Zurück zum AI-Toolkit

AiLoft · AI-Toolkit · Leitfaden

AI-CODING Harness

Softwareentwicklung im KI-Zeitalter

Das Modell schreibt den Code. Der HarnessDie Laufzeitumgebung um ein Sprachmodell: Kontext, Werkzeuge, Rechte, Sandbox, Prüfschleifen und Orchestrierung. Sie macht aus einem Modell, das Text erzeugt, einen Agenten, der in einem Repository arbeitet — alles am Agenten außer dem Modell selbst. entscheidet, ob daraus Produktionssoftware wird: was das Modell über Ihr System weiß, was es ausführen darf und wie jedes Ergebnis geprüft wird, bevor es live geht. Vier Kapitel zeigen, wie Softwareentwicklung mit KI-Agenten heute aufgebaut sein muss — mit Belegen statt Versprechen.

Stand jede Zahl mit Quelle

01 02 03 04 05 06 MODELL der Kern
  1. 01 Kontext Spezifikation, CLAUDE.md, Repository-Wissen, Gedächtnis
  2. 02 Werkzeuge Dateien, Shell, Git, MCP-Server, Browser
  3. 03 Rechte & Sandbox Freigabemodi, Deny-Regeln, isolierte Ausführung
  4. 04 Prüfschleifen Tests, Typen, Hooks, Review-Agenten
  5. 05 Orchestrierung Subagenten, parallele Worktrees, Hintergrundaufgaben
  6. 06 Betrieb CI/CD, Telemetrie, Richtlinien, Audit

Kapitel 01 · Der Prozess

Agenten bauen. Tore entscheiden.

KI verstärkt, was schon da ist — gute Praktiken genauso wie schlechte.1 Ein moderner SDLCSoftware Development Life Cycle: der ganze Weg einer Änderung — von der Anforderung über Entwicklung, Test und Auslieferung bis in Betrieb und Wartung. verlagert die Arbeit deshalb nach vorn, in Spezifikation und Kontext, und nach hinten, in Prüfung und Freigabe. Die Mitte übernehmen Agenten. Wer nur die Mitte beschleunigt, verschiebt den Engpass ins Review: DORA spricht von einer „Prüfsteuer“ auf KI-erzeugten Code.3

90 %

nutzen KI bei der Arbeit. 30 % vertrauen dem erzeugten Code wenig oder gar nicht.1

+19 %

mehr Zeit brauchten erfahrene Entwickler mit KI im Feldversuch — und hielten sich dabei für 20 % schneller. Die Folgestudie 2026 sieht eher einen Gewinn, kann ihn aber nicht belastbar messen.4,5

44 %

der Codieraufgaben, bei denen KI eine riskante Sicherheitslücke einbaute. 2025 waren es 45 % — größere Modelle helfen kaum.7,6

6,6 %

vertrauen KI auch bei wichtigen Entscheidungen. 48 % nur dann, wenn sich das Ergebnis leicht prüfen lässt.8

Die Schleife in acht Phasen

Jede Phase hat dieselbe Dreiteilung: Was der Agent übernimmt, was automatisch geprüft wird, was ein Mensch entscheidet. Wählen Sie eine Phase.

  • Freigabe durch einen Menschen
  • automatisches Tor
01 / 08

Spezifizieren

Aus einem Wunsch wird eine prüfbare Anforderung — mit Akzeptanzkriterien, Randfällen und dem, was ausdrücklich nicht gebaut wird.

Agent übernimmt

Stellt Rückfragen, formuliert Akzeptanzkriterien und Randfälle aus und legt die Spezifikation als Datei im Repository ab.

Automatisch geprüft

Die Spezifikation ist versioniert und mit dem Ticket verknüpft. Ohne Akzeptanzkriterien startet keine Umsetzung.

Mensch entscheidet

Entscheidet Was und Warum: Nutzen, Umfang, Priorität. Die Fachseite nimmt die Kriterien ab.

Werkzeuge Spec KitKiroIssue-VorlagenPlan-Modus

Leitplanken vorher, Sensoren nachher

So beschreibt Birgitta Böckeler, was ein HarnessDie Laufzeitumgebung um ein Sprachmodell: Kontext, Werkzeuge, Rechte, Sandbox, Prüfschleifen und Orchestrierung. Sie macht aus einem Modell, das Text erzeugt, einen Agenten, der in einem Repository arbeitet — alles am Agenten außer dem Modell selbst. leistet:9 Leitplanken erhöhen die Chance, dass der Agent es gleich richtig macht. Sensoren melden zurück, was schiefging, damit er sich selbst korrigiert. Anthropic zieht die Grenze schärfer: Was jedes Mal passieren muss, gehört in einen Hook, eine Deny-Regel oder eine verwaltete Einstellung — CLAUDE.md ist für Leitlinien.10

Leitplanken · vorher

  • Spec-driven DevelopmentZuerst entsteht eine überprüfbare Spezifikation mit Akzeptanzkriterien, daraus Plan und Aufgaben — erst dann Code. Die Absicht, nicht der Code, ist die Quelle der Wahrheit. mit Akzeptanzkriterien
  • CLAUDE.md / AGENTS.mdKontextdateien im Repository, die der Agent bei jedem Start liest: Befehle, Konventionen, Grenzen. AGENTS.md ist herstellerübergreifend und laut Linux Foundation in über 60.000 Open-Source-Projekten im Einsatz. mit Befehlen und Grenzen
  • Skills: Fachwissen, das nur bei Bedarf lädt
  • Architekturregeln und Freigabelisten für Pakete

