03 · Apps · Workflows · Frontends
Drei Phasen, ein Werkzeug-Kasten, eine Token-Ökonomie, die über Erfolg oder Geldgrab entscheidet. Hier ist alles, was du brauchst, um dein erstes Produkt selbst zu bauen.
Wir haben keine Partnerschaften mit den hier genannten Anbietern. Wir empfehlen, was wir selbst nutzen.
Setup
Sieben Punkte, die du einmal einrichtest. Details, Befehle und Alternativen stehen auf der Setup-Seite.
Anthropic-Account mit aktivem Abo ist die Basis. Ein Plan reicht — Pro für den Start, Max wenn du längere Sessions oder mehr Token-Budget brauchst. Ohne aktives Abo kein Cowork und kein Claude Code.
Cowork lebt als dritter Tab in der Claude Desktop App — du brauchst keine zusätzliche Installation. Dort beschreibst du im Dialog, was du bauen willst, bis ein klares Konzept steht.
Zwei Setup-Wege: Terminal (maximal flexibel) oder VS Code (Code, Terminal und Claude in einem Fenster) — Output ist derselbe. Der Befehl unten installiert den nativen Client: kein Node.js nötig, Updates laufen automatisch im Hintergrund. Sicherheits-Tipp: bestenfalls auf einem separaten Computer arbeiten, auf dem keine persönlichen Daten liegen. Claude Code bekommt vollen Datei-Zugriff, das sollte sauber getrennt sein.
Backup nach jedem Sprint. API-Keys, interne Notizen und frühe Architektur-Skizzen bleiben unter Verschluss. Vercel und Netlify deployen direkt aus GitHub heraus — der Workflow lohnt sich also doppelt.
In jedem Projektordner liegt eine Datei namens CLAUDE.md. Sie ist das Regelwerk für deine Sessions. Wie du arbeitest, welcher Stack genutzt wird, welche Pflicht-Checks (DSGVO, Performance, Barrierefreiheit) immer laufen, was tabu ist. Claude Code liest sie bei jedem Start automatisch. Ohne CLAUDE.md fängt die KI bei jedem Mal von vorne an.
B · Slash-Befehle und Modi
Slash-Befehle räumen den Kontext auf und steuern Claude Code. Drei Modi entscheiden, wie selbständig Claude arbeitet.
/clearKontext leeren zwischen verschiedenen Aufgaben — spart Tokens.
/compactVerlauf zusammenfassen, wenn die Session zu lang wird.
/debugSystematisches Debugging. Reproduktion, Hypothese, Test, Fix-Vorschlag.
/planPlan-Mode aktivieren. Claude analysiert die Aufgabe und schreibt einen Plan, bevor er codet.
/dreamBrainstorming- und Ideation-Modus. Claude denkt frei laut mit, ohne direkt zu coden.
/initProjekt einrichten, CLAUDE.md anlegen, Defaults setzen.
/rewindZurück zu einem früheren Stand — Checkpoint wiederherstellen.
/pluginPlugin installieren oder verwalten, MCP-Server hinzufügen.
/loopEinen Auftrag oder Slash-Befehl in festem Intervall wiederholen (z. B. /loop 5m /babysit). Ohne Intervall taktet Claude sich selbst.
/usageAktuellen Token-Verbrauch checken.
/effortWie viel Rechen-Aufwand Claude in eine Antwort steckt — von low bis max. Mehr bei kniffligen Aufgaben, weniger bei Routine.
/modelModell wechseln (Opus, Sonnet, Haiku). opusplan lässt Opus planen und Sonnet ausführen: Qualität beim Plan, günstiger beim Code.
/goalEin Ziel setzen, an dem Claude dranbleibt, bis es erreicht ist. /goal clear hebt es wieder auf.
/resumeEine frühere Session wieder aufnehmen, mit ganzem Kontext. Gut, wenn du nach einer Pause genau da weitermachst, wo du warst.
/quitSession beenden und neu starten. Brauchst du, damit frisch installierte Skills und Plugins geladen werden.
Diese Kürzel schreibst du ohne Schrägstrich direkt in deinen Auftrag.
ultracodeKein klassischer Slash-Befehl: Du nutzt das Wort "ultracode" in deinem Auftrag. Claude Code orchestriert dann mehrere Agents parallel und plant oder baut größere Aufgaben am Stück.
Claude recherchiert und schlägt einen Plan vor, bevor Code geschrieben wird. Du liest gegen, sagst „passt“, erst dann legt er los.
Wann nutzt du es: Bei allem, was nicht trivial ist. Standard für jedes neue Feature.
Claude führt eine bestätigte Aufgabe direkt aus, ohne erneut zu fragen. Schritt für Schritt, mit Sichtbarkeit auf Tool-Calls.
Wann nutzt du es: Wenn der Plan steht und du nur noch das Ergebnis willst.
Claude arbeitet autonom durch, fragt nicht zwischendurch. Risikoreicher, aber schneller.
Wann nutzt du es: Bei klaren, kleinen Aufgaben oder wenn du Sprint-Power brauchst.
