News
Neuer Ansatz zur Entwicklung von KI-Chat-Agenten mit Claude Code
Das Wichtigste in Kürze
- Anthropic bietet mit Claude Code einen KI-Coding-Agenten an, der über die reine Code-Vervollständigung hinausgeht und sich in verschiedene Entwicklungsumgebungen integrieren lässt.
- Ein fünfteiliger Classroom-Workshop, veranstaltet von der heise academy, vermittelt die praktische Anwendung von Claude Code zur Entwicklung eigener KI-Chat-Agenten.
- Der Workshop deckt den gesamten Entwicklungsprozess ab, von der Projektstruktur und Tool Calls bis hin zur Absicherung, dem Deployment und der Qualitätssicherung.
- Teilnehmende lernen, wie sie Tool Calls mit typisierten Funktionen und Zod-Schemata implementieren, diese mit Tests absichern und Git Worktrees für kollisionsfreies Experimentieren nutzen.
- Ein Fokus liegt auf Sicherheitsmechanismen wie Permissions, Approval-Strategien und dem Schutz vor Prompt Injection und Tool Poisoning.
- Die Erstellung einer vollwertigen Agenten-Oberfläche mit Streaming, Shared State und Generative UI mittels CopilotKit und AG-UI-Protokoll ist ebenfalls Bestandteil.
- Der Kurs schließt mit dem produktiven Deployment des Chat-Agenten, inklusive CI/CD über GitHub Actions, automatisierten Reviews und einem Human-in-the-loop-Modell.
- Die Sessions sind praxisorientiert und interaktiv gestaltet, mit der Möglichkeit, das Gelernte durch Aufzeichnungen und Materialien zu vertiefen.
Die Evolution der Softwareentwicklung: KI-Agenten in der Praxis
Die Landschaft der Softwareentwicklung befindet sich in einem tiefgreifenden Wandel, maßgeblich beeinflusst durch den Fortschritt im Bereich der Künstlichen Intelligenz. Wo einst menschliche Entwickler mühsam Codezeilen schrieben, übernehmen heute zunehmend intelligente Agenten ganze Aufgabenkomplexe. Eine Schlüsselrolle in dieser Entwicklung spielt Claude Code von Anthropic, ein fortschrittlicher Coding-Agent, der weit über die klassische Code-Vervollständigung hinausgeht und sich nahtlos in bestehende Entwicklungsumgebungen integrieren lässt.
Claude Code: Ein vielseitiges Werkzeug für moderne Entwickler
Claude Code ist nicht lediglich ein Tool zur Unterstützung beim Schreiben von Code. Seine Fähigkeiten erstrecken sich auf die Integration in Terminal, Integrierte Entwicklungsumgebungen (IDEs), Desktop-Anwendungen und sogar in Continuous Integration/Continuous Deployment (CI/CD)-Pipelines. Diese umfassende Integration ermöglicht es Entwicklern, den gesamten Lebenszyklus der Softwareentwicklung effizienter zu gestalten und die Produktivität signifikant zu steigern.
Praxisnahe Entwicklung von KI-Chat-Agenten: Ein strukturierter Ansatz
Die praktische Anwendung von Claude Code zur Entwicklung eigener KI-Chat-Agenten wird in einem spezialisierten Classroom-Workshop adressiert. Dieser Workshop, der sich über fünf intensive Sessions erstreckt, bietet den Teilnehmenden die Möglichkeit, unter Anleitung eines Experten einen vollständigen Chat-Agenten zu konzipieren und umzusetzen. Der Fokus liegt dabei auf einem konkreten Beispielprojekt, dessen Struktur bewusst generisch gehalten ist, um die Übertragbarkeit auf eigene Domänen und Anwendungsfälle zu gewährleisten.
Der Entwicklungsprozess innerhalb des Workshops ist modular aufgebaut und umfasst essenzielle Phasen:
- Projektstruktur und Initialisierung: Verständnis der Architektur moderner Agenten-Anwendungen.
- Tool Calls und externe Systemanbindung: Implementierung und Sicherung von Schnittstellen über das Model Context Protocol (MCP).
- Absicherung und Qualitätssicherung: Schutzmechanismen gegen Prompt Injection und Tool Poisoning sowie automatisierte Tests.