Sensoren · nachher

  • Compiler, Typprüfung, Linter — nach jeder Änderung per HookEin Skript, das der Harness an festen Punkten selbst ausführt — etwa vor jedem Werkzeugaufruf. Hooks blockieren Aktionen, erzwingen Formatierung und Tests oder protokollieren. Anders als eine Anweisung im Prompt greifen sie jedes Mal.
  • Tests, die mit „bestanden“ oder „durchgefallen“ antworten
  • Review-Agenten mit frischem Kontext — getrennt vom Autor11
  • Sicherheitsprüfung und Paketabgleich gegen SlopsquattingAngreifer registrieren Paketnamen, die Sprachmodelle erfinden. Übernimmt ein Agent den erfundenen Namen ungeprüft, installiert er fremden Code.15

Was sich verschiebt

  1. Engpass Code schreiben Code prüfen
  2. Quelle der Wahrheit der Code die Spezifikation12
  3. Wissen Köpfe und Wiki Kontextdateien im Repository — Context EngineeringDie Disziplin, dem Modell genau die Informationen bereitzustellen, die es für die Aufgabe braucht — nicht mehr und nicht weniger. Im Technology Radar von Thoughtworks seit April 2026 im Ring „Adopt“.13
  4. Review Formalität Haupttor mit Prüfnachweis
  5. Sicherheit Pentest vor dem Release Prüfung bei jeder Änderung20

Das Fundament: sieben Fähigkeiten nach DORA

Ohne sie verstärkt KI das Durcheinander, statt es aufzulösen. Das AI Capabilities Model von Google DORA nennt sieben Fähigkeiten, die den Nutzen von KI erst freisetzen.2

  1. 01 Klare, kommunizierte KI-Haltung Was erlaubt ist, welche Werkzeuge freigegeben sind, wer haftet. Nur 24 % der Entwickler berichten von freigegebenen Werkzeugen oder einer offiziellen Richtlinie ihres Arbeitgebers.8
  2. 02 Gesunde Datenlandschaft Saubere, zugängliche Daten. KI verstärkt die Qualität der Daten, auf die sie trifft.
  3. 03 KI-zugängliches internes Wissen Dokumentation und Architekturentscheidungen so abgelegt, dass Agenten sie finden und lesen dürfen.
  4. 04 Starke Versionskontrolle Kleine Commits, Zurückrollen ohne Angst. Bei hohem Änderungstempo die wichtigste Sicherung.
  5. 05 Arbeiten in kleinen Schritten Verstärkt den positiven Einfluss von KI auf die Produktleistung und reduziert Reibung.2
  6. 06 Nutzerzentrierung Fehlt sie, kann KI die Teamleistung sogar verschlechtern.2
  7. 07 Hochwertige interne Plattformen Sie entscheiden mit darüber, ob sich der Wert von KI überhaupt erschließt.1

„KI-Codierassistenten sind kein Ersatz für erfahrene Entwickler. Ein ungezügelter Einsatz kann schwerwiegende Folgen für die Sicherheit haben.“

BSI und ANSSI, gemeinsame Empfehlung (eigene Übersetzung)19

Kapitel 02 · Der Harness

Warum Claude Code der Maßstab bleibt. Und wo Open Source die bessere Wahl ist.

Gemessen an Verbreitung, Ergebnissen und Sicherheitsvoreinstellungen führt Claude Code das Feld der Coding-Harnesses an. Die freien Werkzeuge sind stark, wachsen schnell und sind in drei Situationen die bessere Wahl. Beides gehört auf den Tisch — und auch, was gegen Claude Code spricht.

65,5 %

Am meisten im Einsatz

Unter Entwicklern, die Coding-Agenten nutzen, ist Claude Code das meistverwendete Werkzeug — vor GitHub Copilot mit 58,7 %.21 Im Arbeitsalltag sind es laut JetBrains rund 39 %.22

+6,3

Modell und Harness aus einem Haus

Anthropic misst die eigenen Modelle im eigenen Harness — die Benchmarkwerte von Opus 5.5 entstehen „mit Claude Code im --bare-Modus“.23 In Terminal-BenchOffener Benchmark, in dem Agenten echte Aufgaben im Terminal lösen — vom Kompilieren bis zum Serverbetrieb. Gemessen wird immer die Kombination aus Modell und Harness. 2.1 hebt Claude Code dasselbe Opus 4.6 gegenüber einem neutralen Harness von 63,8 auf 70,1 %. In Version 2.0 lag der neutrale Harness noch vorn: Der Effekt ist real, aber nicht garantiert.24

1 + 2

Vorn auf der aktuellen Rangliste

Auf Terminal-Bench 4.0 belegt Claude Code mit Opus 5.5 (64,85 %) und Sonnet 5.5 (61,82 %) die Plätze eins und zwei.25 Einschränkung: Epoch AI stuft Version 4.0 als fehlerbehaftet ein, 30 von 66 Aufgaben haben Bewertungsmängel.26

