Erleben Sie Claude Code in Aktion — vom Konzept bis zum Commit in einem nahtlosen Arbeitsablauf.
Erleben Sie Claude Code in Aktion — vom Konzept bis zum Commit in einem nahtlosen Arbeitsablauf.
Erleben Sie Claude Code in Aktion — vom Konzept bis zum Commit in einem nahtlosen Arbeitsablauf.
Von Gründern ohne technischen Schwerpunkt, die Regierungsaufträge gewinnen, bis hin zu Solo-Entwicklern, die in großem Umfang entwickeln – hier erfahren Sie, wie agentisches Coding das Playbook für Startups neu schreibt.
Y Combinator, ein Startup-Accelerator, hat seit 2005 über 5.000 Unternehmen gegründet, die seit 2005 einen Gesamtwert von über 800 Milliarden US-Dollar erzielen, darunter bekannte Unternehmen wie Airbnb, Stripe und DoorDash.
Heute verändern Tools für agentisches Coding wie Claude Code die Art und Weise, wie YC-Startups entwickeln und skalieren, grundlegend. Gründer können Produkte jetzt direkt aus dem Terminal bereitstellen, was die Entwicklungszyklen von Wochen auf Stunden verkürzt und es selbst technisch nicht versierten Gründern ermöglicht, vom ersten Tag an mit etablierten Anbietern zu konkurrieren.
Wir haben mit drei YC-Startups gesprochen, die diese Transformation in der Praxis demonstrieren:
Schauen wir uns das Ganze einmal etwas näher im Detail an.
Dexter Horthy entwickelte autonome KI-Agenten zur Verwaltung von SQL-Warehouses, als ihm eine grundlegende (aber verständliche) Herausforderung für die Einführung von Agenten auffiel: Unternehmen waren nicht damit zufrieden, KI-Anwendungen unbeaufsichtigten Zugriff auf vertrauliche Vorgänge wie das Löschen von Datenbanktabellen zu gewähren.
Diese Erkenntnis wurde zur zentralen Erkenntnis von HumanLayer: Oft sind die nützlichsten Funktionen in jeder Software auch die riskantesten, insbesondere für nicht-deterministische LLM-basierte Systeme.
„Unser MVP war ein Agent, der sich mit den Menschen in Slack abstimmt und die grundlegenden Bereinigungen durchführt, z. B. jede Tabelle, die mehr als 90 Tage lang nicht abgefragt wurde, löscht“, erklärte Horthy. „Wir waren nicht damit vertraut, dass eine KI-Anwendung unbeaufsichtigt Roh-SQL ausführt, daher haben wir einige grundlegende menschliche Genehmigungsschritte eingebaut.“
Im August 2024 entwickelte Horthy ein MVP, testete es für verschiedene Start-ups in ganz San Francisco und gewann seine ersten zahlenden Kunden.
Dieser Fortschritt brachte HumanLayer in den YC 24 Batch, und das Team hat sich darauf konzentriert, eine API und ein SDK bereitzustellen, mit denen KI-Agenten über Slack, E-Mail, SMS und andere Kanäle Kontakt zu Menschen aufnehmen können, um Feedback, Input und Genehmigungen einzuholen.
Im ersten Quartal 2025 führte das HumanLayer-Team umfangreiche Kundenbefragungen durch, sprach mit Dutzenden von Engineering-Teams, die KI-Agenten entwickelten, und stellte fest, dass es eine Lücke im agentischen Entwicklungszyklus gab, die es nicht berücksichtigt hatte.
„Jedes Team hatte seine eigene Agentenarchitektur entwickelt“, erklärte Horthy. „Wir mussten nicht nur eine bessere API entwickeln, sondern auch die Standards und Prinzipien festlegen, die das Ökosystem ausgereift hätten.“
Dies veranlasste Horthy, ihre Ergebnisse in „12-Factor Agents: Patterns of reliable LLM-Applications“ zu dokumentieren. Der im April 2025 veröffentlichte Leitfaden fasste die Erfahrungen der Mitarbeiter beim Aufbau von Produktionsagentensystemen zusammen und stellte Best Practices für die neue Disziplin des Kontext-Engineerings dar.
Mit diesen Erkenntnissen begann das HumanLayer-Team, alternative Produktideen und Ansätze zu untersuchen.
Als Anthropic Claude Code auf den Markt brachte, waren Horthy und sein Team bereits starke Befürworter von Claude-Modellen für die Programmierung. Sie begannen sofort, ihn für diese Experimente zu verwenden.
