Hatte eine Publikation in "Nature" zusammen mit dem CEO von Anthropic. Er hat mit Claude Code dreijährig gestandene, unvollendete Codes wiederbelebt.

700.000 Zeilen vererbten Codes, Mitarbeiter kamen und gingen, und das hängende Projekt lag drei Jahre lang unangetastet. Erst als der leitende Entwickler Claude Code eine „Anleitung“ schrieb, wurde das Projekt in zwei Wochen abgeschlossen.

Brendan MacLean, der leitende Entwickler am Genomwissenschaftsdepartement der Universität Washington, der fast zwanzig Jahre dort gearbeitet hat, starrte auf den Code auf dem Bildschirm und verzog immer mehr die Stirn.

Dieser Code gehörte zu einem Funktionsmodul von Skyline, dem Dateiansichtspanel, das ein ganzes Jahr lang liegen geblieben war.

Der Entwickler, der ihn geschrieben hatte, schloss sein Studium ab und verließ das Labor, hinterließ ein Halbfabrikat. Früher hätte ein solches hängendes Projekt nur ein Ende gehabt: Es hätte für immer im Archiv gelegen, niemand wagte es, es anzufassen, niemand wollte es anfassen.

Aber diesmal war es anders.

Zwei Wochen später war die Entwicklung dieses Panels abgeschlossen, und in allen endgültigen Code-Einreichungen stand der Name eines gemeinsamen Autors hinzu: Claude.

17 Jahre, 700.000 Zeilen, die Mitarbeiter gingen, der Code blieb

Skyline ist eine Open-Source-Software des MacCoss-Labors, die Forschern hilft, Proteine in Plasma und Gewebe zu detektieren und zu quantifizieren. Sie ist von entscheidender Bedeutung für die Entdeckung von Biomarkern, die Krankheitsforschung und die Arzneimittelentwicklung.

700.000 Zeilen C#-Code, 200.000 automatisierte Tests werden jede Nacht durchgeführt, und die Software wird seit 2008 ständig weiterentwickelt.

Dies ist kein gewöhnliches Labor.

Dario Amodei, Mitbegründer von Anthropic, war einst Mitglied des MacCoss-Labors und schrieb 2012 zusammen mit Brendan einen Artikel in der Zeitschrift Nature Biotechnology.

Damals war Skyline erst vier Jahre in der Entwicklung, und Dario war noch am Radiologie-Department der Stanford-Universität.

Link zum Artikel: https://www.nature.com/articles/nbt.2377

Brendan ist der leitende Entwickler dieses Projekts und die einzige „kernende Bindung“.

In den letzten fast zwanzig Jahren kamen und gingen Studenten, Absolventen verließen das Labor, Postdocs wechselten den Job, und Praktikanten kehrten nach dem Sommerende nicht mehr zurück.

Jedes Mal, wenn eine Gruppe den Job wechselte, blieb der Code zurück, aber die Menschen, die ihn verstanden, fehlten. Bis 2024 gab es Bereiche im Code-Archiv, die wörtlich von niemandem angefasst wurden.

Brendan hat Jahrzehnte damit verbracht, dasselbe zu tun: Neue Mitarbeiter einzuführen.

Er hat sie Schritt für Schritt darin unterrichtet, sich mit dieser riesigen Code-Basis vertraut zu machen, die Beziehungen zwischen den Komponenten zu verstehen und die in 17 Jahren gesammelten Regeln zu kennen. Diese Methodik war ihm wie die Westentasche.

Aber er hätte nie gedacht, dass er eines Tages dieselbe Methodik auf eine KI anwenden würde.

Ein Blitz der Inspiration: Die KI wie einen Praktikanten „einzuführen“

Brendan hat zuerst Claude.ai im Browser getestet.

Die Erfahrung lässt sich mit vier Worten zusammenfassen: Sehr schmerzlich.

Er beschrieb ein Problem, bekam eine Antwort und kopierte dann die gesamte C#-Datei zurück in das Projekt. Es konnte nur isolierte Probleme behandeln, die ohne Bezug auf anderen Code im Projekt beschrieben werden konnten. Sobald es um fortschreitende Änderungen ging, war es völlig hilflos.

Jedes Gespräch fühlte sich wie ein Neuanfang an. Claude wusste nicht, was Skyline war, nicht, wie die Komponenten miteinander verbunden waren, und nicht, was die in 17 Jahren gesammelten Regeln waren.

Warte mal, diesen Schmerzpunkt kannte er nur zu gut. War es das nicht immer so, wenn er neue Mitarbeiter ins Labor einführen musste?

Neue Mitarbeiter wussten nicht, wie das Projekt insgesamt aussah, nicht, wie die Code-Teile zusammenhingen, und nicht, was die ungeschriebenen Regeln waren, die nur die alten Hasen kannten.

Der einzige Unterschied war, dass die neuen Mitarbeiter es langsam lernten, während Claude alles vergessene, sobald das Gespräch beendet war.

Also traf er eine Entscheidung: Er führte Claude Code wie einen Praktikanten ein.

Konkret hat er ein eigenes Code-Archiv namens pwiz-ai erstellt, das speziell für den Kontext für die KI bestimmt ist und vollständig vom Hauptcode-Archiv getrennt ist. Die Datei CLAUDE.md im Stammverzeichnis ist die „Topographiekarte“, die Claude über die Struktur des Projekts, die Kompilierungsweise und den Testablauf informiert.

