Claude Code
im Industrial DevOps:
Wo es trägt, wo es endet.
Anthropic hat rund 400.000 Claude-Code-Sessions ausgewertet. Das Ergebnis ist für die Industrie interessanter als die Schlagzeile: Die Nutzung wandert vom Codeschreiben zum Betreiben von Systemen — genau in den Layer, um den es im Industrial DevOps geht.
Andreas Schönfeld
Geschäftsführer & DevOps-Berater, Comquent GmbH
18+ Jahre Erfahrung in DevOps, CI/CD und Industrial Automation
Stand: Juli 2026 · Datenbasis der Anthropic-Studie: Oktober 2025 bis April 2026 · Claude Code CLI v2.1.x
Claude Code ist ein agentischer Coding-Assistent, der im Terminal läuft, ein ganzes Repository liest und Dateien selbst ändert. Im Industrial DevOps trägt er auf drei Ebenen: bei Pipeline- und Betriebsinfrastruktur, beim Verstehen gewachsener Altsysteme und bei Analyse- und Dokumentationsarbeit, die bisher niemand gemacht hat, weil sie zu mühsam war. Er endet dort, wo die proprietären Engineering-IDEs beginnen — CODESYS, TwinCAT und TIA Portal lassen sich nicht öffnen. Und er ist im OT-Umfeld nur einsetzbar, wenn die Deployment-Frage vorher geklärt ist: EU-Datenresidenz gibt es ausschließlich über AWS-Bedrock- oder Vertex-AI-EU-Regionen, einen echten Air Gap gar nicht.
Ist Claude Code bei Ihnen gerade ein Thema?
Wir fragen kurz, wie dringend das Thema bei Ihnen gerade ist. Je nach Antwort zeigen wir Ihnen direkt den passenden nächsten Schritt — ganz ohne Formular.
Drei Ebenen.
Eine Grenze.
Eine Compliance-Frage.
Claude Code trägt dort, wo Arbeit wie ein Repository aussieht: bei Pipeline- und Betriebsinfrastruktur, beim Verstehen gewachsener Altsysteme und bei Analyse- und Dokumentationsarbeit, die bisher niemand gemacht hat, weil sie zu mühsam war.
Er endet dort, wo die proprietären Engineering-IDEs beginnen. Und er ist im OT-Umfeld nur einsetzbar, wenn die Deployment-Frage vorher geklärt ist — nicht danach.
Die Nutzung wandert
vom Editor
in den Betrieb.
Die Studie klassifiziert jede Session in einen von neun Arbeitsmodi. Klassisches Codeschreiben ist dabei nur ein Teil des Bildes: Rund 56 % der Sessions schreiben, reparieren, testen oder orchestrieren Code. 17 % betreiben Software — deployen, konfigurieren, Pipelines fahren, Systeme überwachen. 14 % sind Planung und Codeverständnis, 13 % erzeugen Analysen oder Prosa-Dokumente.
Interessanter als die Momentaufnahme ist die Bewegung über sieben Monate:
| Arbeitsmodus | Okt. 2025 | Apr. 2026 |
|---|---|---|
| Fehler beheben | 33 % | 19 % |
| Software betreiben | 14 % | 21 % |
| Analyse & Dokumentation | ~10 % | ~20 % |
Der Anteil reiner Fehlersuche halbiert sich fast. An seine Stelle tritt die Arbeit um den Code herum — und das ist genau der Bereich, den Industrial DevOps adressiert: Build, Deployment, Betrieb, Nachweis.
Zwei weitere Befunde gehören dazu. Erstens: Die Aufgabenteilung ist stabil. Im Durchschnitt treffen Menschen etwa 70 % der Planungsentscheidungen, Claude etwa 80 % der Ausführungsentscheidungen. Der Mensch entscheidet, was gebaut wird, der Agent, wie.
