Fallstudie | Claude Code
Mithilfe von Claude migriert Wiz eine Codebasis mit 50.000 Zeilen und verdoppelt seine Leistung
Das agentische Coding-Tool von Anthropic. Claude Code versteht Ihre Codebasis, bearbeitet Dateien, führt Befehle aus und hilft Ihnen, schneller zu liefern.
Weitere InformationenWiz ist eine Cloud-Sicherheitsplattform mit über 2.000 Mitarbeitenden, die Sicherheitsteams dabei unterstützt, Transparenz über ihre Cloud-Umgebungen zu gewinnen, ihre Sicherheitslage zu verwalten und während des gesamten Entwicklungslebenszyklus Korrekturmaßnahmen zu ergreifen. Das Data Security Posture Management (DSPM)-Team von Wiz ist dafür verantwortlich, Kundendateien in jeder Umgebung zu scannen und deren Inhalte zu lesen, um Sicherheitsprobleme wie offengelegte Zugangsdaten oder vertrauliche Daten zu identifizieren.
Mit Claude konnte Wiz:
- Innerhalb von ca. 1 Tag aktiver Entwicklungszeit eine Python-Bibliothek mit 50.000 Zeilen zu Go migrieren – ein Projekt, das manuell ca. 2 bis 3 Personenmonate in Anspruch genommen hätte
- In der Produktion PDFs 2x+ schneller verarbeiten, wobei die neue Go-Bibliothek die Python-Sandbox-Lösung vollständig ersetzt
- Die Kontrolle über die Codebasis übernehmen, sodass Fehler behoben und Anpassungen vorgenommen werden können, die in der ursprünglichen Open-Source-Bibliothek nicht möglich waren (einschließlich Sprachunterstützung für Hebräisch)
- Eine C++-Bibliothek mit 20.000 Zeilen in 2 Tagen zu Go migrieren, wobei Claude Code als Teil des Prozesses Go-Assemblercode generierte
- Den Output um etwa das 20- bis 30-Fache steigern – durch die Integration von Claude Code in die Entwicklungsworkflows des Teams
Die Herausforderung: Das Parsing von PDF-Dateien in großem Maßstab
Die gesamte Codebasis von Wiz ist in Go geschrieben, einer Programmiersprache, die für ihre Speichersicherheit und ihre Sicherheitseigenschaften bekannt ist. Aber für eine kritische Aufgabe – das Parsing von PDF-Dateien – existierte keine adäquate Go-Bibliothek. Die PDF-Spezifikation ist Jahrzehnte alt und hundertfach in diversen und Geräten implementiert, was ein umfassendes Parsing extrem komplex macht. Liron Levin, ein Softwareentwickler im DSPM-Team, erklärt: „Wenn Sie auf Reddit oder in einem anderen Blog nachschauen, werden Sie jede Menge Fragen sehen wie ‚Wie löse ich das in Go?' und man wird Ihnen antworten, dass Sie das nicht können.“
Die einzig zuverlässige Lösung war pypdf, eine Python-Bibliothek mit mehr als 50.000 Codezeilen, die über 20 Jahre hinweg entwickelt wurde. Aber grundsätzlich musste Python, wenn es in einer Go-Umgebung ausgeführt wurde, in eine ressourcenintensive Sandbox – was im Wesentlichen eine kleine virtuelle Maschine ist – gesteckt werden, was die Leistung beeinträchtigte und nicht überall lief. In einigen Umgebungen wurde mit dem Sandbox-Python-Ansatz gearbeitet, andere verließen sich auf unvollständige Go-Pakete. Das Ergebnis war Inkonsistenz: Verschiedene Tools lieferten für dieselbe Datei unterschiedliche Ergebnisse.
„Es gab eine große Diskrepanz“, sagt Levin. „Es hat den Code komplizierter gemacht, und ich hatte allein bei der Ausführung kein gutes Gefühl. Ich wollte dies schon seit zwei Jahren beheben, aber der manuelle Aufwand, 50.000 Zeilen einer 20 Jahre alten Python-Bibliothek nach Go zu portieren, hätte einen hochspezialisierten Entwickler zwei bis drei Monate Zeit gekostet. Kein Produktmanager würde das jemals priorisieren.“ Das Projekt wurde zurückgestellt.
Die Lösung: Vom Experiment in die Produktion in 20 Stunden
Mit der Nutzung von Claude Code wollte das Team eigentlich nur eines: Unbekannten Code schneller verstehen. Aber innerhalb kurzer Zeit erweiterte sich der Anwendungsfall. Sie verwenden es, um Code zu überprüfen, die Architektur zu planen und sich in Codebasen einzuarbeiten, mit denen sie keinerlei Erfahrung haben.
Als Levin die Tools speziell für das Migrationsprojekt bewertete, war das kontextbezogene Verständnis von Claude Code das, was den Unterschied machte. „Seine Fähigkeiten zur Problemlösung sind wesentlich besser als bei anderen Tools“, sagt er.