„Wir haben alles mit Claude Code geschrieben“, so Horthy. „Als das Claude Agent SDK mit Opus 4 und Sonnet 4 eingeführt wurde, das die headless Agentenausführung ermöglichte, wussten wir, dass dies eine große Aufgabe sein würde.“
Nach monatelanger interner Feinabstimmung der Claude-Code-Workflows begann Horthy, sie mit engen Gründungsfreunden zu teilen.
„Der Moment, der mir sagte, dass wir alles durchführen mussten, war eine ganztägige Kopplung mit Vaibhav von BoundaryML (YC W23)“, erinnert sich Horthy. „Vaibhav war zunächst skeptisch, aber nachdem wir 7 Stunden damit verbracht hatten, was normalerweise 1-2 Wochen Arbeit in Anspruch nehmen würde, wurde er verkauft. Mir wurde klar, dass dieser Workflow auch für andere Teams und andere Codebasen funktionieren könnte.“
Heute hilft das Produkt CodeLayer von HumanLayer Teams dabei, mehrere Claude-Agentensitzungen parallel mit Worktrees auszuführen und Remote-Cloud-Mitarbeiter zu nutzen. Sie haben ein kritisches Muster entdeckt: Sobald ein Ingenieur Claude Code beherrscht, sind seine Produktivitätssteigerungen so erheblich, dass die eigentliche Herausforderung die organisatorische Herausforderung ist – diese Workflows auf ganze Teams zu skalieren.
„Wenn mehrere Mitarbeiter im Team KI-Code schreiben, hat man ein völlig anderes Problem vor sich“, erklärt Horthy. „Es ist ein Problem der Kommunikation, Zusammenarbeit, Tools und Verwaltung. Man muss völlig neu überdenken, wie das Team Software entwickelt.“
Seit Beginn des vierten Quartals 2025 hat HumanLayer mehrere große Pilotprojekte in Engineering-Teams aller Größen durchgeführt, um diese Tools und Workflows bereitzustellen, die alle mit Claude Code entwickelt wurden.
Jack Stettner und Sam Brickman gründeten Ambral, um ein Problem zu lösen, das jedem B2B-Start-up-Gründer und CROs bekannt ist: Mit zunehmendem Wachstum wird die Kundenbindung auf Gründerebene, die das frühe Wachstum fördert, unmöglich aufrechtzuerhalten.
Ob in jungen Unternehmen, die ein Hyperwachstum verzeichnen, oder in etablierten Großunternehmen – Kundenbetreuer jonglieren im Durchschnitt mit 50 bis 100 Accounts gleichzeitig. „Es ist unmöglich, eine effektive Kontoverwaltung zu gewährleisten, wenn nur ein Fünfzigstel der Aufmerksamkeit eines Nutzers aufgewendet wird“, erklärte Stettner. Der Kundenkontext, der einmal im Kopf eines Gründers verarbeitet wird, verteilt sich über Systeme, Protokolle, Slack-Nachrichten, Meeting-Protokolle und Produktnutzungsdaten.
Ambral synthetisiert Signale aus Kundenaktivitäten und -interaktionen in KI-gestützten Modellen für jedes Konto. Das System ermittelt, wer Aufmerksamkeit braucht und warum. Außerdem empfiehlt weitere Maßnahmen oder setzt diese selbständig um. Und es erkennt frühe Anzeichen von Unzufriedenheit, um Abwanderungen zu vermeiden.
„Wir versuchen, jeden Kunden so zu betreuen, wie ein persönlicher Kundenbetreuer es tun würde“, sagte Stettner.
Als CTO und alleiniger Entwickler dieses jungen Start-ups verlässt sich Stettner bei der Entwicklung stark auf Claude Code und das Agent SDK von Claude für das Produkt. Die technische Architektur spiegelt ein ausgefeiltes Verständnis wider, wie aus den verschiedenen Claude-Modellen der maximale Nutzen gezogen werden kann.
Stettner hat einen präzisen Workflow entwickelt, der die Stärken verschiedener Claude-Modelle in Verbindung mit Subagenten nutzt:
„Ich verwende Opus 4.1 für die Recherchen und Planungen. Sonnet 4.5 war absolut fantastisch, da ich dann die Pläne implementieren konnte, die ich in Markdown erstellte“, erklärte Stettner.
Sein Entwicklungsprozess erfolgt in drei Phasen:
Dieser Ansatz setzte sich über die anderen Workflows durch, die Stettner ausprobiert hat, und wurde von einigen Arbeiten beeinflusst, die Horthy bei Humanlayer durchführt: „Ich habe jedes Programmiertool ausprobiert und mit so ziemlich jedem Modell experimentiert. Ich denke, die Modelle von Anthropic sind derzeit am besten geeignet, und das zeigt sich auch im Code.“
Das Produkt selbst spiegelt diesen Multiagent-Ansatz wider. Stettner hat die Kernforschungsengine von Ambral mit dem Claude Agent SDK entwickelt, wobei es spezielle Subagenten für jeden Datentyp enthält.