Zweitens: Erfolg hängt nicht am Programmierhintergrund. In Sessions, die Code erzeugen, liegt jede der zehn größten Berufsgruppen innerhalb von sieben Prozentpunkten der Softwareentwickler. Management-Berufe liegen bei der strengsten Erfolgsmessung sogar leicht darüber.
Was zählt, ist Domänenkompetenz.
Und die haben Ihre Automatisierungstechniker.
Der eigentliche Hebel
ist der Headless-Modus.
Die meisten begegnen Claude Code als interaktivem Terminal-Begleiter. Für Industrial DevOps relevant ist die andere Betriebsart: derselbe Binary, unbeaufsichtigt, ausgelöst durch einen Git-Push, einen Merge-Request-Kommentar oder eine Nightly. Das Muster ist immer gleich — ein Trigger feuert, der Job authentifiziert sich beim Provider, Claude Code läuft im Headless-Modus innerhalb eines Guardrails aus eingeschränkten Tools und nicht-interaktivem Permission-Modus, die Pipeline parst die strukturierte Ausgabe. Und erst danach folgt der nächste Schritt.
stage('KI-Review (advisory)') {
when { changeRequest() }
environment {
ANTHROPIC_API_KEY = credentials('anthropic-api-key')
}
steps {
sh '''
git diff origin/main...HEAD > /tmp/change.diff
claude -p "Prüfe diesen Diff gegen unsere Regeln in CLAUDE.md. \
Antworte ausschließlich als JSON: \
{findings:[{severity,file,line,rule,text}], verdict:'pass'|'review'}" \
--allowed-tools "Read,Grep" \
--permission-mode plan \
--output-format json \
< /tmp/change.diff > review.json
'''
script {
def r = readJSON file: 'review.json'
if (r.verdict == 'review') {
unstable(message: "KI-Review meldet Befunde — menschliches Review erforderlich")
}
}
}
}Drei Details: --allowed-tools als Whitelist statt Vollzugriff, --permission-mode plan für einen Lauf ohne Schreibrechte, und ein unstable statt failure — ein KI-Befund blockiert keinen Merge, er kennzeichnet ihn.
Die Werkzeugebene dahinter ist inzwischen sauber getrennt: Hooks sind für deterministische Lifecycle-Automatisierung zuständig, Skills für wiederverwendbare Aufgabenanweisungen, und das Agent SDK ergänzt explizite Permission-Kontrollen und Approval-Callbacks, wenn Sie den Agent-Loop in eigene Software einbetten. Wer viele Jobs parallel fahren und dabei Observability, Retries und Nebenläufigkeit braucht, arbeitet mit Claude Code Dispatch (seit Q1 2026): Claude Code wird dort zum einreihbaren Job mit Event-Stream.
Wo das in Industrieprojekten
konkret ankommt.
- /01
Pipeline-Migration
Jenkinsfiles, GitLab-CI-Definitionen und JCasC-Konfigurationen sind Textdateien in einem Repository. Genau das Format, in dem Claude Code stark ist. Eine Migration von Freestyle-Jobs zu Declarative Pipelines ist ein Standardfall. - /02
Shared Libraries aufräumen
Gewachsene Groovy-Bibliotheken ohne Tests: erst dokumentieren lassen, dann Tests generieren, dann refaktorieren. In dieser Reihenfolge. - /03
Log-Triage
Der Konsolen-Output eines roten Builds ist der ideale Piped Input. Ergänzend zur KI-gestützten Log-Analyse per MCP. - /04
Infrastructure as Code
Ansible-Rollen, Dockerfiles, Helm-Charts, Terraform für die Build-Landschaft — inklusive Drift-Erkennung im Nightly. - /05
Runbooks und Betriebsdokumentation
Aus dem tatsächlichen Zustand der Konfiguration erzeugt, nicht aus der Erinnerung des Kollegen, der nächstes Jahr in Rente geht.
Nicht neu schreiben.
Erst verstehen.