33

Kontrollen, die jedes Mal greifen

HookEin Skript, das der Harness an festen Punkten selbst ausführt — etwa vor jedem Werkzeugaufruf. Hooks blockieren Aktionen, erzwingen Formatierung und Tests oder protokollieren. Anders als eine Anweisung im Prompt greifen sie jedes Mal. an 33 Ereignissen des Lebenszyklus, Deny-Regeln, die in jedem Modus gelten, eine SandboxIsolierte Ausführung, vom Betriebssystem erzwungen: Befehle des Agenten schreiben nur in freigegebene Verzeichnisse und erreichen nur freigegebene Netzwerkziele. In Claude Code unter macOS über Seatbelt, unter Linux über bubblewrap. auf Betriebssystemebene und zentral verwaltete Richtlinien.27,28,29 Das zählt, weil Menschen Rückfragen kaum noch prüfen: Laut Anthropic werden rund 93 % aller Freigabedialoge bestätigt.30

> 90 %

Im eigenen Haus erprobt

Laut S-1-Antrag zum Börsengang stammten im September 2026 über 90 % der Beiträge zu Anthropics Codebasis von Claude.35 Anthropic führt inzwischen über 30.000 Änderungen pro Tag zusammen.36

8

Ein Harness auf allen Wegen

Terminal, IDE, Desktop, Web, GitHub Actions, GitLab CI/CD, Slack und das Agent SDK — überall dieselben Regeln, Hooks und Subagenten. Bezug auch über Amazon Bedrock, die Agent Platform von Google Cloud und Microsoft Foundry.37 Anthropic ist nach ISO 27001, ISO/IEC 42001 und SOC 2 zertifiziert.38

Wer führt, hängt davon ab, was man misst

Drei Messlatten, drei Ranglisten. Nach Nutzung führt Claude Code,21 nach Tokens über OpenRouter Hermes Agent,39 nach GitHub-Sternen ebenfalls Hermes.40 Wer nur eine zeigt, hat das Ergebnis vorher gewählt.

Welche Coding-Agenten haben Sie im letzten Jahr genutzt?

  1. Claude Code 65,5 %
  2. GitHub Copilot 58,7 %
  3. OpenAI Codex 29,5 %
  4. Cursor 25,5 %
  5. Google Antigravity 16 %
  6. Gemini Code Assist 14,6 %
  7. OpenCode 13,6 %
  8. Cline 4,5 %
  9. pi 4,4 %
  10. Kilo Code 3,2 %
  11. Aider 2,1 %
Stack Overflow Developer Survey 2026 · n = 12.255 Auswahl, Mehrfachnennungen möglich. Hermes Agent wurde in dieser Frage nicht abgefragt; bei den Orchestrierungs-Frameworks nennen ihn 10,2 % (n = 4.400).

Fähigkeiten im Vergleich

Claude Code gegen die meistgenutzten freien Harnesses. Bewertet ist, was die Hersteller dokumentieren — nicht, was sich mit Erweiterungen nachrüsten lässt.

  • dokumentiert
  • teilweise oder eingeschränkt
  • nicht vorhanden
  • nicht belegt
Fähigkeit Claude Code Hermes Agent OpenCode Codex CLI Cline Kilo Code pi OpenHands
Träger AnthropicNous ResearchAnomalyOpenAICline Bot Inc.AnacondaEarendil WorksAll Hands AI
Lizenz proprietärMITMITApache-2.0Apache-2.0MITMITMIT
GitHub-Sterne 153,5 Tsd.257,6 Tsd.222,2 Tsd.131,1 Tsd.70,9 Tsd.27,8 Tsd.118,2 Tsd.92,0 Tsd.
Freie Modellwahl, lokale Modelle nicht vorhanden nur Claude dokumentiert dokumentiert teilweise oder eingeschränkt OpenAI, lokal über Ollama dokumentiert dokumentiert dokumentiert dokumentiert
SubagentEin eigenständiger Agent mit eigenem Kontextfenster, eigenen Werkzeugrechten und auf Wunsch eigenem Modell. Er erledigt eine Teilaufgabe und gibt nur das Ergebnis zurück — der Hauptkontext bleibt sauber. dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert nicht vorhanden bewusst weggelassen dokumentiert
HookEin Skript, das der Harness an festen Punkten selbst ausführt — etwa vor jedem Werkzeugaufruf. Hooks blockieren Aktionen, erzwingen Formatierung und Tests oder protokollieren. Anders als eine Anweisung im Prompt greifen sie jedes Mal. dokumentiert dokumentiert teilweise oder eingeschränkt über Plugins dokumentiert dokumentiert teilweise oder eingeschränkt über Plugins teilweise oder eingeschränkt dokumentiert
SandboxIsolierte Ausführung, vom Betriebssystem erzwungen: Befehle des Agenten schreiben nur in freigegebene Verzeichnisse und erreichen nur freigegebene Netzwerkziele. In Claude Code unter macOS über Seatbelt, unter Linux über bubblewrap. dokumentiert dokumentiert nicht belegt dokumentiert nicht belegt nicht belegt nicht vorhanden dokumentiert Docker, optional
Rechte mit Rückfrage dokumentiert teilweise oder eingeschränkt keine Rückfrage vor Schreibzugriffen dokumentiert dokumentiert dokumentiert dokumentiert nicht vorhanden läuft mit allen Rechten des Nutzers dokumentiert
MCPModel Context Protocol: offener Standard, über den Agenten Werkzeuge und Datenquellen anbinden — Ticketsystem, Datenbank, Monitoring. Seit Dezember 2025 bei der Agentic AI Foundation der Linux Foundation. dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert teilweise oder eingeschränkt dokumentiert
CLAUDE.md / AGENTS.mdKontextdateien im Repository, die der Agent bei jedem Start liest: Befehle, Konventionen, Grenzen. AGENTS.md ist herstellerübergreifend und laut Linux Foundation in über 60.000 Open-Source-Projekten im Einsatz. dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert dokumentiert
Headless und GitHub dokumentiert teilweise oder eingeschränkt headless ja, keine GitHub Action dokumentiert dokumentiert teilweise oder eingeschränkt CLI headless, Workflows als Beispiel teilweise oder eingeschränkt teilweise oder eingeschränkt dokumentiert
Herstellerdokumentation und Repositorys, abgerufen am 27.10.2026; Sterne über die GitHub-API.

