Stripe stellt für 1.370 Entwickler/-innen Claude Code in einem konfigurationsfreien Enterprise-Rollout bereit

Stripe entwickelt Finanzinfrastruktur für das Internet, die Zahlungen für Millionen von Unternehmen weltweit ermöglicht. Das für die Infrastruktur zuständige Entwicklerteam des Unternehmens stellt durch Tooling und Plattformfunktionen sicher, dass die Entwickler/-innen von Stripe so produktiv arbeiten können wie nie zuvor in ihrer beruflichen Laufbahn.

Mithilfe von Claude konnte Stripe:

• Claude Code für 1.370 Entwickler mit einem konfigurationsfreien Setup bereitstellen, das sofort auf dem Rechner jedes Entwicklers funktioniert
• 10.000 Zeilen von Scala zu Java in vier Tagen migrieren – ein Projekt, das ohne KI-Unterstützung geschätzt zehn Wochen gedauert hätte
• In Zusammenarbeit mit Anthropic eine signierte Binärdatei für das Unternehmen erstellen, wodurch die Sicherheitsbedenken ausgeräumt wurden, die die Bereitstellung anfänglich blockiert hatten
• Ein Schulungsprogramm erstellen, in denen KI-Assistenten als fähige neue Entwickler beschrieben wurden, die Kontext benötigen und, ohne den Menschen zu ersetzen, autonom arbeiten
• Eine Basis für KI-gestützte Agenten schaffen, deren Schwerpunkt auf der Aufrechterhaltung der von Stripe zugesagten Verfügbarkeit von 5,5 Neunen (99,9995 %) liegt

Die Herausforderung

Stripe benötigte einen CLI-nativen Programmierassistenten, der Enterprise-Sicherheitsanforderungen erfüllte Für das für die Infrastruktur zuständige Entwicklerteam von Stripe unter der Leitung von Scott MacVicar bestand die Herausforderung nicht darin, ein bestimmtes Tool zu bestimmen, sondern darin, es Entwicklern zu ermöglichen, die Tools zu finden, die zu ihren individuellen Workflows passen, ohne die Enterprise-Sicherheit zu gefährden.

„Hier entwickeln sich die Dinge rasant“, sagt MacVicar, der die für die Infrastruktur zuständige Entwicklergruppe von Stripe leitet. „Wir gehen jetzt erst einmal in die Breite. Mit der Konsolidierung haben wir bisher noch nicht begonnen.“ Das Team aktivierte sechs verschiedene Programmierassistenten und erkannte, dass jeder Entwicklertyp ein anderes Interaktionsmodell bevorzugt. Infrastrukturentwickler/-innen bevorzugen Befehlszeilentools. Produktentwickler/-innen möchten In-Editoren haben. Würden alle dazu gezwungen, mit nur einem Tool zu arbeiten, ginge Produktivität verloren.

Aber die Bandbreite sorgte auch für Probleme. Aufgrund der Sicherheitsanforderungen des Unternehmens konnten die Entwickler von Stripe nicht einfach das installieren, was sie wollten. Supply-Chain-Angriffe sind ein echtes Problem, und beliebige JavaScript-Pakete auf den Laptops des Unternehmens stellten ein inakzeptables Risiko dar.

Problemlose Einführung mit Claude Code

Bis zur Bereitstellung war Zusammenarbeit gefragt. MacVicar arbeitete direkt mit Anthropic zusammen, um eine Binärversion von Claude Code für Unternehmen zu erstellen – ein Prozess, der zwei bis drei Monate an Tests und Iteration in Anspruch nahm. Das Ergebnis war eine signierte Binärdatei, die sicher im gesamten Unternehmen bereitgestellt werden konnte und die npm-Abhängigkeitskette, die für Sicherheitsbedenken sorgte, umging.

KI-Assistenten als fähige neue Entwickler ansehen

„Wir haben uns einen eigenen internen Verteilmechanismus überlegt“, erklärt MacVicar. „Er ist auf jedem Laptop vorinstalliert. Er ist auf jedem Entwicklungsrechner vorinstalliert. Er ist mit den Regeln, den Tokens und der Authentifizierung vorkonfiguriert. Er funktioniert sofort, sodass niemand ein Konto erstellen oder alle Konfigurationen lesen muss.“

Diese Philosophie gilt für alle Entwicklertools von Stripe: Entwickler sollten ihre Zeit nicht mit dem Lesen von Handbüchern oder der Suche nach der idealen Konfiguration verbringen. Das Infrastrukturteam kümmert sich um dieses komplexe Thema, sodass sich die Entwickler/-innen auf die Entwicklung konzentrieren können. Claude Code passte perfekt für Entwickler/-innen, die einen leistungsfähigen Assistenten suchten, der in ihre vorhandenen Befehlszeilen-Workflows passt, ohne dass sie den Editor wechseln müssen.