Bevor du loslegst
Zwei Arbeitsweisen mit demselben Tool. Die eine bringt dich bei Kleinigkeiten ans Ziel. Bei echten Projekten dreht sie sich im Kreis. Die andere macht aus Claude Code ein System, das mit jeder Aufgabe besser wird.
DRAUFLOS PROMPTEN UND HOFFEN
Du beschreibst grob, was du willst. Claude probiert etwas, du besserst nach. Wieder und wieder. Für Kleinigkeiten reicht das. Bei echten Projekten drehst du dich im Kreis: Jedes Mal fängst du bei null an, nichts wird gespeichert, nichts wird besser. Genau davor warnt Boris Cherny, der Kopf hinter Claude Code.
PROBIEREN · HOFFEN · NACHBESSERN · VON VORN
SYSTEME STATT ZUFALL
Die Arbeitsweise, mit der Boris Cherny selbst arbeitet: feste Regeln (CLAUDE.md), Spezialisten (Subagents), wiederverwendbare Befehle (Commands), Fähigkeiten (Skills) und Anbindungen (MCP-Server). Aus „mal schauen, was rauskommt“ wird ein Setup, das mit jeder Aufgabe besser wird.
REGELN · SUBAGENTS · COMMANDS · SKILLS · MCP
Die drei Phasen
Egal, ob du eine Web-App, eine iOS-App oder eine kleine Automatisierung baust. Der Weg ist immer derselbe. Du planst, du baust, du testest. Wir machen das an unserem eigenen Tool durch, dem KI-Bundestrainer, und du gehst die gleichen drei Schritte für deine Idee.
Werkzeug · Claude Cowork
Werkzeug · Claude Code
Werkzeug · Browser, Simulator, Logs
Hauptwerkzeug: Claude Cowork.
Du beschreibst, was deine App können soll, und gibst Claude den Auftrag, dich so lange zu fragen, bis das Konzept steht. Am Ende generiert Claude eine Markdown-Datei mit dem fertigen Konzept. Sie ist dein Briefing für die Programmierphase.
Standard-Prompt für Claude Cowork (anpassen und kopieren):
Ich möchte eine [Web-App / iOS-App / Android-App] bauen.
Folgende Funktionen soll sie haben:
[hier Funktionen beschreiben]
Die Zielgruppe ist:
[hier Zielgruppe beschreiben]
Stelle mir so lange Fragen zu Funktionen, Edge-Cases und Zielgruppe, bis du das Konzept vollständig verstanden hast.
Kläre mit mir außerdem die Daten- und Architektur-Seite:
- Welche Daten speichert und verarbeitet die App?
- Welche davon sind kritisch (sensibel, vertraulich, regulatorisch heikel — z. B. Gesundheit, Finanzen, persönliche Notizen)?
- Welche Daten müssen WIR als Betreiber ownen (Server, Datenbank, Backups)?
- Welche Daten sollten ausschließlich dem Nutzer gehören (nur lokal auf dem Gerät, Ende-zu-Ende-verschlüsselt, niemals auf unseren Servern)?
- Welche Software-Architektur passt dazu (reine Frontend-App mit Local Storage, Backend mit Auth + Datenbank, E2E-verschlüsselter Sync …)?
Baue dann eine Markdown-Datei mit dem fertigen Konzept, die ich im nächsten Schritt mit Claude Code teilen kann.Zweiter Weg: der Ultracode-BefehlNeu in Opus 4.8
Statt Schritt für Schritt zu planen, kannst du seit Opus 4.8 das Wort "ultracode" in deinem Auftrag nutzen (hieß zum Start kurz "workflow"). Claude Code schreibt dann selbst ein Orchestrierungs-Skript, startet mehrere Agents parallel und plant damit einen ganzen Ablauf oder eine komplette App durch. Wenn du lieber im Dialog denkst, helfen dir der brainstorm-Skill oder das Plugin ECC mit seinen Planungs-Agents weiter.
Du musst heute nicht selbst coden können. Ein Grundverständnis für Software-Architektur lohnt sich trotzdem. Die spannendste Frage dabei ist fast immer: Was passiert eigentlich mit den Daten? Welche landen auf deinen Servern, welche nur auf dem Gerät des Nutzers, welche dürfen den Browser nie verlassen?
Sobald du eine App baust, in der kritische Daten verarbeitet werden (Gesundheit, Finanzen, Tagebuch, Kund:innen-Daten), triffst du diese Architektur-Entscheidung bewusst, bevor die erste Zeile Code geschrieben wird. Genau dafür ist der Datenblock im Prompt oben.
Dein Werkzeug: Claude Code. Details zum Setup, zu Slash-Befehlen und zum Plan-Modus stehen in Sektion B.
Workflow:
Standard-Prompt für Claude Code (kopieren und einsetzen):
Lies die Markdown-Datei, die ich im Projektordner abgelegt habe.
Baue auf Basis dieses Konzepts die Applikation. Wenn du Fragen hast, stelle sie mir bitte, bevor du anfängst.
Bitte programmiere die App in mehreren Sprints — wir machen immer nur einen klar abgegrenzten Teil auf einmal. Sag mir am Ende jedes Sprints, was du gebaut hast und was als Nächstes ansteht.