„Ich habe viel Zeit mit dem Claude Agent SDK verbracht, um eine sehr robuste Forschungsmaschine zu entwickeln, die all diese Daten verarbeitet“, erklärt Stettner. „Sie basiert auf Claude-Subagenten, und für jede Art von Daten haben wir einen speziellen Subagenten, der ein Experte im Verständnis dieser Daten ist.“
Ob Benutzer mit dem System chatten oder Ambral Automatisierungen für Kunden erstellen – alles wird vom Claude Agent SDK und einer Reihe von Subagenten unterstützt, die Nutzungsdaten, Slack-Nachrichten, Meeting-Transkripte und Produktinteraktionen abrufen und analysieren.
Die Inspiration für die Architektur kam direkt von Stettners Entwicklungserfahrung: „Ich denke, die hervorragende Performance der Claude-Code-Subagenten und ihre Unterstützung bei der Entwicklung haben mich dazu inspiriert, dieselben Subagenten zu verwenden und sie für die Recherche-Engine im Produkt zu verwenden.“
Für Tanner Jones, CEO und Mitbegründer von Vulcan, geht der Einfluss von Claude Code weit über die Produktivität hinaus – es stellt die Demokratisierung des Unternehmensaufbaus dar. Als das Vulcan-Team sein Start-up gründete, war es davon überzeugt, dass es ein Produkt geben müsste, das die Arbeit der Regierung für die Bürger verbessert. Diese Vision wäre ohne Claude Code unerreichbar geblieben, da keiner der Gründer einen technischen Hintergrund hatte.
Vulcan löst ein Problem, das sich seit Jahrhunderten häuft: die Komplexität von Regelwerken. Das House of Burgesses in Virginia, die älteste demokratische Institution der Welt, ist ein gutes Beispiel dafür. Im Laufe von über 400 Jahren hat sich eines der am meisten differenzierten und komplexen Regelwerke in den USA kontinuierlich weiterentwickelt.
Als Aleksander Mekhanik und Tanner Jones im April 2025 Vulcan gründeten, hatten beide keinen traditionellen Engineering-Hintergrund. Mekhanik hat ML und Mathematik an der Universität studiert, und Jones hat zuletzt Programmiererfahrung im AP-JavaScript-Kurs an der High School gesammelt, wo sie Code noch mit Stift und Papier schrieben. Doch bis zum 1. Mai entwickelte das Duo einen Prototyp seines ersten Produkts für das Gouverneurskammer von Virginia – und gewann den Auftrag gegenüber etablierten Beratungsunternehmen.
„Der gesamte Prototyp wurde mit Claude entwickelt“, erklärte Jones. „Dies war Pre-Claude Code. Es war buchstäblich, Skripte in die Web-App zu kopieren und die Methoden auszutauschen.“ Nach der Entwicklung des Prototyps stellte das Unternehmen seinen CTO Christopher Minge ein, der bereits Erfahrung bei Google mit Gemini und Waymo hatte. Als Claude Code im Juni auf den Markt kam, vervielfachte sich die Geschwindigkeit des Trios erneut.
Die KI-gestützte regulatorische Analyse von Vulcan trug dazu bei, den Durchschnittspreis eines neuen Hauses in Virginia um 24.000 USD zu senken und den Bewohnern von Virginia jährlich über eine Milliarde Dollar zu sparen, indem redundante und doppelte regulatorische Anforderungen identifiziert wurden. Der Gouverneur von Virginia war so begeistert von Vulcan, dass er den Executive Order 51 unterzeichnete, der vorsah, dass alle staatlichen Behörden eine „KI-agentische regulatorische Überprüfung“ durchführen müssen.
Für Jones geht der Einfluss von Claude Code über die Produktivitätskennzahlen hinaus.