Die größte Herausforderung war nicht technischer Natur, sondern eine Frage der Aufklärung und Schulung. Entwickler/-innen gingen zunächst mit unrealistischen Erwartungen an die KI-Assistenten heran, die sie eher als Ersatz denn als Partner ansahen.

„Die Leute denken, der Assistent sei ein Ersatz für sie, und geben ihm daher nicht ausreichend Kontext“, sagte MacVicar. Das Team entwickelte ein mentales Modell, das Anklang fand: „Stellen Sie sich KI als einen neuen, fähigen Entwickler vor, der alle Programmiersprachen kennt, dem jedoch der geschäftliche Kontext fehlt und der weder Ihre Codebasis versteht noch die Arbeitsweise von Stripe kennt.“

Dieses Framing veränderte die Art und Weise, wie Entwickler/-innen ihre KI-Assistenten mit Prompts versorgten. Anstatt Wunder zu erwarten, lernten sie, den entsprechenden Kontext bereitzustellen: Verweise auf die Dokumentation, Vorgabe eines Beispielcodes, Erklärung der architektoralen Muster. Das Team verstärkte dies durch Präsentationen für Entwickler im gesamten Unternehmen, dedizierte Schulungen und strategisch platzierte „Hinweis-Buttons“ in allen internen Tools. Lokale Beispiele erwiesen sich als effektiver als zentrale Schulungen. Teams, die effektive Prompts für ihre spezifischen Codebasen entdeckten, teilten diese Muster innerhalb ihrer Gruppen und sorgten für einen organischen Wissenstransfer. Für das Team von MacVicar ist diese Schulungsarbeit genauso wichtig wie die Tools selbst. Dieser Ansatz für das Onboarding, bei dem KI als Mitarbeiter gesehen wird, der Kontext benötigt und niemanden ersetzen soll, spiegelt wider, wie Stripe und Anthropic die Zukunft der KI-gestützten Entwicklung sehen.

Die Ergebnisse: Schritt für Schritt zu KI-Agenten für mehr Zuverlässigkeit

Entwickler/-innen berichten von einer höheren Zufriedenheit mit ihren Tools. Auch wenn dem Team keine einem einzelnen KI-Assistenten zuordbaren Kennzahlen vorliegen, sind die Signale insgesamt positiv. Ein konkretes Beispiel: Ein Team hat mit Claude-Modellen 10.000 Zeilen von Scala auf Java in vier Tagen migriert – ein Projekt, das manuell geschätzt zehn Wochen an Entwicklungsarbeit gebraucht hätte. Durch die Migration wurde eine neuere Version des JDK ermöglicht, was für Leistungsverbesserungen sorgte, die zuvor am erforderlichen manuellen Aufwand gescheitert waren. „Die Stimmung ist gut“, sagt MacVicar. „Den Leuten gefällt es. Es herrscht gute Laune.“

Das wahre Ziel liegt noch vor uns. Stripe hält derzeit eine Zuverlässigkeit von 99,9 % aufrecht, aber für MacVicar steht fest, dass sich mithilfe von KI-Agenten die Standards noch weiter erhöhen lassen. „Wenn wir uns darauf verlassen, dass ein Mensch etwas tut, wird dies in Minuten gemessen.“ Wenn wir dies von einem Agenten erledigen lassen, können wir es in Sekunden messen.“

Das Team evaluiert das Agenten-SDK von Claude, um spezielle Tools für die Erkennung und Lösung von Incidents zu entwickeln. In einem Geschäftsbereich, in dem Ausfallzeiten den Umsatz der Kunden direkt beeinträchtigen, bedeutet eine schnellere Reaktionszeit einen echten Mehrwert.

Für MacVicar gibt es vier Möglichkeiten: nur Menschen, Menschen mit Agenten, Agenten mit Menschen und nur Agenten. „Wir übergeben Aufgaben mithilfe von Agenten an Menschen und mithilfe von Menschen an Agenten“, sagt er. „Das Ziel ist es, nur noch das oberste Quadranten-Segment an Agenten zu erreichen.“

Im Moment lernt Stripe weiterhin, was in seiner Suite von KI-Tools funktioniert. Die Investition in eine breit angelegte Förderung, sichere Bereitstellung und Schulungen für Entwickler/-innen hat eine Grundlage für alles geschaffen, was in diesem schnelllebigen Bereich als Nächstes kommt.

‍