Wichtig:
- Plan-Modus vor jeder größeren Änderung. Erst Plan, dann meine Bestätigung, dann Code.
- Sprich Pflicht-Checks aktiv an: DSGVO, Performance, Mehrsprachigkeit, Barrierefreiheit.
- Schlag nach jedem Meilenstein einen Commit-Befehl vor (private Repo auf GitHub).Bis hierhin ist es einfach. Du sprichst mit der KI, sagst, was sie tun soll, und die KI erledigt den Rest. Test und Optimierung sind der spannendste Teil. Hier geht es um echte Problemlösung. Funktioniert die UX, auch wenn der Nutzer etwas Unerwartetes tut? Liefert dein Tool die Antworten, die es soll, oder halluziniert das Modell? Wie hoch sind die Token-Kosten pro Aufruf?
Die Details zu Token-Ökonomie, Halluzinationen und Timeouts findest du in Sektion G. Hier nur die typischen Fragen, die in dieser Phase auftauchen:
Workflow/planbrainstorm/clear/compact/rewind/debugcode-reviewChrome-DevTools-MCPEin paar Befehle reichen für den Anfang. Den Rest lernst du, wenn du ihn brauchst.
Skills & Plugins
Skills sind einzelne Anweisungen, Plugins bündeln mehrere davon zu einem Workflow. Die komplette Liste inklusive Skill-vs-Plugin-Vergleich steht auf der Setup-Seite.
memory
Anthropic-Skill für persistente Memory über Sessions hinweg. Speichert Entscheidungen, Lessons-Learned und Projekt-Kontext.
skill-creator
Hilft dir, eigene Skills zu bauen, bestehende zu verbessern und mit Evals zu testen.
ui-ux-pro-max
Anthropic-Skill für UI/UX-Design — generiert Komponenten, achtet auf Design-System-Konsistenz, Typografie, Spacing und Barrierefreiheit.
MCPs
MCPs geben Claude Zugriff auf deine Welt — Dateien, GitHub, Doku. Die komplette, kuratierte Liste mit Setup-Befehlen und Sicherheitshinweisen steht auf der Setup-Seite.
Filesystem (offiziell)
Geregelter Lese-/Schreibzugriff auf bestimmte lokale Ordner. Die Grundlage für „Claude baut in meinem Projekt“.
GitHub (offiziell)
Repos lesen, Issues und PRs erstellen, Reviews schreiben, Actions triggern. Claude wird zum Team-Mitglied.
Context7 (Upstash)
Liefert Claude versionsspezifische, aktuelle Doku für Libraries (React, Next.js, Tailwind …) gegen LLM-Halluzinationen mit veralteten APIs.
Vibe-Coding-Tools
Weil es unnötig viel Token-Geld kostet. Vibe-Coding-Builder bringen dich auf 70 Prozent — die letzten 30 Prozent (Auth-Flows, Custom-Logik, Security) zahlst du in Credit-Loops, die schnell explodieren. Mit Claude Code geht es günstiger, und es gibt trotzdem gute Produkte da draußen.
Die Tool-Karten — Lovable, Bolt, v0, Rork, Replit, Cursor, Figma Make — haben wir auf der Tools-Seite kuratiert, samt Pricing, Stärken und Bruchstellen. Da gehört das hin.
Zu den Tool-KartenD · Anschluss-Tools
Backend, KI-Anbindung, Hosting, Automatisierung — je nach Produkt-Typ. Pro Bereich eine Empfehlung plus den Hinweis, wann du sie wirklich brauchst.
Supabase
Wann: Sobald deine App Daten speichert: Logins, Profile, Posts, Caches.
Postgres + Auth + Storage + Edge Functions in einem. EU-Region in Frankfurt. Free-Tier reicht für die ersten Projekte.
Anthropic API · OpenAI · Google Gemini
Wann: Wenn dein Produkt KI ruft (nicht nur die Coding-KI).
Über Backend-Proxy aufrufen, niemals direkt aus dem Frontend. API-Keys als Umgebungsvariable, nicht im Code.
Vercel
Wann: Wenn deine Web-App online soll.
GitHub-Repo verbinden, push, automatischer Deploy. Eigene Domain in 5 Minuten. Edge-Functions inklusive.
n8n · Make · Zapier
Wann: Für Workflows zwischen Tools — ohne eigene App.
n8n self-hosted für günstige, planbare Kosten. Make für visuelle Mittelstands-Workflows. Zapier für maximale Einfachheit.
Sicherheit · Bevor dein Produkt live geht
Dieselben drei Fehler tauchen in Vibe-Coding-Projekten immer wieder auf. Alle drei sind vermeidbar, wenn du sie vor dem Launch einmal durchgehst.
Keys gehören als Umgebungsvariable auf den Server. Was im Frontend-Bundle oder im Git-Verlauf landet, ist öffentlich, und automatische Scanner suchen genau danach.
Jede öffentliche Funktion, die KI- oder API-Calls auslöst, braucht ein Limit pro Nutzer und Zeitfenster. Ohne Limit kann ein einzelnes Skript deine App beliebig oft aufrufen, und du zahlst jede einzelne Anfrage.