„Wenn man die Sprache und das kritische Denken versteht, kann man Claude Code gut verwenden“, sagte er. „Ich denke, dass es einen marginalen Nutzen für Menschen gibt, die Geisteswissenschaften studieren, da das Medium, mit dem wir mit der KI kommunizieren, Sprache ist. Wenn man gute Sprachkenntnisse hat und gut organisierte Listen, Bulletpoints und gut durchdachte Prozesse erstellen kann, werden die Prompts besser ausgeführt.“
Jones lobt Claude Code als Hauptfaktor für den Erfolg von Vulcan: „Innerhalb von vier Monaten haben wir drei Gründer, von denen nur einer technische Erfahrung hatte, Aufträge von staatlichen und Bundesbehörden erhalten und 11 Millionen US-Dollar von einigen der besten VCs gesammelt. All dies wäre ohne die unglaublichen Tools von Anthropic nicht möglich gewesen.“
Christopher Minge, CTO bei Vulcan mit einer „ordentlichen technischen Ausbildung“, erlebte einen Wandel in seiner Sichtweise auf das Ingenieurwesen.
„Es fühlt sich ein wenig so an, als hätte ich einen Kollegen bei Google, dem ich alle meine Ideen und Aufgaben übergebe, und er macht häufig Fehler, aber meine Rolle besteht darin, mehrere Claude-Code-Instanzen zu delegieren, häufige Fehler zu identifizieren und Ideen effektiv zu kommunizieren“, erklärte Minge.
Diese drei Start-ups haben erprobte Ansätze entwickelt, um den Nutzen von Claude Code zu maximieren:
„Claude sollte nicht zur Recherche verwendet werden, wenn es gleichzeitig plant und die Ergebnisse umsetzt“, riet Stettner. „Verwenden Sie separate Prompts und teilen Sie diese in separate Schritte auf.“
Dieses Muster verhindert Kontextkontaminationen und jede Sitzung kann sich auf ihr Kernziel konzentrieren. Es macht also Sinn, für jede Hauptphase eine neue Claude-Code-Sitzung zu starten, in der nur die Schlussfolgerungen vorgelegt werden, anstatt immer den gesamten Kontextverlauf miteinzubeziehen.
Stettners Rat für andere Gründer konzentriert sich auf das bewusste Kontextmanagement:
„Der Kontext ist entscheidend. Wenn ich Ergebnisse sehe, die unerwartet oder von schlechter Qualität sind, ist es normalerweise ein Widerspruch, der irgendwo in einem Prompt erscheint“, erklärte er. „Achten Sie darauf, welche Informationen Sie in einen Systemprompt eingeben oder wenn Sie ein neues Gespräch beginnen, da Sie Ihren Kontext nicht verdunkeln möchten. Wenn es Widersprüche in Ihrem Prompt gibt, erhalten Sie Ergebnisse von geringerer Qualität.“
„Versuchen Sie, die Denkkette zu hinterfragen und zu beobachten, was sie macht“, schlug Jones vor. „Brechen Sie im Notfall ab, um nicht adequates Verhalten zu stoppen.“
Dies ist besonders wichtig, wenn mehrere Instanzen ausgeführt werden. Man sollte frühzeitig erkennen, wenn das Ganze in eine falsche Richtung läuft – dadurch spart man deutlich mehr Zeit, als wenn man Claude Code einen ganzen fehlgeleiteten Ansatz erledigen lassen würde.
Diese drei Start-ups zeigen einen grundlegenden Wandel in der Art und Weise, wie Unternehmen mit Tools wie Claude Code arbeiten. HumanLayer hat die Kontext-Engineering-Praktiken entwickelt, die jetzt im gesamten YC-Ökosystem verwendet werden. Ambral arbeitet mit einem schlanken Gründungsteam für den Erfolg seiner Kunden. Vulcan erhielt Regierungsaufträge, ob sie keine Ingenieure sind.
Die traditionellen Barrieren bei der Entwicklung von Software – technisches Know-how, Teamgröße, Entwicklungszeit – machen Platz für neue Wettbewerbsvorteile: klares Denken, strukturierte Problemdeklaration und die Fähigkeit, effektiv mit KI zusammenzuarbeiten.
Sind Sie bereit für die Arbeit mit Claude Code? Erste Schritte
„Wir automatisieren alltägliche Aufgaben. 80 % der Vertriebsarbeiten sind heute manuelle, arbeitsintensive Datenverarbeitung. Im Zeitalter der KI können sich Menschen auf wirklich menschliche, kreative Arbeit konzentrieren, und wir können die Daten der KI überlassen.“
„Claude Sonnet 4.5 macht sich sofort bemerkbar: Es nutzt den Kontext der Codebasis von Augment, bewältigt längerfristige Aufgaben und eröffnet neue Möglichkeiten für Agenten, die wir aktiv erkunden.“
Transformieren Sie mit Caude die Arbeitsweise Ihres Unternehmens
Entwickler-Newsletter abonnieren
Neues zu Produkten, Anleitungen, Community-Spotlights und mehr. Monatlich in Ihrem Posteingang.