Hier liegt der größte Hebel für Maschinenbau und Automotive — und er liegt nicht dort, wo ihn die Werbung verortet. Laut McKinsey scheitern rund 70 % der Modernisierungsprojekte oder überschreiten ihr Budget deutlich. Der Blocker war selten die Technologie. Der Blocker war das Verständnis dessen, was der alte Code eigentlich tut.
Anthropic adressiert genau diese Phase: Claude Code führt Dependency-Mapping durch und unterstützt inkrementelle Refactoring-Strategien, während der Mensch in der Schleife bleibt. Seit März 2026 gibt es dafür ein Code-Modernization-Starter-Kit im Claude Partner Network sowie ein dediziertes Code-Modernization-Plugin für Framework-Upgrades und Legacy-Umbau statt reiner Sprachportierung.
Der für die Industrie entscheidende Punkt ist ein anderer: Testfälle entstehen aus dem beobachteten Verhalten der Altanwendung, nicht aus unbelegten Annahmen. Das ist die Brücke von „gewachsener Anlagensoftware, die niemand anfassen will“ zu nachweisbarer Regressionssicherheit — und damit die Voraussetzung für jede ernsthafte Traceability nach ASPICE oder ISO 26262.
# Schritt 1: Bestand aufnehmen, ohne etwas zu ändern claude -p "Lies jede Datei unter ./legacy/steuerung. Erzeuge pro Datei: (1) Geschäftslogik in Klartext, (2) Datenfluss, (3) externe Abhängigkeiten, (4) erkennbare Risiken, (5) abgeleitete Testfälle. Schreibe das Ergebnis nach ./docs/altbestand/<dateiname>.md" \ --allowed-tools "Read,Grep,Glob,Write" \ --add-dir ./docs/altbestand # Schritt 2: Das Ergebnis ist die Spezifikation — und wird reviewt. # Erst danach entsteht Code.
Der Output aus Schritt 1 ist kein Nebenprodukt. Er ist das Dokument, über das Ihr Team streiten und das es freigeben kann, bevor irgendetwas umgebaut wird. In unserer Erfahrung ist das der Punkt, an dem Modernisierungsprojekte kippen oder gelingen.
Typische Kandidaten im industriellen Umfeld: ClearCase- oder SVN-Altbestände auf dem Weg nach Git, Perl- und Batch-Wildwuchs in Build- und Test-Ketten, C#- und C++-Werkzeuge um die Anlage herum, undokumentierte Konfigurationsgeneratoren. Alles Fälle, in denen das Wissen an Personen hängt und nicht an Dateien.
Der Klassiker ist das Build-Skript, das seit elf Jahren zuverlässig läuft und dessen Autor 2019 gegangen ist. Niemand fasst es an, also wächst um es herum eine zweite Schicht Workarounds — und jeder neue Kollege verliert zwei Tage damit, herauszufinden, was ein einzelnes Flag darin eigentlich schaltet. Es klickt meist unspektakulär: Ein Kollege liest die generierte Beschreibung eines Bausteins, den er seit Jahren umgeht, korrigiert zwei Sätze darin — und damit steht das Wissen erstmals außerhalb seines Kopfes.
Der Automatisierungstechniker
baut sein Werkzeug
selbst.
Der Sessionanteil für Datenanalyse und Dokumenterstellung hat sich in sieben Monaten auf rund 20 % verdoppelt. Das klingt nach einer Randnotiz und ist der eigentliche Strukturbruch: Menschen ohne Entwicklerrolle bauen sich Werkzeuge.
Die Zahlen dazu sind eindeutig. Sessions, in denen die Person erkennbar Domänenkompetenz zeigt, erreichen die strengste Erfolgsmessung in 28 bis 33 % der Fälle, Novizen-Sessions in 15 %. Und beim Abbruchverhalten: 19 % der Novizen-Sessions enden abgebrochen, gegenüber 5 bis 7 % bei allen anderen. Der Unterschied liegt nicht im Programmierwissen, sondern in der Fähigkeit, den Agenten zu korrigieren, wenn er in die falsche Richtung läuft.
