Doctolib steigert die Produktivität von Entwicklern mit Claude Code

Reviews auf Augenhöhe mit dem Tempo des Codes

Doctolib führte Claude Code zunächst ein, um Entwicklern Routineaufgaben abzunehmen. Dokumentation, Tests, Reviews von Pull-Requests und technische Schulden hielten Entwickler immer wieder von den Problemen ab, die auf einer Gesundheitsplattform besonders wichtig sind. „Die Entwickler verbrachten wertvolle Zeit mit wiederkehrenden Aufgaben, anstatt komplexe Herausforderungen im Gesundheitswesen zu lösen“, erläutert Jean-Claude Kuo, Staff Product Manager bei Doctolib.

Die Einführung hat funktioniert – und sie hat den Engpass verlagert. Als das Schreiben von Code schneller wurde, lag die eigentliche Herausforderung in allem, was dazugehörte: jede Änderung mit der Sorgfalt zu prüfen, die Software im Gesundheitswesen verlangt, sie auf Datenschutz- und Sicherheitsrisiken zu untersuchen und sicherzustellen, dass sie sich nach der Auslieferung wie erwartet verhält. Diese Prüfungen schützen 580.000 Fachkräfte im Gesundheitswesen und ihre Patienten, daher kam es nie infrage, Abstriche zu machen. Jede Prüfung bei jeder Änderung manuell durchzuführen, war ebenfalls nicht realistisch. „Unser Ziel ist es, umfassende Prüfungen zu implementieren, die aus Zeitgründen nicht konsequent von Menschen durchgeführt werden können“, sagt Nicolas Klarman, Staff Engineer bei Doctolib.

Opus 5.5 für Aufgaben, bei denen Qualität unverzichtbar ist

Die Grundlage war bereits vorhanden. Nach einer Pilotphase mit 30 Entwicklern stellte Doctolib Claude Code für das gesamte Entwicklungsteam bereit, und die Entwickler richten es in weniger als fünf Minuten selbst ein – über VS Code, JetBrains oder die Befehlszeile. Das Plattformteam pflegt ein gemeinsames Repository mit Prompts, benutzerdefinierten Befehlen und Subagenten, das jeder Entwickler bei der Einrichtung abruft. Heute nutzen etwa 90 % der rund 900 Tech- und Produktmitarbeitenden von Doctolib Claude täglich, und Claude Code ist nach wie vor das am häufigsten verwendete KI-Tool in der Entwicklung bei Doctolib.

Sobald neue Modelle erscheinen, überprüft das Team seine Standardkonfiguration erneut. „Der Opus-Planmodus bietet derzeit das bestmögliche Verhältnis zwischen Ergebnisqualität und Kostenoptimierung“, so Klarman.

Die größere Entscheidung betraf die Remote-Coding-Agenten von Doctolib, welche die Pull-Request-Reviews, Risikoanalysen, Sicherheitsprüfungen, Post-Merge-Prüfungen sowie die Implementierung übernehmen. „Bei diesen Aufgaben darf es keine Kompromisse bei der Qualität des Endergebnisses geben“, sagt Kuo. „Wir möchten die Einführung der Remote-Agenten als neuen Standard für die Bereitstellung vorantreiben.“

Um das Modell dahinter auszuwählen, führte das Team A/B-Tests mit einer Reihe realer Aufgaben durch. Opus 5.5 lieferte deutlich bessere Ergebnisse als Sonnet 5.0, der bisherige Standard der Agenten, und das bei 2,5-mal niedrigeren Kosten pro Pull-Request. Doctolib verwendet Opus 5.5 nun als Standard für seine Remote-Agenten und bevorzugt es für Aufgaben mit hoher Tragweite.

Agenten, die Tickets von der ersten Änderung bis zur Produktionsprüfung begleiten

Die eigenen Remote-Agenten von Doctolib laufen auf Claude Code im Headless-Modus über GitHub Actions und arbeiten als vernetztes System statt als Sammlung von Bots mit jeweils nur einem Zweck. Ausgehend von einem einzigen Ticket generieren sie eine Codeänderung mit dem richtigen Kontext, aktualisieren den Pull-Request, arbeiten das Feedback aus den Review-Kommentaren ab und führen eine vollständige Prüfung durch, sobald der Code in Produktion ist. Ihr Aufgabenbereich umfasst Code-Überprüfung, Risikoeinschätzung, Dokumentation und Fehlerbehebung. Sie machen inzwischen 10 % aller Pull-Requests bei Doctolib aus, und für jeden identifizierten Fehler schlägt ein Agent eine Korrektur vor. Die Hälfte dieser Korrekturen werden von dem Team, das für das betroffene Produkt verantwortlich ist, angenommen und übernommen.

Auch die Form des Reviews verändert sich. Statt eines einzelnen Review-Agenten entwickelt Doctolib ein Multi-Agenten-Framework zur Risikobewertung, dessen Agenten Datenschutz, Sicherheit und weitere kritische Dimensionen berücksichtigen, um zu entscheiden, wie viel Aufmerksamkeit jede Änderung benötigt. „Auf diese Weise können wir konkrete Belege dafür sammeln, was in der Praxis funktioniert, und gleichzeitig die Sicherheit und Zuverlässigkeit unseres gesamten Systems schrittweise stärken“, erklärt Klarman.

Die Agenten bauen auf Workflows auf, die seit über einem Jahr laufen. Ein geplanter Job aktualisiert die technische Dokumentation bei jeder Codeänderung, und im Haupt-Infrastruktur-Repository von Doctolib werden automatisierte Claude-Reviews ausgeführt. Schon früh nutzte das Team Claude Code, um seine gesamte Legacy-Infrastruktur für visuelle Regressionstests zu ersetzen. „Wir haben die Migration statt in Wochen bereits in Stunden abgeschlossen“, erklärt Klarman.

Die Agenten öffnen die Bereitstellung zudem für Personen außerhalb der Entwicklung. Da ein Pull-Request nicht mehr der Person gehören muss, die den Code schreibt, können Produktmanager und Designer Änderungen ausliefern, indem sie ihre Absichten klar formulieren. Der Agent zerlegt die Aufgabe in einzelne Schritte und passt die Anforderungen an die Codebasis, Best Practices und Sicherheitsrichtlinien an. Er öffnet den Pull-Request, hält ihn aktuell und arbeitet Feedback von menschlichen Reviewern und Review-Agents ein. Sobald die Änderung genehmigt ist, führt der Agent sie zusammen und startet Prüfungen, um das Ergebnis zu bestätigen.