In Supabase gilt: RLS auf jeder Tabelle aktivieren, mit Policies, die pro Nutzer nur die eigenen Zeilen erlauben. Ohne RLS kann jeder mit deinem öffentlichen Key fremde Daten lesen.
Und davor die Grundsatzfrage: Welche Nutzerdaten musst du überhaupt auf deinem Server speichern? Alles, was auf dem Endgerät bleiben kann, bleibt aus deiner Datenbank raus und macht den Datenschutz deutlich einfacher.
Der Check dazu
Claude Code bringt einen eigenen Security-Review mit. Vor jedem Launch einmal laufen lassen, er findet genau diese Klassiker.
/security-reviewToken-Ökonomie & Skalierung
Günstig zu bauen ist das eine. Das Tool dauerhaft zu betreiben, ohne von der Rechnung erschlagen zu werden, ist das andere. Token sind die operativen Kosten deiner KI-App. Wer Modelle, Caching und Pre-Computation nicht im Griff hat, wird beim ersten viralen Tag zum Geldgrab.
Hochrechnung: 100.000 Nutzer × 2 Generierungen × 16.000 Tokens auf einem Premium-Reasoning-Modell. Ergebnis: rund 156.000 USD pro Tag. Nach den vier Hebeln unten waren wir bei rund 65 USD pro Tag. Eine Reduktion um −99,96 Prozent.
Die vier Hebel auf einen Blick
Von 156.000 USD/Tag auf rund 65 USD/Tag. Die vier Hebel im Effekt aufeinander gestapelt:
| Hebel | Was passiert | Effekt |
|---|---|---|
| 1 · Modellwahl | Wechsel von Opus 4 auf GPT-4o-mini | −95 % Modell-Kosten |
| 2 · Pre-Computation | Daten einmal recherchieren, in DB ablegen | −98 % Web-Search |
| 3 · Caching | Wiederholungen aus dem Cache statt neu rechnen | ≈ −65 % Anfragen |
| 4 · Max-Tokens-Cap | Hartes Limit auf Output-Länge | −30 % Latenz |
Vorab · Was du beim Bauen selbst tun kannst
Token-Optimierung beginnt nicht erst beim Modell-Pricing, sondern bei deiner Arbeitsweise mit Claude Code. Drei Hebel, die sofort wirken, bevor du eine Zeile Modell-Logik anfasst:
Setup · Drei Spar-Hebel in Claude Code selbst
Dein Setup hat eigene Stellschrauben, bevor eine Zeile Produkt-Code läuft. Drei Dinge, die wir selbst nutzen:
Sonnet 5 statt Opus
Für die meisten Coding-Aufgaben liegt Sonnet 5 nah an Opus 4.8 und kostet einen Bruchteil: 2 USD Input und 10 USD Output pro Million Tokens (Einführungspreis bis 31. August 2026, danach 3 und 15; Opus liegt bei 5 und 25). Dazu 1M Kontext. Auf Free- und Pro-Plänen ist Sonnet 5 inzwischen das Standard-Modell.
# in der laufenden Session umschalten:
/model
# direkt beim Start:
claude --model sonnet
# dauerhaft in ~/.claude/settings.json:
{ "model": "claude-sonnet-5" }Headroom als Kompressions-Proxy
Ein lokaler Proxy zwischen Claude Code und dem Modell. Er komprimiert Tool-Outputs, Logs und Datei-Reads, bevor sie im Kontext landen, und bleibt reversibel: das Modell kann das Original jederzeit nachladen. Die Benchmarks zeigen 60 bis 95 Prozent weniger Token bei JSON- und Tool-lastigen Workflows, bei reinen Coding-Sessions eher 15 bis 20. Open Source (Apache 2.0, rund 58.000 GitHub-Stars), alles läuft lokal auf deinem Rechner.
# installieren (Python; Node geht genauso):
pip install "headroom-ai[all]"
# Claude Code komprimiert starten:
headroom wrap claude
# optional: lernt aus fehlgeschlagenen Sessions,
# schreibt Fixes nach CLAUDE.local.md:
headroom learnponytail für kürzeren Code
Das Plugin hält Claude zu kompaktem, fokussiertem Code an. Weniger generierte Zeilen heißt weniger Output-Tokens. Fürs Kürzen von Antworten und deiner CLAUDE.md nutzen wir daneben das caveman-Skill aus dem Skills-Abschnitt.
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail
# danach steuern:
/ponytail lite | full | ultra | offPremium-Reasoning-Modelle (Claude Opus, GPT-4) sind für die meisten Use-Cases zu viel, wenn du strukturierte Entscheidungen aus einem vordefinierten Pool triffst. Wechsle auf Stats-optimierte Klassen (GPT-4o-mini, Claude Haiku 4.5) und du zahlst Sub-Cent pro Call statt mehrerer Cent.
