Boris Cherny startet jeden Morgen mit einem Blick auf sein Smartphone – und checkt dort nicht E-Mails, sondern den Status von mehreren tausend KI-Agenten, die über Nacht für ihn gearbeitet haben. Der Head of Claude Code bei Anthropic hat seinen Arbeitsalltag grundlegend verändert: Statt Code zu schreiben, orchestriert er eine Flotte autonomer Softwareagenten, die parallel an unterschiedlichen Aufgaben arbeiten, sich gegenseitig prüfen und ihre Ergebnisse iterativ verbessern. Was bei Cherny bereits Realität ist, könnte zum Standard für Entwickler weltweit werden.

Wenn tausende Agenten über Nacht arbeiten

In einem Interview mit Sequoia Capital beschrieb Cherny seinen typischen Workflow: Er lasse regelmäßig „a few thousand“ Agenten über Nacht laufen und überwache deren Fortschritt über sein Telefon. Öffnet er morgens die Claude-App, sieht er fünf bis zehn aktive Sessions, in denen jeweils mehrere Agenten parallel arbeiten. Diese Agenten erledigen keine trivialen Aufgaben – sie schreiben Code, testen ihn, überarbeiten fehlerhafte Implementierungen und dokumentieren ihre Ergebnisse.

Die technische Grundlage dafür bilden zwei Funktionen von Claude Code: Die /loops-Funktion ermöglicht es, Aufgaben lokal über cron zu planen, während Routines wiederkehrende Prozesse serverseitig ausführen. Der entscheidende Vorteil: Die Agenten arbeiten weiter, selbst wenn der Laptop geschlossen ist. Cherny nutzt diese Infrastruktur nicht für experimentelle Projekte, sondern für produktive Arbeit bei Anthropic.

Die Zahlen sprechen für sich: Seit der Einführung von Claude Code ist die Menge des pro Entwickler geschriebenen Codes bei Anthropic um etwa 250 Prozent gestiegen. Gleichzeitig lässt das Unternehmen Claude 100 Prozent aller Pull Requests prüfen – ein Automatisierungsgrad, der noch vor einem Jahr undenkbar gewesen wäre.

Vom Coder zum Orchestrator

Die Rolle des Softwareentwicklers verändert sich durch diese Technologie grundlegend. Statt jede Zeile selbst zu tippen, definieren Entwickler zunehmend Ziele, Rahmenbedingungen und Qualitätskriterien – die eigentliche Implementierung übernehmen spezialisierte Agenten. Cherny beschreibt diesen Wandel als Übergang vom Handwerker zum Manager einer digitalen Belegschaft.

Claude Code bietet dafür mehrere Modi: Im Plan Mode analysiert das System zunächst die Aufgabe und erstellt einen detaillierten Arbeitsplan, bevor es mit der Umsetzung beginnt. Accept Edits ermöglicht es, vorgeschlagene Änderungen mit einem Klick zu übernehmen oder abzulehnen. Subagents übernehmen spezialisierte Teilaufgaben parallel, während Self-verification die Ergebnisse automatisch auf Fehler prüft.

Autonome Entwicklung mit Checkpoints

Anthropic hat Claude Code im April mit einem klaren Fokus auf mehr Autonomie aktualisiert. Die wichtigste Neuerung: Checkpoints für autonome Entwicklung. Das System kann nun längere Arbeitsabläufe selbstständig durchführen, Zwischenstände speichern und bei Problemen zu funktionierenden Versionen zurückkehren. Eine native VS-Code-Extension und ein verbessertes Terminal-Update ergänzen die Funktionalität.

In der Praxis bedeutet das: Ein Entwickler kann Claude Code morgens einen komplexen Refactoring-Auftrag geben, zur Arbeit fahren und abends ein fertiges, getestetes Ergebnis vorfinden. Das System dokumentiert dabei jeden Schritt, sodass nachvollziehbar bleibt, welche Entscheidungen getroffen wurden. Die Agenten arbeiten nicht im Verborgenen – sie protokollieren ihre Überlegungen, Alternativen und Begründungen.

Diese Transparenz ist entscheidend für die Akzeptanz in professionellen Entwicklerteams. Cherny betont, dass es nicht darum gehe, Entwickler zu ersetzen, sondern ihre Produktivität zu multiplizieren. Die kreativen und strategischen Entscheidungen bleiben beim Menschen – die repetitiven und zeitaufwendigen Implementierungsarbeiten übernimmt die KI.

Parallele Spezialisierung statt sequenzieller Abarbeitung

Die Architektur von Claude Code unterscheidet sich grundlegend von klassischen Coding-Assistenten. Statt eine Aufgabe nach der anderen abzuarbeiten, spawnt das System spezialisierte Subagents für verschiedene Aspekte eines Projekts. Ein Agent kümmert sich um die Datenbankanbindung, ein anderer um die API-Implementierung, ein dritter um Tests – und alle arbeiten gleichzeitig.

Diese parallele Arbeitsweise spiegelt wider, wie große Entwicklerteams organisiert sind, nur dass die Koordination automatisch erfolgt. Die Agenten kommunizieren untereinander, stimmen Schnittstellen ab und lösen Konflikte selbstständig. Cherny muss nicht jeden einzelnen Agenten mikromanagen – er definiert die Gesamtarchitektur und greift nur bei strategischen Entscheidungen ein.