Was gegen Claude Code spricht

  • Proprietär Der Quellcode ist nicht offen, das Binary darf nicht verändert werden.41,42
  • Nur Claude-Modelle Kein freier Modellwechsel und keine lokalen Modelle; Claude-Abonnements gelten nur in Anthropics eigenen Anwendungen.37,42
  • Störungen und Rückschritte Die Statusseite verzeichnet zwischen 4. August und 27. Oktober 2026 50 Störungen der Claude-Dienste, viele mit Bezug zu Claude Code. Dazu zwei öffentlich eingeräumte Qualitätsrückschritte, im September 2025 und im April 2026.43,44,45
  • Kosten Anthropic nennt für Unternehmen rund 150 bis 250 US-Dollar je Entwickler und Monat; Agent-Teams verbrauchen deutlich mehr.46

Drei Situationen, in denen Open Source die bessere Wahl ist

  1. Daten dürfen das Haus nicht verlassen Freie Harnesses laufen mit lokalen Modellen über Ollama, vLLM oder llama.cpp — vollständig im eigenen Rechenzentrum. Claude gibt es nur als Cloud-Dienst, direkt bei Anthropic oder über die großen Cloud-Anbieter.37
  2. Modellfreiheit ist Teil der Strategie OpenCode bindet über 75 Anbieter an, lokale Modelle eingeschlossen.53 Kontextdateien und Skills sind portabel: AGENTS.md und Agent Skills liegen inzwischen beide bei der Agentic AI Foundation.14,54
  3. Das Werkzeug selbst muss prüfbar sein Quellcode unter MIT oder Apache 2.0 lässt sich auditieren, anpassen und selbst betreiben. Dafür tragen Sie die Volatilität — siehe unten.

Bewegung im Feld 2026

  • Roo Code am 15.05.2026 eingestellt, Repository archiviert47
  • Continue von Cursor übernommen, Repository nur noch lesbar48
  • Gemini CLI wird durch die nicht quelloffene Antigravity CLI abgelöst49
  • Aider letzte Version im Februar 2026, kein MCP50
  • Kilo Code am 15.07.2026 von Anaconda übernommen51
  • Cline Lieferkettenvorfall im Februar 2026: kompromittiertes npm-Paket, rund acht Stunden online52

Kapitel 03 · Model Routing

Smartes Model Routing reicht bei Weitem nicht.

Ein Model RouterEine Vorschaltstufe, die je Anfrage entscheidet, welches Modell sie bekommt — meist nach Aufgabentyp, Schwierigkeit und Kosten. beantwortet genau eine Frage: Welches Modell bekommt diese Anfrage? Über Produktionsreife entscheiden andere Fragen — was das Modell über Ihr System weiß, was es ausführen darf, woran es merkt, dass es falsch liegt. Die beantwortet der Harness.

A Router allein Welches Modell antwortet?
Anfrage Router Modell AModell BModell C Antwort · ungeprüft
B Router im Harness Was sieht es? Was darf es? Was wird geprüft?
Betrieb
Freigabe
Prüfschleifen
Rechte & Sandbox
Werkzeuge
Kontext
Router Modell AModell BModell C
Änderung · geprüft · freigegeben

Gleiches Modell, anderer Harness

Terminal-Bench 2.1 hat jedes Modell zweimal gemessen: im Harness seines Herstellers und in einem neutralen Referenz-Harness. Bei GPT-5.4 liegen dazwischen 22,5 Punkte — mehr als zwischen vielen Modellgenerationen.

  • Harness des Herstellers
  • Neutraler Harness (Terminus 2)
  1. GPT-5.4 Codex CLI +22,5 Codex CLI 77,3 %, Terminus 2 54,8 %
  2. GPT-5.3-Codex Codex CLI +10,6 Codex CLI 79,1 %, Terminus 2 68,5 %
  3. Claude Opus 4.6 Claude Code +6,3 Claude Code 70,1 %, Terminus 2 63,8 %
  4. Claude Sonnet 4.6 Claude Code +7,0 Claude Code 58,5 %, Terminus 2 51,5 %
  5. Gemini 3 Flash Gemini CLI +2,7 Gemini CLI 56,9 %, Terminus 2 54,2 %
  6. Gemini 3.1 Pro Gemini CLI −3,6 Gemini CLI 67,1 %, Terminus 2 70,7 %
Terminal-Bench 2.1 · Ankündigung vom 06.05.2026 Modelle aus dem Frühjahr 2026. Rechts der Abstand in Prozentpunkten; bei Gemini liegt der neutrale Harness vorn.

Sechs Dinge, die kein Router löst

Kontext

Der Router sieht die Anfrage, nicht Ihr Repository. „Die meisten Agentenfehler sind keine Modellfehler mehr, sondern Kontextfehler.“66 Welche Dateien, Konventionen und Schnittstellen zählen, entscheidet der Harness.