- Frontend-Entwicklung: Erstellung einer interaktiven Benutzeroberfläche mit Generative UI.
- Deployment und CI/CD: Produktive Bereitstellung des Agenten mittels Automatisierung.
Detaillierte Inhalte des Workshops
Die einzelnen Sessions des Classrooms sind darauf ausgelegt, ein tiefes Verständnis und praktische Fertigkeiten in verschiedenen Bereichen zu vermitteln:
Session 1: Claude Code einsetzen – Agenten-Landschaft verstehen und erstes Projekt aufsetzen
In dieser ersten Einheit erhalten die Teilnehmenden eine Einführung in die Welt der Coding-Agenten und positionieren Claude Code innerhalb dieser Landschaft. Es werden die Unterschiede zu anderen Anthropic-Angeboten wie Claude Chat oder der Anthropic API beleuchtet. Anschließend wird ein erstes Projekt aufgesetzt, um die Grundlagen der agentischen Entwicklung zu legen.
Session 2: Coding-Agenten lokal nutzen – Claude Code, Git-Workflows und Worktrees
Die zweite Session konzentriert sich auf die lokale Nutzung von Claude Code. Hier lernen die Teilnehmenden, wie sie eigene Tool Calls mit typisierten Funktionen und Zod-Schemata implementieren. Die Absicherung dieser Implementierungen durch Unit-, Integrations- und E2E-Tests bildet einen weiteren Schwerpunkt. Des Weiteren wird der effektive Einsatz von Git Worktrees zur kollisionsfreien Erprobung mehrerer Designvarianten vermittelt.
Session 3: MCP-Server sicher anbinden – Claude Code und Agenten-Harness absichern
Die dritte Einheit widmet sich der sicheren Anbindung externer Systeme über das Model Context Protocol (MCP). Ein zentrales Thema ist die Implementierung von Absicherungsmechanismen wie Permissions, Approval-Strategien und Schutzmaßnahmen gegen Prompt Injection und Tool Poisoning. Diese Aspekte sind sowohl für den Coding-Harness von Claude Code als auch für den Harness des eigenen Agenten von Bedeutung.
Session 4: Claude Code orchestrieren – Generative UI, MCP und Hooks in der Praxis
In der vierten Session steht die Orchestrierung von Claude Code im Vordergrund. Teilnehmende bauen mit CopilotKit und dem offenen AG-UI-Protokoll eine vollständige Agenten-Oberfläche, die Funktionen wie Streaming, Shared State und Generative UI umfasst. Die Automatisierung wiederkehrender Entwicklungsschritte mittels Skills und Hooks, beispielsweise für Formatierung, Tests und Secret-Scans, wird ebenfalls behandelt.
Session 5: Agent SDK, Subagents und CI/CD – deinen Agenten produktionsreif machen
Die abschließende Session widmet sich der Produktivreife des Chat-Agenten. Hierzu gehören das Deployment über CI/CD-Pipelines mithilfe von GitHub Actions, die Implementierung automatisierter Reviews durch Subagents und die Etablierung eines "Human-in-the-loop"-Modells zur Sicherstellung der Qualität und Kontrolle.
Zielgruppe und Mehrwert
Dieser Classroom richtet sich an B2B-Entwickler und -Architekten, die ein fundiertes Verständnis für agentische Softwareentwicklung mit Claude Code aufbauen und diese Technologie produktiv einsetzen möchten. Die praxisnahe Ausrichtung des Workshops ermöglicht es den Teilnehmenden, das Gelernte direkt in ihren eigenen Projekten anzuwenden. Die Möglichkeit, eine eigene Domäne in das Beispielprojekt einzubringen, schafft einen unmittelbaren Mehrwert für individuelle Herausforderungen, sei es die Entwicklung eines internen Recherche-Assistenten, eines DevOps-Insights-Agenten oder eines Support-Copiloten.
Die interaktive Gestaltung der Sessions, der Zugang zu Aufzeichnungen und Materialien sowie die Möglichkeit zum Austausch mit Experten und anderen Teilnehmenden gewährleisten eine umfassende Lernerfahrung, die über die reine Wissensvermittlung hinausgeht und den Grundstein für die effektive Nutzung von KI-Agenten in der Softwareentwicklung legt.
