstoffe (FGW) in Remscheid und arbeitet viel an der Grenze zwischen Modell und eigenem Rechner. Claude Code ist ein agentisches System: Es läuft lokal, in der Kommandozeile, und schlägt die Brücke zwischen der Power eines KI-Modells und den Dateien auf dem eigenen PC. Der entscheidende Unterschied zum Chat: Ein Chat-Assistent will vor allem eine Antwort liefern, die für uns zufriedenstellend klingt. Ein Agent will das Ziel erreichen, das man ihm gesetzt hat, und hört dafür nicht so schnell auf. Für Aufgaben nach dem Muster „mach mal dies und das“ ist ein Agent daher klar im Vorteil, fürs Erstellen von Texten oder Recherchen bleibt der klassische Chat oft die bessere Wahl.

Ein Agent ist nur ein Ordner mit Textdateien

Jens' Lieblingsübung: entmystifizieren. In der simpelsten Form ist ein KI-Agent nichts weiter als ein Ordner mit Unterordnern und Textdateien. Dort stehen Instruktionen in Markdown, die vor jeder Aufgabe mitgelesen werden. Es gibt sogar ein ganz frisches Google-Paper, das genau dieses Prinzip in ein Standardformat gießt. Skills, Plugins und die CLAUDE.md-Datei, die wie der Systemprompt des Agenten funktioniert, folgen alle demselben Muster. Der Charme daran: Der Ordner funktioniert auch in einem Jahr noch, selbst wenn sich die Modelle darunter komplett verändert haben.

Effort und Goal: die Stellschrauben, die kaum jemand kennt

Zwei Einstellungen hebt Jens hervor, weil selbst erfahrene Kolleginnen und Kollegen sie oft übersehen. Effort steuert, wie tief das Modell nachdenkt. „High“ ist der Standard, und dann gibt es unter anderen noch einen Modus namens „ultracode“, der für die Erstellung komplexer Workflows wunder wirkt, aber bei einer simplen Frage wie nach dem Ergebnis aus "1 plus 1" gleich eine Armada an Agenten losschickt, in einer Art Abstimmung darüber debattieren lässt und nach exorbitantem Aufwand mit tausenden verbrannten Tokens das Ergebnis "2" verkündet. Unterhaltsam, aber nichts für den Alltag. Goal wiederum legt ein Dach über den ganzen Lauf: nicht aufhören, bis dieses Ziel erreicht ist. So verschwindet das Ziel nicht im Kontextfenster, und die Ergebnisse werden spürbar besser.

One Shot statt Babysitting

Daraus ergibt sich Jens' bevorzugte Arbeitsweise: vorher gründlich nachdenken, alle Dateien und eine gute CLAUDE.md vorbereiten, einen ausführlichen Goal-Prompt schreiben und das Ganze dann im Alleingang fliegen lassen. Die Alternative wäre, ständig danebenzusitzen und Rückfragen zu beantworten, und das fühle sich schnell so an, als würde man für das Modell arbeiten statt umgekehrt. Lieber vorher denken und sich hinterher davon überraschen lassen, wie gut ein einziger Durchlauf funktioniert hat.

Live gezeigt: Bug gefunden, Seite läuft

Zum Abschluss ging es an ein echtes Beispiel. Jens legte einen Ordner an, warf eine defekte HTML-Datei hinein, die sich nicht anzeigen ließ, und schrieb eine winzige CLAUDE.md, die den Agenten zum HTML-Debugger machte. Dann sagte er Claude in normaler Sprache, im Ordner liege eine HTML-Datei mit einem Bug, die falsch dargestellt werde, und bat um eine Korrektur. Den Dateinamen nannte er nicht einmal. Claude durchsuchte den Ordner, fand einen nicht geschlossenen Kommentarbereich, behob ihn, und die Seite wurde wieder korrekt angezeigt. Alles live, in den letzten Minuten der Session.

Ein Wort zur Vorsicht: Es gibt einen Modus, der riskante Freigaben automatisch überspringt, früher „--dangerously-skip-permissions“, heute „—enable-auto-mode“. Praktisch, aber selbst eine Sicherheitsexpertin bei Meta hat sich damit schon ihre komplette lokale Codebasis gelöscht. Jens' Faustregel: Solange man in einem klar abgegrenzten Ordner bleibt, ist das Risiko überschaubar.

Über das Prompting Lab:
Das Prompting Lab ist das wiederkehrende Online-Format von Safari für alle, die KI in der Praxis nutzen wollen, vom Einstieg bis zur Vertiefung. Ein geschützter Raum für Use Cases, Tipps und Austausch. Ergänzend gibt es die KI-Werkstatt in Mainz: ein Mix aus Hackathon und gemeinsamer Fallarbeit im Gutenberg Digital Hub.

Weitere Prompting Lab Themen im Juli:

  • Online-Marketing zusammen denken. Mit KI als Helfer. (10. Juli)
  • Prompting für Informationssicherheit & GRC: GenAI, Rovo & Andere im Praxiseinsatz (17. Juli)
  • KI in der Medizin: Warum Algorithmen allein das Gesundheitswesen nicht retten (24. Juli)
  • Wie gut versteht die KI deine Website? (31. Juli)
Mehr erfahren
CTA Image

Worauf du achten solltest, wenn du mit Claude Code durchstarten willst, erfährst du in der Aufzeichnung.

Jetzt anmelden um die Aufzeichnung zu sehen