Cache

Jedes Modell hat einen eigenen Prompt-CachingDer Anbieter hält den bereits verarbeiteten Anfang einer Anfrage vor. Folgeanfragen mit gleichem Anfang kosten nur einen Bruchteil — solange Modell und Präfix gleich bleiben.; ein Wechsel berechnet den ganzen Kontext neu.60 Ein Treffer kostet je nach Modell 2,5 bis 10 Prozent des Eingabepreises, ein Neuaufbau das 1,25-Fache.62 Laut Anthropic ist es nach 100.000 Tokens teurer, für eine leichte Frage auf Haiku zu wechseln, als Opus antworten zu lassen.61

Passung

Modelle brauchen unterschiedliche Prompts und Werkzeugformate. In einer Studie vom Oktober 2026 kehren sich Ranglisten zwischen Harnesses sogar um: Claude liegt in OpenHands 7,9 Punkte vor GPT, in pi 30,2 Punkte dahinter.63

Rechte

Routing kennt keine Berechtigungen. Die bekannten Vorfälle — Nx, Amazon Q, Clinejection — passierten in Rechten, Tokens und Pipelines, nicht bei der Modellwahl.67,68,69 Die OWASP Top 10 für agentische Anwendungen führen Zielübernahme und Werkzeugmissbrauch auf Platz eins und zwei.16

Verifikation

„Bessere Modellwahl kann die Last senken. Sie beseitigt das Risiko nicht.“ — so der Veracode-Bericht 2026.7 In echten Sitzungen brauchten 91,5 Prozent der sichtbaren Lösungen noch eine ausdrückliche Korrektur durch den Nutzer.71

Ausdauer

Aufgaben über Stunden brauchen Fortschrittsdateien, Featurelisten, Teilagenten und End-to-End-Tests. Anthropic: Kompaktierung allein reicht nicht; Agenten erklären die Arbeit sonst zu früh für erledigt.70

Was der Harness allein bewegt

52,8 → 66,5 %

LangChain änderte nur den Harness — Selbstprüfung, Schleifenerkennung, Zeitbudgets. Das Modell blieb dasselbe.64

3/10 → 10/10

Ein günstigeres Modell im Harness lieferte in jedem Lauf abnahmefähigen Code — rund 33 % billiger als das Spitzenmodell ohne Harness. Kleine Stichprobe, ein Dienst.65

±6 Punkte

So stark verschieben allein die Rechenressourcen der Sandbox ein Benchmarkergebnis. Abstände unter drei Punkten sind kein Beleg.56

Kapitel 04 · Praxisbeispiel

Ein Feature, von der Anforderung bis in die Wartung.

Wie Claude Code heute Produktionscode erzeugt: welche Agenten welche Teilaufgabe übernehmen, wo Sicherheit automatisch mitläuft, wie Deployment und Wartung übergeben werden — und an welchen drei Stellen ein Mensch entscheidet.

Szenario

Ein Kundenportal soll Nutzern den Export ihrer Daten nach Art. 15 und 20 DSGVO anbieten: mandantengetrennt, als Hintergrundjob, mit Download-Link und revisionssicherem Protokoll.

  • TypeScript
  • PostgreSQL
  • React
  • Kubernetes
  • GitHub Actions

Illustrativer Ablauf, keine Kundenreferenz. Terminalausgaben und Zahlen sind Beispiele; jede gezeigte Funktion und jede Konfigurationssyntax ist in der Claude-Code-Dokumentation belegt.

01 / 16
Freigaben
0/3
Auto-Prüfungen
0
Agenten
0

Mensch

Anforderung als Issue

Die Produktverantwortliche legt Issue #412 an: Datenexport nach Art. 15 und 20 DSGVO, mandantengetrennt, als Hintergrundjob. Die Vorlage erzwingt Akzeptanzkriterien — ohne sie startet kein Agent. Ein Kommentar mit @claude übergibt die Aufgabe.

Belegt in: GitHub Actions

Terminal · illustrativ
$ gh issue create --title "DSGVO-Datenexport (Art. 15/20)" --label feature
✓ Issue #412 · 6 Akzeptanzkriterien
@claude Bitte nach CLAUDE.md umsetzen. Erst den Plan vorlegen.