Für Industrieunternehmen folgt daraus eine unbequeme Konsequenz: Die Lizenz ist nicht das Projekt. Wer Claude Code einführt, ohne die Fachbereiche zu befähigen, kauft Abbruchquoten. Wer die Techniker befähigt, die die Anlage kennen, erzeugt Werkzeuge, die vorher niemand gebaut hätte — Auswertungen von Maschinendaten, Prüfskripte, Konfigurationsvergleiche über Werke hinweg.
Die meisten Automatisierungstechniker, mit denen wir darüber sprechen, halten sich für die falsche Person dafür. Sie haben nie Software entwickelt und sagen das auch offen. Ausgerechnet darin geben die Zahlen ihnen unrecht: Gemessen wird, wer den Prozess versteht, nicht wer die Syntax kennt.
Das ist dieselbe Bewegung, die wir unter Intelligisierung beschreiben: die Stufe nach Digitalisierung und Automatisierung, auf der Systeme kontextfähig werden. Sie setzt die ersten drei Stufen voraus — ohne Versionierung und Automatisierung bleibt es beim Experiment.
Wer agentische Werkzeuge sicher in die Pipeline bringt, lernt das Handwerk am eigenen Repository — mit Guardrails, Quality Gates und einem Sicherheitsblick auf jeden generierten Stage.
Jenkins-Pipeline mit KI & Claude Code
Pipelines generieren, reviewen und härten — CPS-Fehler, Shared Libraries, JenkinsPipelineUnit, Pipeline-Refactoring. 2 Tage Pair-Programming.
Workshop ansehenJenkins-Administration mit KI
Plugin-Konflikte, JCasC, CIS-Hardening, Build-Log-Analyse — 2 Tage, 80 % Hands-on, mit Claude Code im Terminal.
Workshop ansehenClaude Code sieht
Ihr TIA-Projekt
nicht.
Hier muss man präzise bleiben, sonst verliert man das Fachpublikum in einem Satz. Claude Code kann ein SPS-Projekt nicht öffnen. CODESYS, TwinCAT und TIA Portal sind nicht VS Code oder JetBrains — es sind proprietäre Engineering-Umgebungen ohne Extension-API in dem Sinne, in dem Software-Editoren eine haben. Dazu kommen Echtzeitanforderungen, grafische Sprachen wie FBD, LD, SFC und CFC sowie Vendor-Library-Eigenheiten, die sich nicht sauber auf Allzwecksprachen abbilden lassen.
Die nüchterne Bilanz aus der Community: Structured Text aus einem präzisen Prompt ist brauchbar und wird von Praktikern mit hohen Trefferquoten beschrieben. Ladder Logic auf echten Tags ist es nicht — und aus einem vollständigen Vendor-Projekt existiert kein Deploy-Pfad. Claude Code glänzt dort, wo die Arbeit wie ein Git-Repository aussieht: Quelldateien, Tests, Konfigurationen.
Wo Codegenerierung für SPS trotzdem funktioniert
Dokumentiert — aber nur mit eigener Validierungsschicht. Wipro PARI hat mit AWS eine Lösung auf Amazon Bedrock gebaut, die Prozessanforderungen in PLC-Ladder-Text übersetzt: von drei bis vier Tagen auf etwa zehn Minuten pro Anforderung, bei bis zu 85 % Codegenauigkeit, mit automatisierter Prüfung gegen IEC 61131-3 und anschließendem Engineering-Review über eine Web-Oberfläche. Über Projekte hinweg wurden rund 5.000 Arbeitsstunden eingespart. Der Ablauf ist nicht „KI schreibt SPS-Code“, sondern „KI erzeugt Entwurf, Validator prüft gegen Norm, Ingenieur gibt frei“.
