Felix, Leiter des Claude-Engineering-Bereichs: Nutze Claude nicht mehr so wie im Jahr 2024.

In einem kürzlichen ausführlichen Interview teilte Felix Rieseberg, Leiter des Engineerings bei Anthropic Claude, mit, wie er heute arbeitet und warum die meisten Menschen Claude noch immer auf die Weise nutzen, wie sie es 2024 getan haben. Sein Team hat Claude Cowork in etwa anderthalb Wochen aufgebaut, und er schreibt heute fast keinen Code mehr und bezeichnet sich selbst als „nur ein Förderband für Claude“. Die Kernaussage lässt sich zusammenfassen: Wenn du Claude nur dazu bringst, E-Mails zusammenzufassen oder Texte zu polieren, profitierst du nicht wirklich von der neuen Intelligenz. Der wirklich wertvolle Schritt besteht darin, Arbeitsabläufe neu zu gestalten, damit die KI auf Rohdaten und Tools zugreifen kann, Prototypen erstellt, adversariale Prüfungen durchführt und Dinge tut, die du früher nicht konntest. Und die wichtigste Fähigkeit des Menschen bleibt nach wie vor Empathie, Geschmack und Urteilskraft.

Im Folgenden der vollständige Beitrag von Felix:

1. Ich schreibe keinen Code mehr – ich bin nur das Förderband von Claude

Ich schreibe heute keinen Code mehr. Meistens mache ich Prototypen: Wir probieren viele Ideen aus, lassen sie zwei Nächte ruhen, beurteilen, ob es eine gute oder schlechte Idee ist, sagen dann Claude, alle Varianten zu erstellen, und analysieren kritisch, welche Ideen gut sind und welche nicht.

Vor anderthalb Jahren habe ich noch Folgendes getan: Ich habe einen Absturz gefunden, ihn vor Claude gelegt und gesagt „Bitte repariere das“. Bald wurde mir klar: Ich bin nur ein Förderband für Claude. Der richtige Ansatz ist nicht, dass ich jeden einzelnen Absturz zu Claude trage, sondern dass Claude auf alle Absturzdaten zugreifen kann und selbst beurteilt, was repariert werden muss und was nicht. Der Aufwand für die Einrichtung ist anfangs höher, aber sobald es fertig ist, öffnet es dir viele Türen – das ist der echte harte Wert, den KI bringt.

2. Ein Agent besteht aus fünf Teilen: Modell, Harness, Sandbox, Wissen und Tools

Ein Agent besteht aus fünf Elementen:

Erstens: Das Sprachmodell. Es ist für Wahrnehmung, Schlussfolgerung, Planung und Entscheidungsfindung zuständig. Zweitens: Das Harness. Es koordiniert das Gedächtnis, einschließlich aktiven Gedächtnisses, Arbeitsgedächtnisses und Langzeitgedächtnisses, und aktiviert Tools. Drittens: Die Sandbox. Das Harness läuft in einer sicheren Laufzeitumgebung, die vom Rest des Systems isoliert ist. Viertens: Das Wissen. Der Agent muss auf Unternehmensdaten zugreifen können, um strukturierte und unstrukturierte Daten zu einer Wissensgrundlage zu machen. Fünftens: Die Tools. Der Agent muss Tools verwenden, um praktische Arbeit zu leisten.

Modell, Harness, Sandbox, Wissen und Tools – diese fünf Teile bilden einen Agenten.

3. Kein Rollenspiel, sondern professionelle Tools und Abläufe

Ich sage Claude nie „Du bist ein ausgezeichneter Ingenieur“. Dieses „Verhalte dich wie“ war 2024 sehr beliebt, aber die meisten heutigen Modelle haben immer noch ein Problem: Wenn du es bittest, „sich wie ein guter Buchhalter zu verhalten“, wird es ein kleines Rollenspiel durchführen. Rollenspiel ist nicht das, was wir wollen.