Was beim Menschen bleibt

  1. Tor 1 · Plan Was gebaut wird und welche Fragen offen sind.
  2. Tor 2 · Merge Ob die Änderung ins Produkt darf — nach Befunden, nicht nach Zeilen.
  3. Tor 3 · Produktion Wann der volle Verkehr umgeschaltet wird.
Alle 16 Schritte als Liste
  1. Mensch Anforderung als Issue Die Produktverantwortliche legt Issue #412 an: Datenexport nach Art. 15 und 20 DSGVO, mandantengetrennt, als Hintergrundjob. Die Vorlage erzwingt Akzeptanzkriterien — ohne sie startet kein Agent. Ein Kommentar mit @claude übergibt die Aufgabe.
  2. Subagenten Codebasis erkunden Bevor geplant wird, kartiert ein Erkundungs-Subagent die betroffenen Stellen: Job-Queue, Auth-Middleware, bestehende Exportlogik. Schreiben und Bearbeiten sind ihm verwehrt. Zurück an den Lead-Agenten geht nur die Zusammenfassung — die gelesenen Dateien belasten dessen Kontext nicht.
  3. Lead-Agent Kontext lesen, Plan vorlegen Der Lead-Agent liest CLAUDE.md, die Spezifikation und die Zusammenfassung — im Plan-Modus, ohne Schreibrecht. Ergebnis: fünf Aufgaben, zwei Risiken (Mandantentrennung, Datenmenge) und eine offene Frage, die nur ein Mensch beantworten kann.
  4. Mensch Tor 1: Plan freigeben Die Entwicklerin prüft den Plan, beantwortet die offene Frage — Link sieben Tage gültig, danach Löschung — und gibt frei. Ein Fehler im Plan ist der billigste Fehler des ganzen Ablaufs.
  5. Subagenten Parallel umsetzen, Test zuerst Drei Subagenten arbeiten gleichzeitig: API-Endpunkt und Exportjob, additive Datenbankmigration, Oberfläche mit Statusanzeige. Jeder in seinem eigenen Worktree, jeder schreibt zuerst den Test. Das Routing passiert hier — pro Teilaufgabe, im Harness.
  6. Hooks & Sandbox Hooks und Sandbox greifen Der API-Agent will.env lesen, um die Datenbankadresse zu finden — eine Deny-Regel blockiert, er nutzt die dokumentierte Konfiguration. Nach jeder Dateiänderung formatiert ein Hook und prüft Typen. Befehle laufen in der Sandbox: Netzwerk nur zu freigegebenen Domains, kein Zugriff auf das Produktionscluster.
  7. Subagenten Suite gegen Wegwerf-Datenbank Ein Test-Subagent führt die vollständige Suite aus, inklusive Integrationstests gegen eine Datenbank im Container. Hier fällt auf, was drei parallele Worktrees einzeln nicht sehen: Der Job erwartet ein Feld, das die Migration anders benannt hat. Behoben, erneut grün.
  8. Subagenten Sicherheits-Review findet eine Lücke Der Prüfer sieht den Diff mit frischem Kontext. Befund: Der Status-Endpunkt lädt den Export über seine ID, ohne den Mandanten serverseitig zu prüfen — ein klassischer IDOR. Der API-Agent behebt, ein Regressionstest sichert ab, die erneute Prüfung ist sauber.
  9. Subagenten Unabhängiger Code-Review Ein zweiter Prüfer bewertet Lesbarkeit, Tests und Architektur. Anthropic beschreibt genau diese Trennung als starken Hebel: Agenten bewerten die eigene Arbeit verlässlich zu positiv.
  10. Lead-Agent Pull Request mit Nachweis Der Lead-Agent führt die drei Worktrees zusammen und öffnet PR #418: Zusammenfassung, verlinkte Akzeptanzkriterien, Testnachweis, Migrationshinweis, offene Risiken. Auf main schreiben kann er nicht — das verhindert der Branch-Schutz.
  11. CI/CD Pipeline: prüfen, Stückliste, signieren GitHub Actions prüft unabhängig vom Agenten: Build und Tests, statische Analyse, Abhängigkeiten gegen bekannte Schwachstellen, eine SBOM, ein signiertes Image. Dazu kommentiert Claude den PR — mit genau einem freigegebenen Werkzeug. Diese Begrenzung fehlte beim Clinejection-Vorfall.
  12. Mensch Tor 2: Review und Merge Der Branch-Schutz verlangt eine menschliche Freigabe. Die Entwicklerin liest Zusammenfassung, Befunde und den kritischen Teil des Diffs — sie prüft Entscheidungen, nicht jede Zeile — und führt zusammen.
  13. CI/CD Canary mit Abbruchregel Die Pipeline spielt die Migration ein und leitet zunächst zehn Prozent des Verkehrs auf die neue Version — ein Canary-Release. Der Agent liest Fehlerraten und Antwortzeiten über MCP. Die Abbruchregel steht in der Pipeline, nicht im Prompt.
  14. Mensch Tor 3: Produktionsfreigabe Für personenbezogene Daten gilt im Team die Regel: Volle Umschaltung nur durch einen Menschen. Die Release-Verantwortliche sieht die Canary-Werte und gibt frei.
  15. Betrieb Wartung als geplante Aufgabe Jeden Montag läuft eine geplante Claude-Code-Aufgabe: offene Abhängigkeitsupdates prüfen, Changelogs lesen, Tests ausführen, gebündelt als PR vorlegen. Ein Update mit gemeldeter Schwachstelle bekommt Vorrang und einen eigenen PR — beide laufen durch Tor 2.
  16. Betrieb Fehler aus dem Betrieb wird zum Fix Das Monitoring meldet Zeitüberschreitungen bei sehr großen Exporten. Der Agent liest Stacktrace und Logs, reproduziert den Fehler in einem Test und schlägt einen Fix vor, der wieder durch Tor 2 läuft. Der Betrieb liefert die nächste Spezifikation.

NC AGENTIC GmbH · Aus eigener Werkstatt

Unser eigener Harness: die NC Factory. Ein Fundament, ein ganzer Stack.