Modell-Tabelle (Pricing-Bars relativ zu Opus 4 = 100 %):
| Modell | Input · 1M Tok | Output · 1M Tok | Output relativ | Einordnung |
|---|---|---|---|---|
| Claude Opus 4 | 15 USD | 75 USD | 100 % | Top-Qualität, für strukturierte Picks oft zu teuer |
| GPT-4 (Classic) | 30 USD | 60 USD | 80 % | Overkill, wenn du nur aus einem Pool wählst |
| Claude Haiku 4.5Unsere Wahl | 1 USD | 5 USD | 7 % | Unsere Wahl für Texte mit Tonalität — bester Sprachton bei Sub-Cent |
| OpenAI GPT-4o-miniUnsere Wahl | 0,15 USD | 0,60 USD | 0,8 % | Unsere Wahl für strukturierte Aufgaben — JSON, Klassifikation, Picks |
| DeepSeek V3 | 0,27 USD | 1,10 USD | 2 % | Deutsche Generierung: schwach, vor allem in Stil-/Satire-Tonarten |
| Qwen 2.5 72B | 0,35 USD | 0,40 USD | 0,6 % | Deutsche Generierung: schwach in nicht-neutralen Tonarten |
| Gemini 2.0 Flash | 0,10 USD | 0,40 USD | 0,5 % | Sehr günstig, aber Schema-Fails bei strikten JSON-Requirements |
Listenpreise gerundet. Chinesische Modelle sind nominal günstig, aber bei deutscher Sprachgenerierung in bestimmten Tonarten (z. B. Satire) unbrauchbar. Die Wortwahl kippt schnell ins Generische.
Praxis-Tipp: Modelle parallel einsetzen. Beim KI-Bundestrainer nutzen wir Anthropic für Texte mit Stilgefühl (Satire, Stellungnahmen) und OpenAI für strukturierte Aufgaben (Kader-Auswahl). Das spart Geld und liefert für jeden Use-Case das passende Werkzeug.
Daten, die sich selten ändern, recherchierst du einmal und legst sie in einer Datenbank ab. Die KI greift beim Generieren nur noch darauf zu, statt bei jedem Call erneut zu suchen. Live-Daten holst du in größeren Intervallen (z. B. einmal pro Tag), nicht pro User-Anfrage.
Beispiel: Beim KI-Bundestrainer haben wir die 108 Kandidaten einmal recherchiert. Aktuelle Form, Verletzungen und Gegner-Analyse holen wir einmal pro WM-Spiel.
Effekt · −98 Prozent Web-Search-Kosten.
Wenn zwei User dasselbe anfragen, soll die KI nicht zweimal rechnen. Speichere bei jeder Anfrage die Eingaben plus das Ergebnis. Bei einer Wiederholung lieferst du das Ergebnis aus dem Cache, statt die KI erneut zu starten.
Effekt · Rund 65 Prozent der Anfragen entfallen komplett, je nach Anwendungsfall sogar mehr.
Bonus: Prompt-Caching beim Provider
Prompt-Caching beim Provider. Sowohl Anthropic als auch OpenAI cachen wiederkehrende Prompt-Teile (System-Prompts, feste Anleitungen) automatisch. Cache-Treffer kosten bei Anthropic etwa ein Zehntel des normalen Input-Preises — bis zu 90 Prozent Ersparnis. Bau deinen Prompt so, dass der stabile Teil nach vorne kommt und der variable User-Input nach hinten.
Modelle dürfen oft „bis zu 16.000 Output-Tokens“ und nutzen das gerne als Freifahrtsschein zum Nachdenken, selbst wenn der Output deutlich kürzer wäre. Setze ein hartes Cap (z. B. 7.000). Das Modell interpretiert das als Budget-Signal und kürzt automatisch. Kein Qualitätsverlust, weil das echte Output-Volumen meist drunter liegt.
Effekt · −30 Prozent Latenz, nebenbei weniger Timeouts.
Fortgeschritten
Vier Konzepte, die du nicht von Tag 1 brauchst, die dein Setup aber schärfer machen, sobald du regelmäßig baust.
Output Styles geben Claude eine andere Persona — z. B. „learning" (erklärt jeden Schritt) oder „explanatory" (mehr Kommentare im Code). Du installierst sie als Plugin und schaltest sie per /output-style um. Praktisch, wenn du zwischen „schnell fertig" und „ich will dabei lernen" wechseln willst.
Hooks sind kleine Automatiken, die bei bestimmten Ereignissen feuern — vor oder nach einem Tool-Aufruf, vor einem Commit, beim Edit einer Datei. Damit erzwingst du Verhalten, das du sonst manuell triggern müsstest („vor jedem Commit die Tests laufen lassen“, „beim Editieren einer Auth-Datei eine Security-Warnung zeigen“).
Permissions legen fest, was Claude ohne Rückfrage darf und was nicht. Drei Stufen: erlauben, fragen, verbieten. Wichtig, sobald die KI selbstständig läuft (Auto-Mode, Subagents, Hooks). Defaults sind sicher, aber du kannst sie pro Projekt schärfen — etwa Filesystem-Writes nur in bestimmten Ordnern, keine Shell-Befehle ohne Bestätigung.
