CLAUDE.md, Skills und Context Engineering: Wie man einer KI die Projektregeln beibringt
Kurz gesagt
Projektregeln für KI-Coding-Agenten werden in einer kurz gehaltenen Kontextdatei wie CLAUDE.md hinterlegt, die in jeder Sitzung automatisch geladen wird. Umfangreichere, seltener benötigte Abläufe gehören in separate, gezielt geladene Arbeitsanweisungen (Skills), damit die Hauptdatei nicht unübersichtlich wird und wichtige Regeln nicht untergehen.
CLAUDE.md als projektweites Betriebshandbuch
CLAUDE.md lässt sich am besten als kurze Hausordnung für ein Projekt verstehen: eine Datei, die bei jedem Start automatisch als Kontext geladen wird und typischerweise Architekturüberblick, wichtige Befehle, Konventionen und grundlegende Arbeitsregeln enthält. Sie erzeugt diese Regeln nicht technisch erzwungen, sondern beschreibt gewünschtes Verhalten – ein Agent kann davon abweichen, wenn keine zusätzliche technische Absicherung besteht. Die Empfehlung lautet deshalb, CLAUDE.md bewusst kurz zu halten, als Richtwert unter etwa 200 Zeilen, und sie nicht mit Informationen zu füllen, die der Agent aus dem vorhandenen Code ohnehin ableiten kann.
Welche Inhalte typischerweise hineingehören
Sinnvolle Kontextbausteine für ein Projekt sind das eigentliche Produktziel und die grobe Architektur, verbindliche Coding-Regeln, wichtige Schnittstellen, die geltende Teststrategie, die Sicherheitsrichtlinie sowie eine klare Definition, wann eine Aufgabe als abgeschlossen gilt. Jeder dieser Bausteine sollte regelmäßig gepflegt werden – eine veraltete Regel in der Datei ist im schlimmsten Fall irreführender als gar keine Regel, weil sie ein falsches Sicherheitsgefühl erzeugt.
Skills: wiederverwendbares Wissen für wiederkehrende Aufgaben
Ergänzend zur zentralen Kontextdatei lassen sich Skills anlegen – eigenständige Arbeitsanweisungen, die entweder automatisch bei passender Aufgabe geladen oder gezielt aufgerufen werden. Ihr Inhalt wird erst geladen, wenn er tatsächlich gebraucht wird, statt bei jeder Sitzung im Hintergrund mitzulaufen. Das hält den Grundkontext schlank und macht gleichzeitig spezialisiertes Wissen verfügbar, sobald die passende Aufgabe ansteht – etwa ein wiederkehrender Ablauf für Deployments, Datenmigrationen oder bestimmte Prüfroutinen.
Für besonders folgenreiche Skills, etwa solche, die ein Deployment oder eine Wiederherstellung auslösen, lässt sich zusätzlich festlegen, dass sie nicht automatisch vom Modell selbst ausgelöst werden dürfen, sondern immer eine bewusste menschliche Anfrage brauchen. Dieser Seiteneffekt-Schutz verhindert, dass eine folgenreiche Aktion versehentlich als Nebeneffekt einer anderen Aufgabe mitläuft.
Subagents: Aufgaben aufteilen statt alles einem Agenten zu übertragen
Bei komplexeren Projekten lässt sich die Arbeit zusätzlich auf mehrere spezialisierte Unteragenten verteilen: einer prüft die Datenbank, einer die Oberfläche, einer die Sicherheit, einer schreibt begleitend Tests, während ein Hauptagent die Ergebnisse koordiniert. Für bestimmte, klar abgrenzbare Aufgaben empfiehlt sich inzwischen sogar paralleles Arbeiten mit mehreren Sitzungen oder getrennten Arbeitskopien des Projekts gleichzeitig – eine fortgeschrittene Arbeitsweise, die vor allem bei größeren, gut strukturierten Vorhaben Zeit spart.
Wie verbreitet diese Bausteine in der Praxis tatsächlich sind
Eine Untersuchung von knapp 2.900 GitHub-Projekten, die mit agentischen Coding-Werkzeugen wie Claude Code, Codex, Cursor oder Gemini arbeiten, zeigt ein klares Bild: Projektweite Kontextdateien wie CLAUDE.md sind mit Abstand das häufigste Artefakt. Skills und Subagents kommen in der Praxis dagegen deutlich seltener zum Einsatz – ein Hinweis darauf, dass viele Teams die einfache Basisstufe bereits nutzen, das fortgeschrittene Zusammenspiel aus Skills und Aufgabenteilung aber noch ungenutztes Potenzial bietet.