AI/Claude Code
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
Claude Code ist ein agentengestütztes Codierungswerkzeug von Anthropic, das Ihre Codebasis liest, Dateien bearbeitet, Befehle ausführt und sich nahtlos in Entwicklungs-Workflows (Terminal, VS Code, Browser, JetBrains etc.) integriert. Dieser Lernplan führt iterativ von der einfachen Installation bis hin zu fortgeschrittenen Themen wie MCP-Integration und benutzerdefinierten Skills.
1. Lernziele
- Grundlagen: Installation und Authentifizierung von Claude Code in verschiedenen Umgebungen (Terminal, IDE).
- Bedienung: Navigation in der Codebasis, Ausführen von komplexen Analysen, Ändern von Code und Beheben von Fehlern.
- Workflows: Einbindung in gängige Prozesse (Refactoring, Tests, Git-Integration, Pull Requests erstellen).
- Personalisierung: Arbeiten mit persistentem Kontext (`CLAUDE.md`), Auto-Memory und benutzerdefinierten Regeln (`.claude/rules/`).
- Erweiterung: Anpassung durch eigene Skills und Integration von Drittanbieter-Tools über das Model Context Protocol (MCP).
2. Lernpfad (Schritt-für-Schritt)
Modul 1: Grundlagen und Erste Schritte (Quickstart)
- Thema 1 - Installation: Wie man Claude Code installiert (z.B. via `brew install --cask claude-code` auf macOS, `winget` auf Windows oder Curl-Skript).
- Thema 2 - Login und Einrichtung: OAuth-Login, Anthropic Console, API-Keys und Abrechnung.
- Thema 3 - Erstes Projekt: Navigieren ins Projektverzeichnis (`cd your-project`) und Starten der CLI mittels des Befehls `claude`.
- Thema 4 - Basis-Interaktionen: Erste Fragen stellen, Code-Änderungen anweisen lassen, verstehen grundlegender Befehle (wie `/help`, `/clear` und `/compact`).
Modul 2: Häufige Workflows (Common Workflows)
- Thema 1 - Codebasis verstehen: Nutzung des "Plan Mode" für sichere Code-Analysen sowie des "Extended Thinking" (Thinking Mode), um komplexe Architekturen von fremden Repositories zu erfassen.
- Thema 2 - Debugging & Refactoring: Fehler finden und beheben, Code sicher refaktorieren und spezialisierte Subagents (`/subagent`) aufrufen.
- Thema 3 - Git & Versionskontrolle: Arbeiten mit Git: Commits mit aussagekräftigen Nachrichten erstellen lassen (`claude "commit my changes"`), Branches verwalten.
- Thema 4 - Paralleles Arbeiten: Parallele Sitzungen mit Git-Worktrees führen und Pipes im Terminal nutzen (z.B. `git diff | claude -p "Review this"`).
Modul 3: Projektwissen und Gedächtnis (Memory)
- Thema 1 - Projekt-Anweisungen: Erstellen und Nutzen einer `CLAUDE.md`-Datei im Root-Verzeichnis, um Projektstandards und Architekturvorgaben verbindlich festzulegen.
- Thema 2 - Auto-Memory: Verstehen, wie Claude sich selbstständig wichtige Projektdetails merkt, ohne dass diese manuell gepflegt werden müssen.
- Thema 3 - Management des Gedächtnisses: Den Befehl `/memory` zur Überprüfung des Gelernten nutzen. Strukturieren komplexerer Regeln über den Ordner `.claude/rules/`.
Modul 4: Erweiterung durch Skills und MCP
- Thema 1 - Skills (Benutzerdefinierte Befehle): Erfahren, wie man eigene Befehle bzw. Workarounds mit Frontmatter-Konfigurationen unter `.claude/skills/` anlegt. Argumente an Skills übergeben.
- Thema 2 - Model Context Protocol (MCP): Grundlagen zum MCP verstehen, um Claude Zugriff auf lokale Datenbanken, APIs oder Tools wie z.B. Sentry oder GitHub Code-Reviews zu geben.
- Thema 3 - MCP Server einrichten: Eine `.mcp.json` auf lokaler Ebene, Projektebene oder Nutzerebene einrichten (Stdio, SSE, Remote-HTTP) und Tools dynamisch updaten.
3. Konkreter Lernplan (Zeitplan)
| Woche | Fokus | Aufgaben / Praxis |
|---|---|---|
| Woche 1 | Grundlagen & Setup | Claude Code (CLI oder VS Code/Cursor Extension) installieren. Einen Login durchführen. Eine einfache App (z.B. ToDo-App) modifizieren lassen. |
| Woche 2 | Workflow-Integration | Claude Code in den eigenen Git-Workflow einbauen. Tests schreiben, Fehler fixen und Claude dazu bringen, einen Commit selbstständig zu verfassen. |
| Woche 3 | Memory & Kontext | Eine umfassende `CLAUDE.md` für das aktuelle Hauptprojekt verfassen. Prüfen, wie Auto-Memory nach einigen Tagen Coding-Arbeit greift (`/memory`). |
| Woche 4 | Tools und Erweiterung | Einen einfachen MCP-Server (z.B. Dateisystem) per `.mcp.json` anbinden. Einen eigenen Skill programmieren (z.B. `/review-pr` zur automatisierten Linting-Vorprüfung). |
4. Lernressourcen
Die offiziellen Dokumentationen von Anthropic dienen als primäre Lernressourcen.
Offizielle Dokumentation
- Übersicht / Erste Schritte
- Schnellstart-Leitfaden
- Häufige Workflows (Best Practices)
- Projektgedächtnis (CLAUDE.md & Auto-Memory)
- MCP – Claude mit externen Tools verbinden
- Claude mit eigenen Skills erweitern
CLI & App-Ressourcen
- Terminal-Befehle: Jederzeit über `claude --help` oder in der Sitzung über `/help` erreichbar.
- Desktop-App: Für visuelle Diff-Überprüfungen (verfügbar via `/desktop` im Terminal).
- Web-Zugriff: Arbeiten über claude.ai/code inkl. Remote Control.
5. Empfohlene Praxis-Projekte
- Projekt A (Einsteiger): Bash-Skripte optimieren. Nutzen Sie den Terminal-Pipe-Workflow von Claude Code (z.B. `cat script.sh | claude -p ...`), um kleine Skripte zu verbessern oder sie plattformunabhängig zu machen.
- Projekt B (Fortgeschritten): Eigene CLAUDE.md anlegen. Nehmen Sie ein bestehendes Open-Source-Projekt und definieren Sie detaillierte Anweisungen in einer `CLAUDE.md`. Lassen Sie Claude dann anhand dieser Regeln ein neues Feature (z.B. eine UI-Komponente) implementieren.
- Projekt C (Experten): MCP Integration. Erstellen Sie eine `managed-mcp.json` Konfiguration, mit der Sie Claude Code mit Ihrer PostgreSQL Entwicklungs-Datenbank verbinden. Lassen Sie Claude im Anschluss Abfragen auf die Datenbank ausführen, um logische Datenfehler in Ihrem Code zu finden.
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).