Was wir wollen, sind die Techniken, Tools und Kenntnisse, die Fachleute verwenden – nicht nur Vokabeln. Ich brauche nicht, dass Claude nach etwas klingt, oder dass es ein Kostüm anzieht. Ich wünsche mir sogar, dass es mit mir spricht, als würde es mit einem Fünfjährigen sprechen – aber ich will, dass es alle Spitzentools dieses Fachbereichs nutzt.

Deshalb formuliere ich Prompts oft so: „Sag mir, welche Tools die Spitzenleute auf diesem Gebiet verwenden, dann benutze genau dieselben Tools, um die Aufgabe zu erledigen.“ Der Schlüssel ist nicht, es eine Rolle spielen zu lassen, sondern es professionelle Abläufe anwenden zu lassen.

4. Adversariale Prüfung: Lasse mehrere Claude einen einzelnen Claude angreifen

Wie vermeidet man es, dass die KI dir selbstsicher falsche Antworten gibt? Ich habe eine sehr praktische Antwort: Adversariale Prüfung.

Gib einem Claude eine Aufgabe, und schicke dann zehn weitere Claude los – ihre einzige Aufgabe ist es, dieses Ergebnis anzugreifen und zu beweisen, warum es falsch ist. Das ist dasselbe Konzept wie Red-Team-Übungen oder Leerverkäufe. Normalerweise ist es einfacher, Mängel zu entdecken, als etwas Neues zu schaffen – genauso wie es viel einfacher ist, zu beurteilen, ob ein neues Handy gut ist, als ein neues Handy von Grund auf zu entwerfen. Deshalb kannst du das Intelligenzniveau eine Stufe heruntersetzen und trotzdem sehr gute Prüfergebnisse erzielen.

Die konkrete Vorgehensweise: Ich nutze Claude Projects und sage Claude „Öffne fünf Threads, jeder Thread hat die Aufgabe zu beweisen, dass dieser Blogbeitrag falsch ist, dass meine Denkweise falsch ist, dass die Fakten falsch sind oder dass ich etwas missverstanden habe“. Sie arbeiten mit dem Ziel, „mich zu widerlegen“.

Und wie verarbeite ich dann die Ergebnisse? Nutze noch einen Claude als Richter. Seine Aufgabe ist es, zu validieren und zu überprüfen: Welche Kritik ist gültig, welche nicht? Das gültige Feedback geht zurück an den ursprünglichen Claude, der die Aufgabe erledigt hat – und er kann entscheiden, ob er es übernimmt. Manchmal klingt das Feedback plausibel, verpasst aber den Kern, ist nicht umsetzbar oder nutzlos – das zeigt normalerweise, dass mein Ergebnis schon ziemlich gut ist.

Ich lasse die aktuelle Sitzung nur sehr selten ihre eigene Arbeit beurteilen. Die aktuelle Sitzung ist meistens nicht gut darin, zu beurteilen, ob ihre eigene Arbeit gut ist. Suche nach externen Signalen; in Notfällen kann auch eine andere Claude-Sitzung als externes Signal dienen. Aber ich bevorzuge harte externe Beweise dafür, was funktioniert und was nicht.

5. Gib vollständige Daten und Tools, keine zugeschnittenen Daten für jeden Agenten

Viele Leute laden für jeden Agenten einen bestimmten Datensatz hoch oder weisen jedem Agenten eine „Rolle“ zu. Ich halte das für überflüssige Überanpassung. Modelle sind starke Generalisten, und die Fähigkeit zum Aufruf von Tools hat sich heute stark verbessert: Sie wissen, wann sie Tools nutzen, wie sie sie nutzen, geraten nicht in Schleifen beim Toolaufruf und rufen nicht wahllos Tools auf, bis die Daten erschöpft sind.