Der Weg, der im Industrial DevOps tatsächlich trägt
Er führt über das Dateiformat: Erst den Steuerungscode als mergefähigen Quelltext exportieren — bei Siemens über die Openness-API statt der binären .ap-Datei —, dann liegt er in Git. Und ab dort ist es ein Repository wie jedes andere, mit dem Claude Code umgehen kann. Wie die Pipeline darauf aufsetzt, zeigt CI/CD für SPS-Entwicklung mit Jenkins. Die Reihenfolge ist nicht umkehrbar.
Vier Wege.
Eine Compliance-Frage.
Für IEC-62443- und NIS2-Kontexte im DACH-Raum ist das der Punkt, an dem viele Pilotprojekte scheitern — nachträglich, nach dem Sicherheitsreview.
Die Frage, die im Review gestellt wird, ist dabei selten technisch: Welcher Quellcode hat unser Netz verlassen, in welche Region, und wer kann das nachweisen? Wer sie zum ersten Mal hört, wenn der Pilot schon läuft, diskutiert nicht über Architektur, sondern über Abschalten.
| Variante | Datenhaltung | Auth & Audit | Wann passend |
|---|---|---|---|
| Anthropic direkt / claude.ai | US-Infrastruktur, keine EU-Datenresidenz | API-Key bzw. SSO | Evaluierung, unkritische Repos |
| AWS Bedrock (eu-central-1) | EU-Region, VPC-Endpoints möglich | IAM-Rollen, CloudTrail | AWS-geprägte Konzerne, strenge Residenz |
| Google Vertex AI (europe-west1) | EU-Region, Private Service Connect | Service Accounts, Cloud Audit Logs | GCP-native Organisationen |
| Azure AI Foundry | Region je Konfiguration | Entra ID, Purview-Integration | Microsoft-365-Landschaften |
| Lokales Modell / Air Gap | vollständig intern | eigenes Gateway | echte OT-Zone, Claude Code nicht nutzbar |
Welche Claude-Code-Variante übersteht Ihr Sicherheitsreview?
Vier Wege führen zu Claude Code, und sie unterscheiden sich nicht im Funktionsumfang, sondern darin, wo Ihre Daten liegen und wer den Auftragsverarbeitungsvertrag hält. Zwei Klicks, und Sie sehen die Variante, die in Ihrer Landschaft durch das Review kommt.
In welcher Cloud-Landschaft läuft Ihre Build-Infrastruktur?
Die Konfiguration selbst ist unspektakulär:
# AWS Bedrock, Frankfurt export CLAUDE_CODE_USE_BEDROCK=1 export AWS_REGION=eu-central-1 claude # Google Vertex AI, Belgien export CLAUDE_CODE_USE_VERTEX=1 export CLOUD_ML_REGION=europe-west1 export ANTHROPIC_VERTEX_PROJECT_ID=<projekt-id> claude # Aktive Konfiguration prüfen claude /status
Zwei Punkte, die im
Sicherheitsreview regelmäßig aufschlagen.
EU-Hosting ist nicht EU-Datenresidenz
Ersteres ist eine Standortaussage, Letzteres eine vertragliche Zusage — juristisch zwei verschiedene Dinge. Über claude.ai und die direkte Anthropic-API ist EU-Datenresidenz nicht verfügbar; die bestätigten Wege sind Bedrock-EU-Profile oder Vertex-AI-EU-Regionen mit regionsgebundener Konfiguration. Beides verlagert den Auftragsverarbeiter-Vertrag zum Cloud-Anbieter und erfordert eine eigene Geschäftsbeziehung dorthin.
