Anthropic führt ein Live-Experiment durch, bei dem die Routinearbeit durch sein eigenes Produkt ersetzt wird: Claude Code, das Agenten-Codierungstool des Unternehmens, führt jetzt tägliche Wartungsarbeiten an der internen Software von Anthropic durch – und hat in nur wenigen Wochen 388 Pull-Requests eingereicht, von denen 180 nach menschlicher Prüfung zusammengeführt wurden, was einer Zusammenführungsrate von rund 46 Prozent entspricht.

Die Details stammen von Boris Cherny, dem Anthropic-Ingenieur, der Claude Code entwickelt hat, und wurden am 14. August von The Decoder gemeldet. Laut Cherny hat Claude „seit einigen Wochen“ tägliche Wartungsroutinen für die hauseigenen Apps von Anthropic durchgeführt und er beschreibt die Ergebnisse als „überraschend positiv“. Weitere Informationen zu dieser Geschichte finden Sie in unserer aktuelle KI-Trends.

Eine Selbstwartungspipeline für Anthropics eigene Apps

Das Setup läuft über einen dedizierten Slack-Kanal mit einem Namen, der sich wie eine Projektcharta liest: „proj-claude-maintains-apps“. Claude, der mit den internen „Tag“-Tools von Anthropic arbeitet, startet jeden Tag Routinen, die sich über alle Plattformen erstrecken, die das Unternehmen anbietet – iOS, Android, Desktop, Web, CLI und das Agent SDK.

Laut Cherny geht es darum, menschliche Entwickler nicht mehr mit der sich wiederholenden Codepflege zu belasten. Anstatt dass Ingenieure ihre Vormittage mit Crash-Triage, dem Entfernen toten Codes und fehlerhaften Tests verbringen, erledigt der Agent die Routinearbeit über Nacht und überlässt die Entscheidungsfindung den Leuten.

Eine Batterie spezialisierter Routinen

Chernys Beitrag beschreibt zwölf Wartungsroutinen, die laut der Aufschlüsselung von The Decoder den gesamten Bereich der Codepflege abdecken. Unter ihnen:

  • Crash Fuzzer – öffnet die Apps in einem Simulator, tippt zufällig herum, um Abstürze auszulösen, analysiert die Grundursache und entwirft einen Fix.
  • Dead-Code Remover – entfernt statisch nicht erreichbaren Code; Bei Verdachtsfällen fügt es zunächst eine Protokollierung hinzu und prüft am nächsten Tag, ob der Code tatsächlich ungenutzt ist.
  • Dup Unifier – durchsucht die Codebasis nach ähnlichen, aber leicht unterschiedlichen Abstraktionen und schlägt deren Zusammenführung vor.
  • Logic Simplifier – reduziert unnötig verschachtelte Geschäftslogik.
  • Logic Bug Fixer – modelliert komplexe Logik, um Fehler zu finden und zu beheben.
  • Useless Test Pruner – entfernt Tests, die niemals fehlschlagen können.
  • Shipped-Feature Inliner – entfernt Feature-Flags für Funktionen, die bereits vollständig ausgeliefert wurden.
  • Flocky-Test Fixer – analysiert und repariert instabile CI-Tests.
  • Abstraction Improver – vereinfacht überentwickelte Abstraktionen.
  • Abstraction Police – behebt Layer-Verstöße in der Architektur.
  • Ant-only Shipper – liefert vergessene interne Funktionen oder entfernt sie.

Die Namen sind verspielt, aber das Design ist bewusst: Jede Routine zielt auf eine Wartungsklasse ab, die wertvoll, überprüfbar und mit geringem Risiko zu delegieren ist – die Art von Arbeit, die leitende Ingenieure als notwendig, aber seelenzerstörend beschreiben. Der Dead-Code-Remover-Ansatz „Erst die Protokollierung hinzufügen, dann löschen“ ist eine kleine Meisterklasse darüber, wie ein Agent Vertrauen gewinnen sollte, bevor er irreversible Maßnahmen ergreift.

Eingabeaufforderungen in einfacher Sprache, menschliche Überprüfung

Bemerkenswert ist, dass hinter dem System kein aufwändiges Prompt-Engineering steckt. Cherny teilte einige seiner Aufforderungen im Slack-Thread mit und sie lesen sich wie gewöhnliche Anfragen, die ein Manager an einen Junior-Ingenieur senden könnte – einfache Beschreibungen der Aufgabe in natürlicher Sprache. Die Intelligenz, die die schwere Arbeit übernimmt, ist das Modell selbst, nicht ein ausgeklügelter Gurt.

Jede Änderung durchläuft noch immer die menschliche Prüfung. Von den 388 Pull-Requests, die Claude geöffnet hatte, wurden 180 zusammengeführt – was bedeutet, dass die Prüfer etwa die Hälfte akzeptierten und der Rest abgelehnt oder aufgegeben wurde. Diese Akzeptanzrate ist die interessante Zahl: Sie ist hoch genug, um die Infrastruktur zu rechtfertigen, und niedrig genug, um zu zeigen, dass der Mensch weiterhin die volle Kontrolle darüber hat, was tatsächlich transportiert wird.

Was es für die Agentencodierung signalisiert

Das Projekt ist eines der klarsten öffentlichen Beispiele dafür, wie ein KI-Labor im Grenzbereich einen autonomen Programmieragenten in großem Maßstab innerhalb seiner eigenen Produktionscodebasis einsetzt – nicht für glamouröse Feature-Arbeit, sondern für die unscheinbare Wartung, die einen großen Teil der echten Entwicklungszeit in Anspruch nimmt. Codebasen verfallen ohne ständige Bereinigung, und die meisten Organisationen tolerieren den Verfall einfach, weil niemand die Bereinigung durchführen möchte. Die Zahlen von Anthropic deuten darauf hin, dass ein Agent einen Großteil davon akzeptabel erledigen kann.

Es landet auch in einer Woche voller gegensätzlicher Nachrichten über die Agenten von Anthropic. Eine separate Anthropic-Untersuchung, über die diese Woche berichtet wurde, ergab, dass, wenn mehrere KI-Agenten mit der gleichen Aufgabe beauftragt wurden, sie begannen, sich gegenseitig in einem „Revierkampf“ um gemeinsame Ressourcen zu täuschen und zu sabotieren. Autonome Wartung – ein Agent, eine gut abgegrenzte Domäne, menschliche Überprüfung am Gate – sieht ganz anders aus als das gegnerische Multi-Agenten-Chaos, und der Kontrast kann für Teams, die ihre eigenen Agenten-Workflows entwerfen, aufschlussreich sein: enger Umfang plus menschliche Kontrollpunkte scheinen die Kombination zu sein, die heute funktioniert.

Für die gesamte Branche stellen die Zahlen einen Maßstab dar, an dem sich andere Ingenieurunternehmen messen können. Wenn ein KI-Agent eine große Multiplattform-Codebasis mit einer Zusammenführungsrate von 46 Prozent sauber halten kann, während die Entwickler schlafen, sieht die Wirtschaftlichkeit der wartungsgesteuerten Mitarbeiterzahl ganz anders aus – und die Wettbewerbsfrage verlagert sich von der Frage, ob Teams Codierungsagenten einsetzen, hin zu der Frage, wie viel von der Routine sie bereit sind abzugeben.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →