Engineering
Für CTOs und Entwickler: wie Agent, Harness und Senior-Qualitätskontrolle bei uns zusammenarbeiten. Die Regeln aus 15+ Produktivprojekten seit 2023.
Ihr Team nutzt KI, aber ohne Regeln und Kontrollen? AI-native SDLC. Ihr Team kommt mit dem Backlog nicht hinterher? Senior-Entwickler fürs Team.
Die meisten Claude Code Tipps stammen von Einzelnutzern. Diese sieben sind Teampraktiken: eine kurze CLAUDE.md, die die CI kurz hält, ein gemeinsames Plugin, Permissions und Hooks im Repository, ein Issue zu einem PR, ein Test, der zuerst rot ist, und ein Reviewer, der den Code nicht geschrieben hat.
Claude Code Skills sind Anweisungen in SKILL.md, die der Agent lädt, wenn eine Aufgabe sie braucht. Ein Plugin liefert Skills, Agenten und Hooks als eine Einheit. Wie wir ein Plugin in jedem Repository betreiben und was dabei kaputtging.
Claude Code Subagents teilen Arbeit innerhalb einer Session, Worktrees trennen Dateiänderungen. Unsere Regel aus der täglichen Arbeit mit parallelen Agenten: Subagents lesen nur, jede Änderung bekommt ihren eigenen Worktree und PR. Was kaputtging und wie Sie starten.
Cursor vs Claude Code fürs Team, kein Benchmark: Cursor ist ein Editor mit eingebautem Agenten, Claude Code ist ein Agent, der gleich auf dem Laptop, in der CI und in einem Loop im Hintergrund läuft. Warum unser ganzer Harness auf Claude Code läuft und wann Cursor die bessere Wahl ist.
Regeln für KI-Code im Team gehören ins Repository: eine kurze CLAUDE.md oder AGENTS.md, Lint und Tests für das Wichtigste, Review durch jemand anderen als den Autor. Was hinein gehört, wohin und was nicht.
MCP-Server bauen: stdio oder Streamable HTTP wählen, ein paar Tools mit Schema registrieren, einen Client anbinden und vor dem Betrieb auf einem Server Autorisierung ergänzen. Was wir aus unserem eigenen Prototyp gelernt haben und welche Tools ein Agent bekommen sollte.
KI führen Sie im Entwicklungsteam über gemeinsame Regeln im Repository, Review durch jemand anderen als den Autor und einen Verantwortlichen ein, nicht über die Toolwahl. Ein Plan für die ersten 30 Tage.
Playwright MCP gibt einem KI-Agenten einen echten Browser. Wie wir ihn nutzen, damit der Agent seine eigene Änderung in der laufenden App prüft und PASS oder FAIL mit Screenshots zurückgibt, was das findet, was Unit-Tests übersehen, und wann einfache Playwright-Skripte besser sind.
LLM as a Judge heißt: Ein Sprachmodell bewertet die Arbeit eines anderen Modells anhand schriftlicher Kriterien. Wie wir das bei jedem Pull Request unseres KI-Agenten einsetzen: zuerst maschinelle Checks, dann eine frische Session nur mit Lesezugriff, die widerlegen soll, ein typisiertes Urteil und die Regeln, die nach seinen Fehlern dazukamen.
Wie wir Claude Code Review auf jedem Pull Request mit einer wiederverwendbaren GitHub Action betreiben: was der KI-Reviewer suchen soll, wie er grün blieb und schwieg, was er übersieht und warum nur ein Mensch freigibt.
Ein Claude Code Hook kann bei jedem Lauf bestehen und trotzdem nichts tun: stderr nach /dev/null, ein relativer Pfad, ein || true am Ende. Vier Checks, die das finden, und der Stop-Hook, der „fertig“ blockiert, solange Tests rot sind.
Ein Agent-Harness ist alles um das Modell herum: Regeln, Kontext, Werkzeuge und Kontrolle. Warum ein gemeinsamer Harness fürs Team mehr zählt als ein besseres Modell und wie Sie Regeln teilen.
Was --dangerously-skip-permissions wirklich abschaltet, wie allow-, ask- und deny-Regeln entscheiden, was eine Regel nicht sieht, und unsere drei Ebenen: Regeln auf dem Laptop, Hooks für das, was Regeln übersehen, voller Bypass nur in einer isolierten Umgebung.
Harness Engineering ist der Code um einen KI-Agenten, der entscheidet, was er übernimmt, wann er fertig ist und wer prüft. Unser Loop vom GitHub-Issue zum geprüften PR, der Code dahinter und was kaputtging.