Die Ergebnisse dieser Arbeitsweise sind beeindruckend: Projekte, die früher Wochen dauerten, sind nun in Tagen fertig. Nicht weil schneller getippt wird, sondern weil mehr Aufgaben parallel laufen und Wartezeiten eliminiert werden. Ein Entwickler kann mehrere Projekte gleichzeitig vorantreiben, ohne zwischen ihnen hin- und herspringen zu müssen.

Selbstprüfung und iterative Verbesserung

Claude Code implementiert nicht nur Features – es prüft sie auch. Die Self-verification-Funktion testet generierten Code automatisch, identifiziert Fehler und korrigiert sie. Dieser Prozess läuft in Schleifen, bis alle Tests bestehen oder ein definiertes Qualitätsniveau erreicht ist. Die Agenten lernen dabei aus ihren Fehlern und verbessern ihre Lösungsansätze iterativ.

Bei Anthropic durchläuft jeder Pull Request diese automatische Prüfung. Das System analysiert nicht nur syntaktische Korrektheit, sondern auch Codequalität, Performance-Implikationen und Sicherheitsaspekte. Entwickler erhalten detailliertes Feedback, bevor menschliche Reviewer überhaupt involviert werden. Das spart Zeit und erhöht die Qualität des eingereichten Codes.

Die Grenzen der Autonomie

Trotz aller Fortschritte bleibt Claude Code ein Werkzeug, kein Ersatz für menschliche Expertise. Cherny betont, dass strategische Architekturentscheidungen, kreative Problemlösungen und das Verständnis von Geschäftsanforderungen weiterhin menschliche Domänen sind. Die KI exzelliert bei klar definierten Aufgaben mit messbaren Erfolgskriterien – sie versagt bei vagen Anforderungen oder neuartigen Problemstellungen.

Die Qualität der Ergebnisse hängt stark von der Qualität der Anweisungen ab. Entwickler müssen lernen, präzise Spezifikationen zu schreiben, sinnvolle Testkriterien zu definieren und die richtigen Rahmenbedingungen zu setzen. Diese Fähigkeiten unterscheiden sich fundamental vom klassischen Programmieren – sie ähneln eher Projektmanagement und technischer Führung.

Auch die Fehleranalyse bleibt komplex. Wenn ein Agent einen Bug produziert, muss ein Mensch verstehen, warum – und die Anweisungen entsprechend anpassen. Debugging wird zum Debugging von Prompts und Prozessen, nicht nur von Code. Das erfordert ein neues Skillset, das technisches Verständnis mit klarer Kommunikation verbindet.

Was das für eure Entwicklungsteams bedeutet

Die Arbeitsweise von Cherny ist kein Zukunftsszenario – sie ist verfügbar. Claude Code kann bereits heute ähnliche Workflows ermöglichen, wenn Teams bereit sind, ihre Prozesse anzupassen. Die Frage ist nicht, ob diese Technologie kommt, sondern wie schnell ihr sie integriert.

Erfolgreiche Implementierung erfordert mehr als nur Tool-Installation. Teams müssen lernen, in Agenten-Workflows zu denken: Welche Aufgaben lassen sich parallelisieren? Wo sind klare Erfolgskriterien definierbar? Welche Entscheidungen müssen menschlich bleiben? Diese strategische Planung entscheidet über Erfolg oder Misserfolg der KI-Integration.

Die Produktivitätssteigerung von 250 Prozent bei Anthropic zeigt das Potenzial. Aber sie zeigt auch, dass frühe Adopter massive Wettbewerbsvorteile aufbauen. Während einige Teams noch diskutieren, ob KI-Tools sinnvoll sind, skalieren andere bereits ihre Entwicklungskapazität um ein Vielfaches – ohne zusätzliche Headcounts.

Agenten-Management als Kernkompetenz

Die Zukunft der Softwareentwicklung liegt nicht im schnelleren Tippen, sondern im effektiven Management digitaler Arbeitskräfte. Entwickler, die diese Transition meistern, werden gefragter sein als je zuvor – nicht trotz KI, sondern wegen ihr. Die Fähigkeit, komplexe Systeme aus menschlicher Expertise und KI-Agenten zu orchestrieren, wird zur Schlüsselqualifikation.

Cherny demonstriert täglich, wie diese Zukunft aussieht: Morgens die Nacht-Ergebnisse prüfen, tagsüber neue Agenten-Flotten konfigurieren, abends die nächsten Aufgaben anstossen. Sein Laptop ist dabei nur noch Interface, nicht mehr Arbeitsplatz. Die eigentliche Arbeit passiert in der Cloud, verteilt auf tausende spezialisierte Agenten, die nie schlafen und nie Pausen brauchen. Für Unternehmen, die in dieser neuen Realität konkurrenzfähig bleiben wollen, führt kein Weg an dieser Entwicklung vorbei.

businessinsider.com – Anthropic engineer Claude Boris Cherny AI agent use overnight

anthropic.com – Enabling Claude Code to work more autonomously

youtube.com – Claude Code Interview

youtube.com – Claude Code Technical Deep Dive

every.to – How to use Claude Code like the people who built it

(c) Foto: picture alliance