Das Agent SDK ist der Weg, Claude direkt in dein fertiges Produkt einzubauen. Aus dem Konsolen-Tool wird ein Agent, der in deiner App lebt. Du baust eigene Werkzeuge, definierst System-Prompts, gibst dem Agenten Zugriff auf deine Datenbank — und Endnutzer reden mit Claude über deine Oberfläche statt über die Konsole.
Wöchentliches Log
Unser Setup ist nie fertig. Jede Woche kommen neue Skills, Regeln und Automatisierungen dazu. Hier dokumentieren wir jede Änderung, damit du sie für dein eigenes Setup übernehmen kannst.
Die globale CLAUDE.md ist das Regelwerk hinter allen unseren Builds. Wir teilen sie als Datei, bereinigt um persönliche Pfade und Projekt-Interna. Alle Änderungen daran tauchen unten im Log und im Changelog-Artikel auf.
Unsere Instagram-Karte im Dashboard zeigte bisher nur eine Momentaufnahme: Follower, Reichweite, die letzten acht Posts. Der neue Skill baut daraus eine wachsende Post-Historie auf, rechnet die Engagement-Rate pro Post aus und erkennt, sobald genug Datenpunkte da sind, grobe Muster in den Caption-Hooks. Erster echter Lauf gegen unseren eigenen Account: Frage-Hooks performen im Schnitt deutlich besser als Statement-Hooks, allerdings noch auf kleiner Stichprobe. Ergebnis landet direkt als neuer Block in der bestehenden Dashboard-Karte.
Für den neuen Finance-Tab im Dashboard zwei kleine Skills gebaut, die auf Knopfdruck pro Ticker laufen: position-earnings-review fasst die letzte Quartalszahlen-Veröffentlichung zusammen (Beat/Miss, Guidance-Änderung, drei bis fünf Kernpunkte), position-news-review bewertet News der letzten ein bis zwei Wochen nach Sentiment und Impact. Beide schreiben ihr Ergebnis als JSON, das Dashboard rendert daraus eine Karte pro Position. Reines WebSearch/WebFetch, kein externer Datenanbieter.
Unser komplettes Claude-Code-Setup (CLAUDE.md, Skills, Agents, Commands) liegt jetzt in einem eigenen Git-Repo statt direkt in ~/.claude. Ein setup.sh-Skript verlinkt die Dateien per Symlink zurück. Auf einer neuen Maschine reicht damit ein Klon plus ein Skript-Aufruf, und das Setup ist wieder da. Vorher war ~/.claude selbst das Repo, das koppelt Konfiguration und Claude Codes eigene Verzeichnisstruktur enger, als uns lieb war.
Vor jeder Übernahme eines fremden Claude-Code-Setups oder Tool-Repos läuft jetzt erst ein read-only Audit: Sterne, Struktur, Anzahl Skills/Agents/Commands, letzte Aktivität. Aufruf über /research-repo <url>, der Agent schließt mit einer klaren Empfehlung: übernehmen, überspringen oder genauer anschauen. Verhindert, dass ein gut vermarktetes Repo ungeprüft ins eigene Setup wandert.
Per repo-research-agent geprüft: cathrynlavery/diagram-design (26.000 Sterne) baut editorielle Diagramme als eigenständiges HTML+SVG mit Playwright-Export, bewusst kein Mermaid. Gleicher Rendering-Stack wie unsere Karussell-Skills carousel-inzpyre und tste-carousel, nur für Diagramme statt Social-Posts. Den Skill installieren wir nicht, der Diagrammtyp passt nicht zu unserem Content. Drei Muster übernehmen wir für die nächste Karussell-Iteration: das Playwright-Export-Rezept mit networkidle- und Fonts-ready-Wartezeit als Robustheits-Check gegen unser eigenes render.js, semantische Design-Tokens statt Rohfarben, und ein Marken-Profil, das sich automatisch von einer URL ableiten lässt.
Ein neuer Skill für Frontend-Arbeit mit festen Phasen: erst Fragen zum Stil klären, dann ein Audit gegen acht bekannte KI-Slop-Muster, dann eine DESIGN.md als verbindliche Referenz, dann Screen für Screen umbauen mit Screenshot-Vergleich nach jedem Schritt. Am Ende zehn Abnahme-Fragen, die alle mit Nein beantwortet werden müssen, bevor irgendetwas als fertig gilt.
Ein Skill für den finalen Check vor dem App-Store-Einreichen: mehrere Agents prüfen parallel Review-Konformität, DSGVO, Backend-Security, StoreKit/Monetarisierung und Lokalisierung, bei Auth/Payment/Security zusätzlich im Tandem mit Codex. Mechanische Fehler werden direkt gefixt, alles andere landet als Go/No-Go-Liste mit den Punkten, die eine Menschenentscheidung brauchen. Entstanden aus dem ersten echten Lauf auf einer unserer Apps, nicht am Reißbrett gebaut.
Zweiter Skill in der Newsletter-Pipeline: Sobald ein Newsletter raus ist, macht dieser Skill daraus automatisch einen zweisprachigen Blogartikel für die Website, nach dem Muster eines früheren Newsletters, der schon mal so umgewandelt wurde. Ein Format, zwei Kanäle, ohne den Text zweimal zu schreiben.