Netzsegmentierung geht, Air Gap nicht
Bedrock und Vertex unterstützen VPC-Endpoints beziehungsweise VPC Service Controls und halten den Modellverkehr damit vollständig im privaten Netz — in stark regulierten Branchen häufig eine harte Anforderung. Ein echter Air Gap im Sinne einer abgeschotteten OT-Zone bleibt damit aber unerreicht. Wer dort KI-Unterstützung braucht, kommt an lokal betriebenen Modellen nicht vorbei — der Ansatz, den wir in IndustrialFlow verfolgen.
Risikoarm starten.
Wirkung belegen.
Fünf Schritte, die in dieser Reihenfolge funktionieren — jeder für sich schon nützlich, keiner mit Produktionsrisiko am Anfang. Die ersten drei ändern keine einzige Datei im Produktivsystem: Wenn nach zwei Wochen nichts überzeugt, gibt es auch nichts zurückzudrehen.
- /01
Read-only und Plan-Modus zuerst
Aufwand: niedrig
Claude Code darf lesen, analysieren und dokumentieren, aber nichts schreiben. Sofortiger Nutzen ohne Produktionsrisiko — dieselbe Logik wie beim Read-only-MCP-Server an Jenkins. - /02
--allowed-tools als Whitelist, Hooks als Bremse
Aufwand: niedrig
Kein Vollzugriff, keineBash-Erlaubnis ohne Sandbox. Hooks setzen deterministische Regeln durch, die kein Prompt umgehen kann — das ist ihr eigentlicher Zweck. - /03
CLAUDE.md als Projektgedächtnis
Aufwand: niedrig
Tech-Stack, Namenskonventionen, verfügbare APIs, was die Software nicht tun darf, geltende Compliance-Anforderungen. Diese Datei ist der wirksamste einzelne Hebel für konsistente Ergebnisse. - /04
Verstehen vor Umbauen
Aufwand: mittel
Erst den Altbestand dokumentieren und Testfälle aus beobachtetem Verhalten ableiten, dann refaktorieren. Wer diese Reihenfolge tauscht, kauft die 70-%-Fehlerquote mit ein. - /05
Wirkung über DORA messen
Aufwand: mittel
Lead Time for Changes und Change Failure Rate über 6 bis 8 Wochen, mit einer Baseline vorher. Ohne Messung bleibt der ROI eine Behauptung.
Ergänzend gilt in OT-Umgebungen unverändert: Human-in-the-Loop für jede Deployment-Entscheidung, generierter Code wird reviewt, KI-Quality-Gates werden IEC-62443-konform verankert.
Ein IT-Werkzeug
am Rand der OT.
Claude Code schreibt keinen SPS-Code, den Sie deployen können. Diese Erwartung führt in eine Enttäuschung, die dem ganzen Thema schadet.
Was es tatsächlich verändert, ist die Schicht darum herum — und die ist im Industrial DevOps die entscheidende: die Pipeline, die Testkette, das Verständnis des Altbestands, die Dokumentation, die niemand pflegt. Die Anthropic-Daten belegen diese Verschiebung: Reine Fehlersuche halbiert sich, Betrieb und Analyse wachsen, und der Erfolg hängt an Domänenkompetenz statt an Programmierkenntnissen. Übersetzt in die Fertigung heißt das: Die Menschen, die Ihre Anlage verstehen, können jetzt technische Arbeit leisten, die ihnen vorher verschlossen war.
Der Einstieg ist günstig und reversibel: ein Read-only-Lauf über einen Altbestand, ein advisory Review-Gate in einer Pipeline, eine gemessene Baseline. Die Deployment-Frage — Bedrock EU, Vertex EU oder lokales Modell — klären Sie vor dem Pilotprojekt, nicht nach dem Sicherheitsreview. Und die Grenze zur Steuerungsebene benennen Sie offen, statt sie zu überspielen. Genau das macht das Argument in der Fachdiskussion belastbar.
Comquent GmbH mit Sitz in Puchheim bei München berät seit 2006 Industrieunternehmen in DevOps, CI/CD-Automatisierung und Industrial DevOps. Vertiefende Trainings zu Jenkins, KI-gestützten Pipelines und agentischen Werkzeugen bietet die Comquent Academy .