Die vier Kapitel beschreiben, was ein Harness leisten muss. Bei der NC AGENTIC GmbH ist er die Fabrik, aus der unser gesamter Business-Automation-Stack kommt. Im Fundament arbeitet AI Tactical Engineering mit einer von uns optimierten Claude Code CLI. Darauf baut, betreibt und verbessert der NC Factory Harness alles Weitere — von der Plattform AIonicOS über den Betrieb bis zum Angebot für Startups.

startvisor.AI Business-Automation-Stack © 2026 NC AGENTIC GmbH

Angebot

  • AiLoft Launchstack

    Startups

    Unterstützung für Startups mit konkreten Pauschalangeboten: Advisory, CTO-as-a-Service, SaaS-Factory.

Plattform

  • AIonicOS

    Das Herz

    Kernkomponenten für die komplette Orchestrierung unserer KI-Workflows — LLMs nach Best Fit.

  • OmniVISOR

    RAG · CRAG · KAG

    Zusatzdienst für die Anbindung komplexen Unternehmenswissens.

Betrieb

  • Fleet Management

    Deployment

    Scale-out-Deployment für SaaS wie Lead Pilot. Deployment-Automatisierung mit integriertem Abrechnungsprozess.

  • ObservIQ

    Observability

    Observability-Stack für Monitoring und Alerting — mit KI-Integration und selbstlernender Wissensbasis.

  • NC Orbit

    CMS

    Eigenes CMS für Rechnungsstellung, Finanz-KPI-Dashboard und Projekt-Tracking.

  • ResolvIQ

    Support

    Zentraler Support-Stack als Middleware, der alle Supportanfragen orchestriert — inklusive Support-Chatbot.

baut · betreibt · optimiert

NC Factory Harness

Fundament · Coding-Harness

AI Tactical Engineering TAC

Primär eine von uns optimierte Claude Code CLI von Anthropic, in Kombination mit Kimi K3, GLM-5 und ChatGPT.

  • Claude Code primär
  • Kimi K3
  • GLM-5
  • ChatGPT
  1. 01 Plan
  2. 02 Architect
  3. 03 Implement
  4. 04 Operate
  5. 05 Optimize

Wo der Leitfaden das begründet

Eigene Darstellung der NC AGENTIC GmbH, Stand Oktober 2026. Anders als die Kapitel oben beschreibt dieser Abschnitt unseren eigenen Aufbau und trägt deshalb keine Fundstellen.

Fazit

So fangen Sie an.

  1. 01 Ein Repository, ein Team, ein Harness Eine kurze Kontextdatei, Deny-Regeln für Geheimnisse und Produktionszugriff, drei Hooks: formatieren, Typen prüfen, testen.
  2. 02 Tore vor Tempo Branch-Schutz, CI-Prüfungen und SBOM stehen, bevor der erste Agent einen Pull Request öffnet.
  3. 03 Prüfer vom Autor trennen Ein Review-Agent mit eigenem Kontext und ein Sicherheits-Review in jedem Pull Request — zusätzlich zum menschlichen Review, nicht statt dessen.
  4. 04 Messen statt schätzen Durchlaufzeit, Änderungsfehlerrate und Wiederherstellungszeit vorher und nachher erfassen. Gefühlte Produktivität täuscht.4

Quellen

Alle Quellen am 27.10.2026 geprüft. Zahlen ohne Primärbeleg sind nicht aufgenommen.