Ein neuer Abschnitt sammelt Muster aus Anthropics eigener Prompt-Bibliothek: Ergebnis nennen statt Schritte vorschreiben, Verifikation mitliefern statt nur "schreib Tests", auf ein Referenzmuster zeigen statt Umsetzung zu diktieren, messbares Ziel statt vager Qualität. Ist ein Auftrag unklar oder zu kleinteilig formuliert, wird er vor dem Start selbst nach diesen Mustern umformuliert und kurz zur Bestätigung gezeigt.
Ein neuer Skill baut die Grundstruktur der nächsten Newsletter-Ausgabe aus dem zusammen, was seit dem letzten Versand wirklich passiert ist: Git-Commits, Memory-Einträge, der News-Digest aus unserem täglichen KI-Briefing. Raus kommt ein Entwurf, kein fertiges Mailing. Wo Daten fehlen, setzt der Skill einen Platzhalter, statt etwas zu erfinden. Das Muster passt auf jedes wiederkehrende Format, das du sonst vor einem leeren Dokument anfängst.
Zwei unserer geplanten Läufe scheiterten morgens an der Anmeldung. Ursache war der Energiesparmodus: Der Mac startet die Jobs auch aus dem Power Nap heraus, und in diesem halben Wachzustand steht das Netzwerk noch nicht, also lief die Token-Erneuerung ins Leere. Ein `caffeinate -u` vor dem Start erzwingt ein echtes Aufwachen, ein `caffeinate -i` hält den Rechner für die Dauer des Laufs wach. Wenn deine Automatisierung nur nachts fehlschlägt, schau zuerst dorthin und nicht ins Skript.
Unsere Content-Automatisierungen wählen Themen und Bilder rotierend aus. Innerhalb einer Woche kamen zwei Dubletten raus, beide aus demselben Grund: Die Auswahl hing an reiner Rechnerei (Tagesnummer modulo X) oder an der Reihenfolge im Ordner, und nichts hielt fest, was schon draußen war. Teilen sich zwei Modulo-Werte einen Faktor, entsteht daraus sogar ein festes Muster, das dieselbe Kombination alle acht Tage exakt wiederholt. Jetzt schreibt jede Auswahl mit, was benutzt wurde, und der am längsten nicht genutzte Kandidat gewinnt.
Ein täglicher launchd-Job feuerte einmal, während der Mac noch im Schlaf- oder Sperrzustand war: Der Keychain-Zugriff für die Claude-Session war kurz nicht verfügbar, der Lauf brach mit einem Auth-Fehler ab, aber das Tages-Dedup-Gate stempelte den Tag trotzdem als erledigt. Fix: ein kurzer claude -p-Smoke-Test mit Timeout vor dem eigentlichen Lauf. Schlägt er fehl, wird nur der Lock freigegeben, last-run bleibt ungestempelt, damit ein späterer Trigger es am selben Tag noch schafft.
Neuer Skill baut Instagram-Reels (9:16, 20-30 Sekunden) für eine Culinary-App: Skript, KI-generiertes B-Roll, Voiceover, Text-Overlays per HTML/CSS/Playwright, ffmpeg-Endmontage. Baut auf der Architektur von tste-carousel auf (Cadence-Vorschlag, manuelle Freigabe, kein Auto-Post), aber mit echten Video- und TTS-Kosten pro Lauf statt ~0,04 € pro Bild. Deshalb bleibt der automatische Cadence-Trigger deaktiviert, bis es ein explizites Kosten-Go gibt.
Neuer Skill füllt die App Store Connect Formularfelder (App-Informationen, Privacy-Label, Pricing, IAP, Store-Texte) mit Fakten vor, die er direkt aus dem Code abliest, etwa Produkt-IDs aus der .storekit-Datei oder die tatsächlich gesammelten Daten aus dem Privacy-Manifest. Ergänzt einen technischen Pre-Submission-Audit, den ein anderer Skill übernimmt: Wo nichts im Repo belegt ist, markiert er das Feld als offenen Punkt statt zu raten.
Neuer Skill für Next.js/Supabase-Admin-Panels: Auth+Nav, eigenes Tracking, Newsletter, private Medienbibliothek und Bulk-Actions als parametrisierte Module. Er baut nur, was eine App wirklich braucht, keines der fünf Module ist Pflicht.
Neuer Skill scannt täglich KI-News, schreibt daraus einen internen One-Pager, ein Website-Update und eine Instagram-Story, rendert sie als PNG und postet sie ohne manuelle Freigabe. Ein Watchdog-Timeout sorgt dafür, dass ein hängender Lauf nicht die ganze Kette blockiert.
Neuer Skill baut Instagram- und LinkedIn-Karussells für eine Culinary-App: Slide-Copy, HTML-Templates, Playwright-Rendering, fertig als Einzelbilder. Drei Design-Richtungen und vier Content-Formate liegen vorab fest, kein Neu-Design bei jedem Post.