Projektlink: https://github.com/ProteoWizard/pwiz-ai

Aber die Topographiekarte löst nur das Problem, „wo etwas ist“, nicht das Problem, „wie man es macht“.

Das echte Fachwissen befindet sich in den „skills“. Beispielsweise hat er eine „debugging skill“ geschrieben, die Claude aus dem „Rate-und-Testen“-Modus herausholt.

In der Beschreibung dieser „skill“ steht sehr kategorisch: „Immer laden, wenn Sie Fehler, Fehlschläge oder unerwartetes Verhalten untersuchen.“ So wird Claude gezwungen, eine Ursachenanalyse durchzuführen, bevor es loslegt.

Zusätzlich zur MCP-Integration kann Claude echte Testdaten, Fehlerberichte und Benutzeranfragen lesen.

Mit diesen drei Ebenen von Kontext ist der Effekt sofort spürbar.

Nachdem der Kontext aufgebaut war, sank die Kommunikationskosten, um Claude den Code zu debuggen, dramatisch.

Weil es jetzt schon wusste, was der Code macht. Der Ausgangspunkt der Interaktion ist das Verständnis, nicht mehr eine Leere.

Code, den niemand anfassen wollte, in zwei Wochen abgeschlossen

Nachdem der Kontext aufgebaut war, begann Brendan, damit die seit Jahren angesammelten technischen Schulden abzubauen.

Alles begann vor drei Jahren.

Der Entwickler, der für die Verwaltung der täglichen Tests von Skyline zuständig war, verließ das Labor. Dieser Modul war in Java geschrieben, und der Technologiestack war völlig anders als der von Skyline, das in C# geschrieben ist.

Früher wäre ein solches hängendes Projekt einfach in die Tonne geworfen worden. In akademischen Laboren ist Personalwechsel normal. Jedes unvollendete Projekt war praktisch für immer unvollendet.

Brendans Vorgehensweise war keine Ausnahme. Nachdem der Mitarbeiter gegangen war, fügte er diesem Modul keine neuen Funktionen mehr hinzu. Es blieb so für drei Jahre liegen.

Kürzlich ließ er einen Entwickler von LabKey mit Claude Code ein Konfigurationsdokument schreiben.

Dann fügte er in weniger als einem Tag die seit Jahren gewünschte Funktion hinzu und aktualisierte gleichzeitig das Seitenlayout mit CSS.

Es wurde noch besser.

Skyline hat über 2.000 Tutorial-Screenshots, die früher alle manuell gepflegt wurden. Jetzt sind sie alle automatisiert und fast 100 % reproduzierbar.

Claude hat auch einen C#-MCP-Server geschrieben, damit es die Unterschiede zwischen den Screenshots „sehen“ kann.

Jedes Morgen, bevor Brendan anfangt zu arbeiten, liegt schon die automatisch generierte Tagesbericht in seinem Posteingang, der die fehlgeschlagenen Nacht-Tests, die Fehler und die ungelösten Anfragen zusammenfasst.

Der Entwickler im Labor, der am wenigsten an KI-Programmierwerkzeugen interessiert war, hat jetzt mit Claude Code ein neues Datenvisualisierungspanel erstellt und veröffentlicht.

Diese Veränderung hat sich nicht nur im MacCoss-Labor ereignet.

In derselben Woche zeigte OpenAI eine andere Lösung

Einen Tag vor der Veröffentlichung dieses Blogs von Anthropic hat OpenAI ein Open-Source-Projekt namens Symphony veröffentlicht.

Bisher hat es auf GitHub über 18.000 Sterne erhalten.

Projektlink: https://github.com/openai/symphony

Der Grund war, dass Ingenieure manchmal 3 bis 5 Codex-Sitzungen gleichzeitig haben müssen, aber der Wechsel zwischen den Kontexten treibt einen direkt „wahnsinnig“.

Die Idee von Symphony ist einfach und brutal: Die Linear-Projekt-Tafel wird zum Steuerungszentrum für die KI-Programmierung.

Jeder offene Issue wird automatisch einem Agenten zugewiesen. Der Agent läuft in einer eigenen Arbeitsumgebung kontinuierlich, startet automatisch neu, wenn er abstürzt, und übernimmt automatisch neue Aufgaben.

Der Mensch muss nur noch eines tun: Die Ergebnisse überprüfen.

Laut OpenAIs Statistiken ist die Anzahl der erfolgreich gemergten Pull Requests in einigen Teams in den ersten drei Wochen nach der Einführung von Symphony um 500 % gestiegen.

Aber die sprunghafte Steigerung der Produktivität ist nur die Oberfläche. Die echte Veränderung ist, dass das Team seine Vorstellung von „Arbeit“ völlig überdenkt hat.

Wenn Ingenieure nicht mehr ständig auf die Codex-Sitzungen achten müssen, sinkt die „Wahrnehmungskosten“ für jede Code-Änderung dramatisch.

Möchten Sie ein Umstrukturierungskonzept testen? Legen Sie einfach ein Ticket an. Wenn das Ergebnis nicht zufriedenstellend ist, werfen Sie es einfach weg, die Kosten sind nahezu Null.

Sogar Produktmanager und Designer können in Symphony Feature-Anfragen stellen, ohne das Repository zu klonen oder eine Codex-Sitzung zu öffnen.

Beschreiben Sie die Anforderung in einfacher Sprache, und in ein paar Minuten erhalten Sie ein Review-Paket mit einer Demo-Video.