  1. Google Cloud · DORA Announcing the 2025 DORA Report 23.09.2025
  2. Google Cloud · DORA Introducing DORA’s inaugural AI Capabilities Model 23.09.2025
  3. InfoQ DORA: ROI of AI-assisted Software Development 11.05.2026
  4. METR Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity 10.07.2025
  5. METR Uplift update 24.02.2026
  6. Veracode 2025 GenAI Code Security Report 30.07.2025
  7. Veracode 2026 GenAI Code Security Report 28.07.2026
  8. Stack Overflow Developer Survey 2026 — AI 06.10.2026
  9. Birgitta Böckeler · martinfowler.com Harness engineering 02.04.2026
  10. Anthropic · Claude Code Docs Best practices for Claude Code abgerufen 27.10.2026
  11. Anthropic Engineering Harness design for long-running application development 24.03.2026
  12. GitHub Blog Spec-driven development with AI: Get started with a new open source toolkit 02.09.2025
  13. Thoughtworks Technology Radar Vol. 34 — Context engineering 15.04.2026
  14. Linux Foundation Linux Foundation announces the formation of the Agentic AI Foundation 09.12.2025
  15. Spracklen et al. · USENIX Security ’25 We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs 08/2025
  16. OWASP GenAI Security Project OWASP Top 10 for Agentic Applications 09.12.2025
  17. Europäische Kommission Cyber Resilience Act abgerufen 27.10.2026
  18. Europäische Kommission Cyber Resilience Act — reporting obligations abgerufen 27.10.2026
  19. BSI · ANSSI AI Coding Assistants 09/2024
  20. BSI TR-03185 Secure Software Lifecycle, Version 1.1.1 02.07.2026
  21. Stack Overflow Developer Survey 2026 — AI coding agents used 06.10.2026
  22. JetBrains Research AI coding agent adoption 2026 08/2026
  23. Anthropic Claude Opus 5.5 System Card 22.09.2026
  24. Terminal-Bench Terminal-Bench 2.1 06.05.2026
  25. Terminal-Bench Leaderboard Terminal-Bench 4.0 Stand 23.10.2026
  26. Epoch AI Terminal-Bench 4 — benchmark review abgerufen 27.10.2026
  27. Anthropic · Claude Code Docs Hooks reference abgerufen 27.10.2026
  28. Anthropic · Claude Code Docs Permission modes abgerufen 27.10.2026
  29. Anthropic · Claude Code Docs Sandboxing abgerufen 27.10.2026
  30. Anthropic Research How we contain Claude 25.05.2026
  31. Anthropic Research Claude Code auto mode 25.03.2026
  32. goose · Agentic AI Foundation goose permission modes abgerufen 27.10.2026
  33. Earendil Works pi — README abgerufen 27.10.2026
  34. Nous Research Hermes Agent — Security abgerufen 27.10.2026
  35. Anthropic PBC · SEC Form S-1 Registration Statement 26.10.2026
  36. Anthropic Research Redesigning source control 13.10.2026
  37. Anthropic · Claude Code Docs Third-party integrations abgerufen 27.10.2026
  38. Anthropic Support What certifications has Anthropic obtained? abgerufen 27.10.2026
  39. OpenRouter Rankings — Apps, 30 Tage bis 26.10.2026 26.10.2026
  40. GitHub REST API Repository-Statistiken (stargazers_count) abgerufen 27.10.2026
  41. Anthropic anthropics/claude-code — LICENSE.md abgerufen 27.10.2026
  42. Anthropic Claude Status — Incident history abgerufen 27.10.2026
  43. Anthropic Engineering A postmortem of three recent issues 17.09.2025
  44. Anthropic April 23 postmortem 23.04.2026
  45. Anthropic · Claude Code Docs Manage costs effectively abgerufen 27.10.2026
  46. Roo Code RooCodeInc/Roo-Code — README abgerufen 27.10.2026
  47. Continue continuedev/continue — README abgerufen 27.10.2026
  48. Google Developers Blog An important update: transitioning Gemini CLI to Antigravity CLI 19.05.2026
  49. PyPI aider-chat — release history abgerufen 27.10.2026
  50. Anaconda Anaconda acquires Kilo Code 15.07.2026
  51. Cline Post-mortem: unauthorized Cline CLI npm publish 02/2026
  52. Anomaly OpenCode — Providers abgerufen 27.10.2026
  53. Anthropic Donating Agent Skills to the Agentic AI Foundation 22.10.2026
  54. Terminal-Bench · arXiv 2601.11868 Terminal-Bench: benchmarking agents on hard, realistic tasks in command line interfaces 01/2026
  55. Anthropic Engineering Quantifying infrastructure noise in agentic coding evals 05.02.2026
  56. LMSYS RouteLLM: an open-source framework for cost-effective LLM routing 01.07.2024
  57. arXiv 2510.00202 · ICLR 2026 RouterArena: an open platform for comprehensive comparison of LLM routers 10/2025
  58. arXiv 2601.07206 LLMRouterBench 12.01.2026
  59. Anthropic · Claude Code Docs Prompt caching abgerufen 27.10.2026
  60. Anthropic · Thariq Shihipar Lessons from building Claude Code: prompt caching is everything 30.04.2026
  61. Anthropic · Claude Platform Docs Prompt caching — pricing abgerufen 27.10.2026
  62. arXiv 2610.00917 Finding the Right Fit: model–harness interactions in coding agents 01.10.2026
  63. LangChain Improving deep agents with harness engineering 17.02.2026
  64. Naresh Jain · martinfowler.com Are harnesses worth the cost? 13.10.2026
  65. Philipp Schmid The new skill in AI is not prompting, it’s context engineering 30.06.2025
  66. Nx s1ngularity — postmortem 05.09.2025
  67. AWS Security Bulletin AWS-2025-015 — Amazon Q Developer extension for VS Code 23.07.2025
  68. Snyk Cline supply chain attack via prompt injection in GitHub Actions 02/2026
  69. Anthropic Engineering Effective harnesses for long-running agents 26.11.2025
  70. Tang et al. · arXiv 2605.29442 Real-world coding agent sessions: an empirical study 2026
  71. Anthropic · Claude Code Docs Create custom subagents abgerufen 27.10.2026
  72. Anthropic · Claude Code Docs Manage Claude’s memory (CLAUDE.md) abgerufen 27.10.2026
  73. Anthropic · Claude Code Docs Git worktrees abgerufen 27.10.2026
  74. Anthropic · Claude Code Docs Permissions abgerufen 27.10.2026
  75. Anthropic Automate security reviews with Claude Code 06.08.2025
  76. Anthropic · Claude Code Docs Claude Code GitHub Actions abgerufen 27.10.2026
  77. Anthropic · Claude Code Docs Connect Claude Code to tools via MCP abgerufen 27.10.2026
  78. Anthropic · Claude Code Docs Automate work with scheduled tasks abgerufen 27.10.2026

Umsetzung

Ein Harness ist Handwerk, kein Abo.

Kontextdateien, Subagenten, Hooks, Sandbox-Regeln und Pipeline-Tore kommen nicht mit der Lizenz. Sie werden für Ihr Repository, Ihre Konventionen und Ihre Freigabewege eingerichtet — und danach gepflegt wie Code.

So entwickeln wir selbst, mit AI Tactical Engineering: abgegrenzte Aufgaben, Agenten unter definierten Werkzeugrechten, automatisierte Prüfungen, Abnahme durch Menschen. Wenn Sie diesen Prozess für Ihr Team aufsetzen wollen, ist die NC AGENTIC GmbH jederzeit für ein unverbindliches Gespräch ansprechbar.

Gespräch vereinbaren Zurück zum AI-Toolkit
coach@startvisor.ai