- Anthropic Agentic coding and persistent returns to expertise, 16.06.2026 — ~400.000 interaktive Sessions von ~235.000 Personen, datenschutzwahrende Auswertung.
- Anthropic Claude Code Enterprise & Code Modernization — Starter-Kit im Partner Network, Code-Modernization-Plugin.
- Wipro PARI / AWS KI-gestützte PLC-Codegenerierung auf Amazon Bedrock, automatisierte Validierung gegen IEC 61131-3.
- McKinsey Fehlerquote und Budgetüberschreitung von Legacy-Modernisierungsprojekten.
- PraxisberichteHeadless-Betrieb und CI-Integration von Claude Code sowie Analysen zur EU-Datenresidenz über Bedrock- und Vertex-Regionen, März bis Juli 2026.
Häufige Fragen zu
Claude Code im Industrial DevOps.
- Q.01
- Was ist Claude Code?
- Ein agentischer Coding-Assistent von Anthropic, der im Terminal, im Desktop-Client oder in einer IDE läuft. Er liest ein ganzes Repository, ändert Dateien selbst, führt Kommandos aus und arbeitet mehrstufige Aufgaben ab. Im Unterschied zu einem Chat-Assistenten sieht er den Projektkontext und wirkt direkt auf das Arbeitsverzeichnis.
- Q.02
- Kann Claude Code SPS-Code schreiben?
- Structured Text aus einem präzisen Prompt: brauchbar als Entwurf. Ein vollständiges Projekt in CODESYS, TwinCAT oder TIA Portal: nein. Diese Umgebungen bieten keine Extension-API, über die ein externer Agent auf POUs, GVLs und Compile-Output zugreifen könnte. Grafische Sprachen wie LD, FBD, SFC und CFC sind zusätzlich außerhalb der Reichweite. Der praktikable Weg führt über den Export als mergefähiger Quelltext nach Git.
- Q.03
- Wie läuft Claude Code in einer CI/CD-Pipeline?
- Über den Headless-Modus: „claude -p" startet einen Einmalprozess ohne TTY und eignet sich damit für Pipeline-Stages, geplante Jobs und Pre-Commit-Hooks. Piped Input funktioniert ebenso. Mit „--output-format json" liefert der Lauf eine maschinenlesbare Ausgabe, die die Pipeline auswerten kann. Für viele parallele Jobs mit Retry-Semantik und Observability existiert seit Q1 2026 Claude Code Dispatch.
- Q.04
- Ist Claude Code DSGVO-konform einsetzbar?
- Anthropic stellt einen Auftragsverarbeitungsvertrag mit EU-Standardvertragsklauseln bereit; die Verarbeitung läuft aber standardmäßig auf US-Infrastruktur. EU-Datenresidenz erreichen Sie nur über AWS-Bedrock-EU-Profile oder Vertex-AI-EU-Regionen mit regionsgebundener Konfiguration — beides verlagert den Verarbeitervertrag zum Cloud-Anbieter. Für Anforderungen des öffentlichen Sektors oder besonders strenge interne Vorgaben ist diese Unterscheidung entscheidend.
- Q.05
- Funktioniert Claude Code in einer Air-Gap-Umgebung?
- Nein. Claude Code benötigt einen erreichbaren Inferenz-Endpunkt. Sie können den Verkehr über VPC-Endpoints oder Private Service Connect vollständig im privaten Netz halten, aber nicht ohne Netzverbindung arbeiten. In echten OT-Zonen bleibt der Weg über lokal betriebene Modelle mit eigenem Gateway.
- Q.06
- Welche Guardrails sind Pflicht?
