Anthropic testet intern, ob sein KI-Modell Claude Code die tägliche Wartung der hauseigenen Apps vollständig autonom übernehmen kann – und die ersten Ergebnisse sind beeindruckend. Seit einigen Wochen führt die KI über einen dedizierten Slack-Kanal namens "proj-claude-maintains-apps" eine Reihe von Wartungsroutinen aus, von Crash-Fuzzing bis zum Löschen von Dead Code. Das Experiment zeigt: Autonome KI-Agenten sind nicht mehr nur Konzept, sondern bereits in kritischen Produktionsumgebungen im Einsatz.
Kurz & knapp
- Claude Code hat in wenigen Wochen 388 Pull-Requests erstellt, davon wurden 180 (46 Prozent) nach menschlicher Prüfung übernommen
- Die KI führt zwölf spezialisierte Wartungsroutinen aus – von Crash-Fuzzing über Logic-Bugfixes bis zur Abstraction-Verbesserung
- Boris Cherny, Anthropic-Mitarbeiter und Erfinder von Claude Code, nennt die Ergebnisse "überraschend positiv"
- Befehle erfolgen per natürlichsprachlicher Anweisung über Slack – ohne großes Prompt-Engineering
Zwölf Routinen für automatisierte Code-Pflege
Das System ist beeindruckend in seiner Breite. Der Crash Fuzzer öffnet die Apps in einem Simulator, tippt wahllos herum, um Abstürze zu provozieren, analysiert die Ursache und erstellt automatisch einen Fix. Der Dup Unifier durchsucht die Codebasis nach ähnlichen, aber leicht voneinander abweichenden Abstraktionen und schlägt deren Zusammenführung vor. Der Dead-Code Remover entfernt statisch unerreichbaren Code – oder fügt bei verdächtigem Code zunächst Logging hinzu, um am nächsten Tag zu prüfen, ob er tatsächlich ungenutzt ist.
Weitere Routinen wie der Logic Simplifier, der Flaky-test Fixer und die Abstraction Police decken das gesamte Spektrum der Code-Qualität ab. Claude arbeitet dabei auf echten Apps ohne Mocks – ein wichtiger Unterschied zu vielen KI-Experimenten im Labor.
Einfache Befehle, komplexe Ergebnisse
Was überrascht: Cherny hat seine Prompts in Slack geteilt, und großes Prompt-Engineering ist dabei nicht zu erkennen. Er weist Claude schlicht in natürlicher Sprache an, tägliche Routinen zu starten, echte Apps zu verwenden, Abstürze zu provozieren und Pull-Requests mit Fixes zu erstellen. Laut Cherny trifft die KI die Pull-Requests in der Regel beim ersten Versuch. Wenn nicht, wird die jeweilige Routine angepasst, damit Claude am nächsten Tag bessere Ergebnisse liefert – das Tuning dauert manchmal einige Tage.
| Metrik | Wert |
|---|---|
| Erstellte Pull-Requests | 388 |
| Akzeptierte PRs | 180 |
| Erfolgsquote | ~46 % |
| Plattformen | iOS, Android, Desktop, Web, CLI, Agent SDK |
Was das bedeutet
Das Experiment von Anthropic zeigt: Autonome KI-Agenten übernehmen kritische Infrastruktur-Aufgaben in einer Produktionsumgebung – nicht in einem Sandbox-Szenario, sondern bei echten Apps mit echten Nutzern. Die Tatsache, dass fast die Hälfte der automatisch erstellten Pull-Requests nach Prüfung akzeptiert wird, deutet darauf hin, dass die Technologie eine echte Produktivitätssteigerung bietet.
Für deutsche Unternehmen stellt sich die Frage: Wie schnell werden solche autonomen Wartungs-Agenten zum Standard? Wer heute noch alle Code-Reviews und Refactorings manuell durchführt, könnte bald erhebliche Wettbewerbsnachteile haben. Gleichzeitig entstehen neue Fragen – etwa zur Verantwortung, wenn eine KI-generierte Codeänderung zu Problemen führt, oder zur Sicherheit, wenn autonome Systeme Zugriff auf kritische Repositories haben. Anthropic arbeitet daran – aber die Antworten sind noch nicht alle da.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