Fazit
Die Entwicklung von KI-Chat-Agenten mit Werkzeugen wie Claude Code repräsentiert einen Paradigmenwechsel in der Softwareentwicklung. Durch einen strukturierten und praxisorientierten Ansatz können Unternehmen die Potenziale dieser Technologien erschließen, um ihre Entwicklungsprozesse zu optimieren, die Effizienz zu steigern und innovative Lösungen zu schaffen. Die Fähigkeit, komplexe Systeme sicher und skalierbar zu implementieren, wird dabei zu einem entscheidenden Wettbewerbsfaktor.
Bibliographie:
- heise online. (2026, 13. August). Last Call: Claude Code in der Praxis – KI-Chat-Agenten in 5 Sessions entwickeln. Abgerufen von https://www.heise.de/news/Last-Call-Claude-Code-in-der-Praxis-KI-Chat-Agenten-in-5-Sessions-entwickeln-11353436.html
- heise online. (2026, 26. Juli). Claude Code in der Praxis – eigenen KI-Chat-Agenten in fünf Sessions entwickeln. Abgerufen von https://www.heise.de/news/Claude-Code-in-der-Praxis-eigenen-KI-Chat-Agenten-in-fuenf-Sessions-entwickeln-11353330.html
- heise online. (2026, 30. Juni). Claude Code in der Praxis – eigenen KI-Chat-Agenten in fünf Sessions entwickeln. Abgerufen von https://www.heise.de/news/Claude-Code-in-der-Praxis-eigenen-KI-Chat-Agenten-in-fuenf-Sessions-entwickeln-11339961.html
- heise academy. (o. D.). Agentische Entwicklung – mit Claude Code, Mastra und CopilotKit zum eigenen KI-Chat-Agenten. Abgerufen von https://heise-academy.de/kurs/classroom-agentische-entwicklung-mit-claude-code-mastra-u-0adbea
- NG-IT. (2026, 13. August). heise-Angebot: Last Call: Claude Code in der Praxis – KI-Chat-Agenten in 5 Sessions entwickeln. Abgerufen von https://www.ng-it.de/heise-angebot-last-call-claude-code-in-der-praxis-ki-chat-agenten-in-5-sessions-entwickeln/
- finanzen.at. (2026, 13. August). heise-Angebot: Last Call: Claude Code in der Praxis - KI-Chat-Agenten in 5 Sessions entwickeln. Abgerufen von https://www.finanzen.at/nachrichten/aktien/heise-angebot--last-call--claude-code-in-der-praxis---ki-chat-agenten-in-5-sessions-entwickeln-15872158
- Head Topics. (2026, 13. August). Last Call: Claude Code in der Praxis – KI-Chat-Agenten in 5 Sessions entwickeln. Abgerufen von https://de.headtopics.com/news/last-call-claude-code-in-der-praxis-ki-chat-agenten-in-5-86571809
- heise online. (2026, 19. Juni). iX-Workshop: Claude Code in der Praxis – effizienter entwickeln mit KI-Agenten. Abgerufen von https://www.heise.de/news/iX-Workshop-Claude-Code-in-der-Praxis-effizienter-entwickeln-mit-KI-Agenten-11318444.html
- Head Topics. (2026, 30. Juni). Claude Code in der Praxis – eigenen KI-Chat-Agenten in fünf Sessions entwickeln. Abgerufen von https://de.headtopics.com/news/claude-code-in-der-praxis-eigenen-ki-chat-agenten-in-funf-85069325
Weitere News-Artikel
Alle ansehen- Neuer Ansatz zur Bewertung ethischer Entscheidungsfindung in der KI-gestützten psychischen Gesundheitsversorgung
- Neuer Ansatz zur Evaluierung von KI-Modellen mit ONEBench
- Neuer Ansatz zur Verbesserung der Explorationsfähigkeit im Reinforcement Learning
- Ein neuer Ansatz zur Verbesserung der Faktengenauigkeit von LLMs durch fiktive synthetische Daten und Prerequisite Learning
- Neuer Ansatz zur fehlerfreien Ausführung komplexer Aufgaben mit KI-Systemen
- Neuer Ansatz zur Fehlerkorrektur in Quantencomputern durch Google
KI, die in Deutschland zu Hause ist.
Testen Sie Mindverse Studio oder sprechen Sie mit unserem Team über Ihren Anwendungsfall.