- Vier Ebenen: „--allowed-tools" als Whitelist statt Vollzugriff, ein nicht-interaktiver Permission-Modus ohne Schreibrechte für Analyse-Läufe, Hooks für deterministische Regeln, die kein Prompt umgehen kann, und ein dedizierter Service-Account mit minimalen Rechten. Dazu ein Audit-Trail über Git und Human-in-the-Loop für jede Deployment-Entscheidung.
- Q.07
- Was ist CLAUDE.md und warum ist sie wichtig?
- Eine Datei im Projektwurzelverzeichnis, die Claude Code zu Beginn jeder Session liest: Projektbeschreibung, Tech-Stack, Namenskonventionen, verfügbare APIs, Verbote und geltende Compliance-Anforderungen. Sie ist der wirksamste einzelne Hebel für konsistente Ergebnisse — und in regulierten Umgebungen der Ort, an dem normative Vorgaben verankert werden.
- Q.08
- Ersetzt Claude Code Entwickler in der Automatisierung?
- Die Datenlage sagt etwas anderes. Menschen treffen im Schnitt rund 70 % der Planungsentscheidungen, der Agent rund 80 % der Ausführungsentscheidungen. Erfolg korreliert mit Domänenkompetenz, nicht mit Programmierkenntnissen — und Sessions ohne Domänenverständnis brechen deutlich häufiger ab. Das Werkzeug verschiebt die Grenze dessen, was ein Fachexperte selbst umsetzen kann; es ersetzt nicht das Verständnis der Anlage. In der Praxis bleibt Ihr erfahrenster Techniker damit der wichtigste Mensch im Projekt — nur mit mehr Reichweite als vorher.
- Q.09
- Wie messe ich, ob sich der Einsatz lohnt?
- Über die DORA-Metriken, mit einer Baseline vor dem Pilotprojekt: Lead Time for Changes und Change Failure Rate zeigen den Effekt auf Durchlaufzeit und Stabilität, MTTR den Effekt auf die Fehlersuche. Ein Messfenster von sechs bis acht Wochen ist realistisch. Ohne Baseline bleibt jede Aussage zum Nutzen unbelegt. Wer sie vorher aufnimmt, hat nach acht Wochen zwei Zahlen, die in der Geschäftsführung ohne weitere Erklärung funktionieren.
Wie geht es bei Ihnen mit Claude Code weiter?
Sagen Sie uns mit einem Klick, wie es bei Ihnen weitergeht. Passend dazu bekommen Sie direkt einen konkreten nächsten Schritt — ganz ohne Formular.
Halber Tag.
Drei Anwendungsfälle.
Claude-Code-Quick-Scan.
In einem halbtägigen Workshop bewerten wir Ihren Altbestand und Ihre Pipeline-Landschaft, richten einen Read-only-Lauf mit passender Deployment-Variante ein und benennen die drei Anwendungsfälle mit dem höchsten Verhältnis von Nutzen zu Risiko — mit Umsetzungsplan und Guardrails.
unverbindlich
Verwandte Artikel
Jenkins mit KI steuern: MCP, Vibe Coding & Log-Analyse
Jenkins per MCP-Server mit KI steuern, Pipelines vibecoden und Build-Logs per LLM analysieren.
KI in der SPS-Programmierung: Tools, Best Practices & Grenzen
Wie KI-Assistenten die Steuerungsentwicklung verändern — und wo die Toolchain sie ausbremst.
CI/CD für SPS-Entwicklung: TIA Portal mit Jenkins & Claude Code
Build, Test und Deployment von TIA-Portal-Projekten automatisieren — inklusive MCP-Anbindung.
KI in der Produktion & Fertigung: Automatisierung zuerst
Die Stufe nach Digitalisierung und Automatisierung — und warum sie die ersten drei voraussetzt.
Erstgespräch.
Kostenlos.
90 Tage zum Ergebnis.
Wir klären gemeinsam, wie Sie in 90 Tagen die ersten messbaren Industrial-DevOps-Erfolge erzielen.
Industrie · Automotive · Finance