Levin hat die Migration an einem Samstag getestet. Innerhalb einer Stunde nach dem Prompting funktionierte die Grundfunktionalität mit Hunderten von Test-PDFs. Nach etwa zehn Stunden iterativer Entwicklung konnte die neue Go-Bibliothek alle 500 seiner pathologischen Testfälle verarbeiten. „Ich war erstaunt“, sagt Levin. „Es erschien mir als der beste Entwickler der Welt.“
Claude Code migrierte die 50.000 Zeilen starke Python-Bibliothek in etwa 20 Stunden in eine 18.413 Zeilen starke Go-Codebasis – 10 Stunden aktive Entwicklung und 10 Stunden Tests. Für Liran Benodis, den Leiter des DSPM-Teams, ist klar: „Dieses Projekt wäre ohne Claude Code niemals zustande gekommen. Allein der Aufwand und die Zeit, die wir hätten investieren müssen – wir hätten es nicht getan.“
Aber die Migration des Codes war nur ein Teil der Herausforderung. Als Levin die neue Bibliothek mit einem Feature-Flag in der Produktion bereitstellte, entsprachen 99 % der Ergebnisse dem Original – allerdings waren da noch die restlichen 1 %, die anhand echter Kundendaten debuggt werden mussten. Da diese sensiblen Daten vor Ort bleiben mussten, entwickelte Levin etwas, das sein Team als „polymorphes Zero-Knowledge-Debugging“ bezeichnet. Er würde Claude Code bitten, ein Diagnosetool zu generieren, das nur strukturelle, nicht vertrauliche Daten über eine problematische Datei extrahiert, dieses Tool in einer sicheren Sandbox-Umgebung ausführen und die bereinigte Ausgabe an Claude zurückgeben.
Durch fünf bis zehn Iterationen pro Datei konnte Claude Fehler identifizieren und beheben, ohne auch nur einmal die Kundendaten einzusehen. Das Team löste auf diese Weise 20 bis 30 verschiedene Probleme.
Die Ergebnisse: Folgen für den gesamten Entwicklungsbereich
Die neue Bibliothek wurde innerhalb weniger Tage in der Produktion bereitgestellt und verarbeitet PDFs jetzt mindestens doppelt so schnell wie die ursprüngliche Python-Implementierung. Gleichzeitig entfällt das ressourcenintensive Sandboxing, das das Team bisher eingeschränkt hatte. Die Partnerschaft mit Anthropic erstreckt sich über mehrere Ebenen – das Team verwendet Claude Code für Entwicklungsarbeiten und die breitere KI-Plattform von Wiz (einschließlich der agentischen ASKI-Plattform und des Mikaii-Assistenten) basiert auf Claude-Modellen über Amazon Bedrock.
Dank der Migration erhielt das Team zum ersten Mal die volle Kontrolle über das PDF-Parsing. Sie konsolidierten fragmentierte Implementierungen in einer einzigen Codebasis, die in allen Umgebungen konsistent ausgeführt wird – CLI-Tools, Cloud-Buckets und virtuelle Maschinen. Kunden erhalten nun konsistente und schnellere Scan-Ergebnisse, unabhängig davon, wo sich ihre Dateien befinden, was für das DSPM-Versprechen von zentraler Bedeutung ist. Probleme, die bisher in der Open-Source-Bibliothek nicht behoben werden konnten, wie z. B. die unzureichende Unterstützung der hebräischen Sprache, konnten jetzt direkt gepatcht werden.
Levin schloss dann eine zweite Migration ab: Er konvertierte fastText, eine C++-Datenklassifizierungsbibliothek mit 20.000 Zeilen, in nur zwei Tagen in Go – auch mithilfe von Claude Code, das Go-Assembler-Code schrieb. Die resultierenden 5.434 Zeilen mit verifiziertem Go-Code haben zu 100 % die Modellvalidierungstests bestanden. Bei Wiz konnten die aktivsten 100 Beitragenden seit der Einführung von KI-basierten Programmiertools eine 1,5-fache Steigerung der zusammengeführten PRs verzeichnen, und für über 90 % der Entwickler/-innen gehört Claude Code nun zu ihren täglichen Workflows.
„Dadurch können wir Dinge tun, die wir ansonsten nicht einmal in Betracht ziehen würden“, sagt Benodis. „Heutzutage multiplizieren wir bei der Planung unseres Workloads diesen einfach. Wir können das 20- bis 30-fache von dem tun, was wir vorher getan haben.“
Die Entwickler/-innen von Wiz konsultieren Claude Code jetzt, bevor sie ihre Kollegen und Kolleginnen informieren, verwenden es zur Planung und Ausführung neuer Funktionen und überprüfen damit den Code als Standardbestandteil ihres Workflows. Einige Entwickler/-innen haben sich vollständig von herkömmlichen IDEs verabschiedet und arbeiten hauptsächlich mit Claude Code. Das Team entwickelte auch benutzerdefinierte MCP-Konnektoren für seine Überwachungssysteme, mit denen Claude Code Probleme in Produktions- und Testumgebungen erkennen und debuggen kann.
Nun visiert Benodis die Einbettung von Claude Code in jeden Teil des Entwicklungsprozesses an. Zudem entwickelt das Team einen von Claude betriebenen Agenten, der Code in der Produktion überwacht, Fehler und Anomalien erkennt und Probleme aufdeckt, bevor sie eskalieren. Einzelne Entwickler/-innen führen jetzt mehrere Claude Code-Instanzen gleichzeitig aus, die jeweils parallel an verschiedenen Funktionen arbeiten. „Besser geht es nicht", sagt Levin. „Damit werden Dinge möglich, die bisher unmöglich waren.“
Delegieren Sie Coding-Aufgaben direkt aus Ihrem Browser. Starten Sie mehrere Sessions parallel über Repositories hinweg – mit Fortschrittsverfolgung in Echtzeit.
Weitere Informationen„Dieses Projekt wäre ohne Claude Code nie zustande gekommen. Allein der Aufwand und die Zeit, die wir hätten investieren müssen – wir hätten es nicht getan.“