Zwei Automations-Skills schrieben direkt in Obsidians data.json und verloren dabei Änderungen gegen den plugin-eigenen saveSettings()-Aufruf, der eine eigene Kopie im Speicher hält und die Datei jederzeit überschreibt. Fix: Automationen schreiben jetzt in eigene Outbox-Dateien, die das Plugin race-sicher einliest, seitdem als gemeinsames Modul für mehrere Skills.
Automatisierte Skills schreiben jetzt am Ende jedes Laufs ok oder error in eine gemeinsame Status-Datei, die ein Dashboard auslesen kann. Vorher blieb ein toter Hintergrundlauf unsichtbar: Ein leeres Lock wurde stillschweigend geräumt, ohne dass irgendwo ein Fehler auftauchte.
Ein per launchd getriggerter Hintergrund-Prozess scheiterte an einer Datei-Operation, obwohl die Terminal-App Full Disk Access hatte. macOS TCC bindet die Berechtigung an das tatsächlich ausführende Binary, hier den claude-Prozess selbst, nicht an die App, die ihn gestartet hat. Fix: Full Disk Access direkt fürs claude-Binary vergeben.
Ein neuer Skill baut Instagram-Karussells (1080x1350, statisch) aus Website-Content oder Notizen, über eine gemeinsame HTML- und Playwright-Renderpipeline im eigenen Marken-Design. Ein Cadence-Modus schlägt jetzt automatisch alle zwei Tage ein neues Karussell vor: ein Gate-Skript prüft Timing und offene Themen, ein launchd-Hook startet den Lauf headless im Hintergrund.
Über 20 spezialisierte SEO-Subagents in einem Plugin: technisches SEO, Content-Audits, Schema-Markup, Backlinks, lokale SEO und GEO/AI-Search-Optimierung für Google AI Overviews, ChatGPT und Perplexity. Jeder Bereich läuft als eigener Agent mit eigenem Tool-Zugriff, statt für jede Teilaufgabe ein neues Tool zu lernen.
Neue Regel im remotion-best-practices-Skill: Crossfade- und Morph-Übergänge zwischen Szenen brauchen einen fixgrößen Stage-Container mit absoluter Positionierung statt normalem Textfluss. Negative Margins zum Ausgleichen von Flow-Layout brechen sonst das Timing beim Rendern. Learning aus dem Aufbau der eigenen Karussell-Renderpipeline.
Ein neuer Skill screent täglich das Claude-Code- und KI-Ökosystem: Anthropic-Releases, GitHub-Repos, Skills, Plugins, MCPs, Community-Diskussionen und OpenAI/Codex-News. Ein Stop-Hook mit 20-Stunden-Gate und Lock-Mechanismus startet den Lauf automatisch, dedupliziert gegen bereits Gesehenes und schreibt ein Briefing mit maximal drei Setup-Empfehlungen.
Ein eigener Skill sammelt einmal pro Woche alle Setup-Änderungen ein (CLAUDE.md, Skills, Plugins, MCPs), schreibt sie auf diese Seite und in den Changelog-Artikel und erstellt einen Review-PR. Ausgelöst von einem Stop-Hook mit 7-Tage-Gate, nach dem Vorbild unserer Memory-Konsolidierung.
Neue Regel in unserer CLAUDE.md: Alles ab 3 Dateien oder 30 Minuten Arbeit bekommt zusätzlich ein Review von OpenAI Codex als zweitem Modell. Zwei Modelle mit unterschiedlichen Stärken finden mehr Fehler als eines. Die Findings werden bewertet, nicht blind übernommen.
Wir haben alle installierten Plugins durchgesehen und zwei deaktiviert, die wir nicht aktiv nutzen. Jedes aktive Plugin hängt seine Beschreibungen in jede Session und kostet damit Kontextfenster. Ausmisten lohnt sich regelmäßig.
Deine Bauen-Challenge
Nur wenn du KI selbst nutzt, verstehst du, wie sie funktioniert. Ein kleines Tool, ein Wochenend-Experiment, ein internes Skript. Egal. Du musst kein Techie werden. Du musst nur einmal angefangen haben.
Wähle eine Form: Web-App, iOS-App, kleine Automatisierung oder Workflow. Geh durch die drei Phasen aus Sektion A — Planung mit Claude Cowork, Programmierung mit Claude Code, Test im Browser oder Simulator. Plane ein Wochenende ein. Du wirst überrascht sein, wie weit du kommst.
Empfehlungen für dieses Thema
Creators und Newsletter, die zu diesem Cluster thematisch passen. Quereinstieg von außen, kuratiert von uns.
Vorne dabei beim Bauen mit Claude Code. Tiefe Praxis-Insights und eine eigene Academy (SKAILE) für alle, die ernsthaft mit KI Software bauen wollen.
Founder-Case-Studies von Pat Walls: wie echte Gründer ihre Produkte gestartet und vermarktet haben, mit konkreten Zahlen. Gut, um Growth-Taktiken an realen Beispielen zu lernen.
Weiter zur nächsten Station
Automatisierung bauen mit KI
Workflows planen, dann mit Claude Code umsetzen. n8n + Hetzner — günstig, schnell, dein.