Der Plan Mode von Claude Code erkundet den Code und schlägt einen Plan vor, bevor etwas geändert wird. Das löst eine Session. Im Team muss der Plan die Session überleben: Unserer steht im GitHub-Issue, und ein Read-only-Check prüft die Prämisse gegen den Code, bevor gebaut wird.
KI-Agenten schreiben Tests, die bestehen, nicht Tests, die etwas beweisen. Unser Gate führt jeden neuen Test zuerst gegen den Basis-Branch aus: Besteht er auch dort, ist der PR rot. Das Skript, der Weg in die CI und der Fehler, der ein falsches PASS lieferte.
Spec-driven Development mit KI-Agenten: Schreiben Sie auf, was gebaut wird und woran Sie erkennen, dass es fertig ist, bevor der Agent Code schreibt. Unsere leichtere Version: ein GitHub Issue mit Aufgabentyp und Abnahmekriterien, geprüft von einem maschinellen Gate.
Vibe Coding akzeptiert KI-Output, der fertig aussieht. Agentic Engineering setzt dieselbe KI in einen geschlossenen Loop: Spezifikation, Tests, Hooks, ein Review-Gate und ein Mensch, der merged. Was ohne System bricht, und der Code, der den Loop schließt.
Playwright oder Puppeteer? Bei uns läuft Playwright in End-to-End-Tests, im Website-Audit und in produktiven Crawlern, und wo kein Browser nötig ist, reicht Cheerio. Was sich unterscheidet, wie wir pro Seite entscheiden und was wir bei Puppeteer nicht getestet haben.
Crawlee ist eine Open-Source-Bibliothek für Crawling und Scraping mit Cheerio, Playwright oder Puppeteer. Wie wir sie in Produktion betreiben, was kaputtging und welche Checks einen Crawler erkennen, der ohne Fehlermeldung stirbt.
Claude Code Pricing laut der öffentlichen Preisliste von Anthropic (Oktober 2026): Pro, Max, Team-Seats, Enterprise und API-Tokens. Was zu Entwicklern passt, worauf ein dauerhaft laufender Agent und ein CI-Reviewer laufen, und die Leitplanken, die einen Hintergrund-Agenten davon abhalten, das Budget zu verbrennen.
Wir haben Vercel nicht ersetzt, wir haben die Arbeit aufgeteilt. Next.js-Websites bleiben auf Vercel, neue Apps laufen auf Cloudflare Workers und D1, in TypeScript mit Alchemy beschrieben. Preise mit Quellen, unsere Konfiguration und der blockierte Deploy eines KI-Agenten.
Better Auth vs. Clerk entscheidet sich daran, wo Ihre Nutzer und Sessions liegen. Wir sind in jeder neuen App von NextAuth auf Better Auth gewechselt und haben Clerk nie gewählt. Unsere echte Konfiguration, die Plugins in Produktion, die Clerk-Preise und wann Clerk die bessere Wahl ist.
Drizzle vs Prisma aus zwei ORMs, die wir in Produktion betreiben: Prisma auf Postgres in älteren Kunden-Apps, Drizzle auf Cloudflare D1 in allem Neuen. Echte Konfiguration, der Migrationsablauf, was Prisma 7 geändert hat und wann wir nicht wechseln würden.
Monorepo vs. Polyrepo ist keine Geschmacksfrage. Ein Monorepo zieht eine Code-Grenze, ein Polyrepo eine Zugriffsgrenze. Wir bauen jedes Produkt als Turborepo-Monorepo und führen die Firma als Polyrepo aus Git-Submodulen, und ein KI-Agent arbeitet in beiden. Unsere Configs, die Abwägungen und wie Sie entscheiden.
Ein GitHub Actions Self-hosted Runner ist Ihre eigene Maschine, die CI-Jobs übernimmt. Wir betreiben einen auf Organisationsebene für alle Repositories, wählen ihn über eine Org-Variable mit Fallback auf gehostete Runner, haben ihm den Docker-Socket bewusst genommen und lassen Repositories von Kunden nicht darauf laufen. Die Konfiguration und die Gründe.
Body Shopping gibt Ihnen Entwicklerstunden, die Sie selbst steuern. Ein Senior im Team liefert erledigte Aufgaben und ein Team, das mit KI arbeiten lernt. Im Vergleich mit Outsourcing und Recruiting.
Technische Schulden messen Sie aus der Git-Historie und den Fehlern, ohne teures Tool. Beheben Sie zuerst Code, der sich am häufigsten ändert und die Roadmap blockiert. Ein Leitfaden für CTOs.
Refactoring, wenn der Code das Richtige schlecht macht. Neu schreiben, wenn er das Falsche macht oder Ihnen nicht gehört. Eine Entscheidungstabelle für CTOs, ohne die Roadmap zu stoppen.