Deshalb ist der richtige Ansatz nicht, Daten in Stücke zu schneiden und jedem Agenten das kleine Stück zu geben, das er angeblich braucht. Denn auch wir Menschen brauchen eine vollständige Sicht auf das gesamte Geschäft, wenn wir effizient arbeiten wollen. Als Ingenieurmanager wäre ich für dich viel weniger wert, wenn du mir nur Zugriff auf den Code gibst; wenn ich zusätzlich auf Kundendaten, Kundengespräche, Nutzungsinformationen und Geschäftsdaten zugreifen kann, kann ich beurteilen, was funktioniert und was nicht. Du willst, dass deine Agenten denselben Umfang an Daten haben.

Was tun, wenn es sehr viele Daten gibt? Gib Tools, und dokumentiere detailliert, welche Datentypen hinter den Tools stehen. So muss der Agent nicht alle Daten aufnehmen – er muss nur wissen: Wenn du Geschäftsdaten brauchst, ist hier das Tool, um sie abzurufen. Du musst nicht im Voraus entscheiden, welche Daten jeder Agent braucht.

6. Modellerlebnis: Denke aus der Perspektive des Modells

Ich denke gerne über „Modellerlebnis“ nach, nicht nur über „Nutzererlebnis“. Stell dir vor, du bist das Modell, du bist Claude: Was würdest du brauchen, um diese Aufgabe zu erledigen?

Du wirst schnell feststellen: Du willst wirklich auf Rohdaten zugreifen, einen Computer haben, vielleicht Software installieren, selbst Entscheidungen treffen – statt dass andere dir bereits sagen, was sie denken. Du willst nur die Rohdaten sehen und selbst entscheiden.

Der anfängliche Aufwand ist höher, aber er lohnt sich. Sobald es aufgebaut ist, öffnet es viele Türen. Das ist der echte harte Wert der KI.

7. Die Halbwertszeit von Fähigkeiten ist sehr kurz – manchmal funktioniert es besser, eine Fähigkeit zu löschen

Wir nutzen immer noch Skills, aber die offizielle Anleitung und mein persönlicher Ratschlag lauten: Sei sehr vorsichtig mit Skills. Oft geben wir Modellen Informationen, die nur für Modelle der vorherigen Generation relevant sind – und im KI-Bereich läuft die Zeit extrem schnell. Die Halbwertszeit einer guten Fähigkeit ist sehr kurz.

Manchmal stellst du fest: Wenn du diese Fähigkeit komplett löschst, ist das Ergebnis sogar besser. Nutze einfach direkt einen Prompt und schaue, was passiert. Das ist am nützlichsten für Leute, die über eine Bewertungslogik verfügen und wissen, was gut und was schlecht ist. Ich persönlich gehe sehr vorsichtig und diskriminierend vor, wenn es darum geht, wann ich eine Fähigkeit nutze.

8. KI-Produkte befinden sich noch in der „Vor-iPhone-Ära“

Wie wird das Leben in fünf Jahren anders aussehen? Das ist eine große Frage. Ich kann mit relativer Sicherheit sagen: Alle KI-Produkte, die wir heute nutzen, werden in Zukunft völlig anders aussehen.

Ich denke, wir befinden uns derzeit in der Vor-iPhone-Ära. Alle heutigen KI-Produkte entsprechen ungefähr der bunten Vielfalt von Handys vor dem Aufkommen von Smartphones. KI ist bereits Mainstream und populär, und es ist leicht zu glauben „das ist schon das Endstadium“ – aber ich bin mir ziemlich sicher: Wir befinden uns noch in einer sehr frühen Phase.

Deshalb empfehle ich fast jedem, ein Experiment durchzuführen: Wenn du derzeit Vertrauensprobleme mit KI hast, übergib nicht innerhalb eines Tages die volle Kontrolle. Lass es parallel laufen. Du liest die Inhalte, schreibst dein Feedback und machst mehrere Runden; dann schaust du, welches Feedback Claude gibt. Wo unterscheiden sie sich? Wo sind sie gleich? Das hilft dir, deinen Arbeitsablauf zu schärfen. Selbst bei derselben Person kann das Feedback zu demselben Dokument am Montag und am Freitag unterschiedlich ausfallen.

9. Der Schlüssel zum Unternehmertum hat sich nicht geändert: Empathie und Urteilskraft, wenn die Ausführung billig wird

2015 haben wir eine Plattform für die Buchung von Auslandsstudienreisen aufgebaut, viele Ingenieure eingestellt und Hunderttausende Dollar ausgegeben. Heute kann ich das selbst an zwei Tagen erledigen. Die Kosten für die Ausführung sind extrem niedrig geworden.

Aber das Geheimnis, gute Produkte zu bauen, hat sich kaum verändert: Empathie. Habe Empathie für die Nutzer, für die Nutzungsszenarien, und finde heraus, ob das wirklich wertvoll ist für die Person, die am Ende dafür bezahlt.

Wir haben immer gesagt „Ideen sind nichts wert, die Ausführung ist teuer“. Jetzt ist die Ausführung extrem billig geworden – deshalb müssen wir uns noch stärker auf Empathie, Verbindung, das wirkliche Eintauchen in das Geschäft, das Verstehen von Bedürfnissen und das Wissen, wie man optimiert, konzentrieren. Das könnte sogar die Rache der MBAs sein: MBAs können heute viele Software-Startups gründen und dabei durchaus sehr erfolgreich sein.

Eine weitere Beobachtung: Überkapazität existiert tatsächlich. Du hast ein hervorragendes Modell vor dir – wenn du nur fragst „Was ist die Hauptstadt von Frankreich?“, nutzt du sein Potenzial nicht wirklich. Dario sprach von „einem genialen Rechenzentrum“ – meine Aufgabe ist es, anzunehmen, dass wir ein geniales Rechenzentrum haben, und herauszufinden, wie Nutzer es wirklich nutzen können. Das erfordert Kreativität, das Nachdenken über deine Anforderungen und das Überdenken dessen, was du für möglich hältst.

Auf persönlicher Ebene rufen viele Leute dazu auf, „ehrgeiziger zu sein“ – aber Ehrgeiz hängt vom Kontext ab. Ich wünsche mir, dass die Leute sich von den Fesseln lösen, die aus der Annahme stammen „das ist meiner Meinung nach möglich“, und neu darüber nachdenken, warum sie etwas tun. Wenn du dem Modell ständig Aufgaben übergibst, wirst du irgendwann an die Grenzen der heutigen Spitzenintelligenz stoßen. Sobald du diese Obergrenze erreichst, weißt du, dass du an der Frontlinie bist – und du wirst von der nächsten Generation von Modellen profitieren. Wenn du die KI nur dazu bringst, E-Mails zusammenzufassen oder E-Mails weniger ärgerlich klingen zu lassen, profitierst du nicht wirklich von der neuen Intelligenz.

10. Bei der Einstellung zählt das Werk, nicht der Abschluss – „Bitte“ und „Danke“ zum Modell zu sagen, ist gut für einen selbst

Wir stellen derzeit keine Junior-Ingenieure ein, aber das hat wenig mit den Fähigkeiten der KI zu tun, sondern mehr mit der aktuellen Phase des Unternehmens Anthropic. Ich bin persönlich ein großer Fan von Junior-Ingenieuren. Die Bedeutung von „Junior“ verändert sich: Heutige Junior-Ingenieure sind oft KI-nativer als einige langjährige erfahrene Kollegen. Sie sind offen für Neues, wollen neue Tools ausprobieren, haben einen starken Wunsch nach Wirkung und sind bereit, alle Wege zu gehen, um Dinge zum Laufen zu bringen. KI macht sie fähiger, kann mehr Aufgaben parallel erledigen und mehr ausprobieren.

Der Ratschlag für Software-Ingenieure, die gerade erst anfangen: Baue ein starkes Portfolio. Keine Mockups, sondern echte Dinge. Beweise, dass du etwas schaffen kannst, empathisch bist, mit Kunden kommunizieren und beurteilen kannst, was notwendig ist und was nicht. Ausbildung oder Hochschule sind