Anthropic verabschiedet sich vom starren Chatfenster und isolierten Prompts: Mit der neuen Beta-Funktion „Projekte“ (Projects) wird Claude Code zur persistenten Steuerzentrale für parallele Cloud-Threads. Wir haben die neue Architektur, das geteilte MEMORY.md und die autonomen Auto-Fix PRs im Härtetest analysiert.
Dieser Artikel ist ein vertiefender Fachbeitrag aus unserem Content-Cluster. Entdecken Sie die vollständige Übersicht auf unserer Hauptseite:KI-Automatisierung für moderne Unternehmen →
- Paradigmenwechsel vom Ordner zum Dispatcher: In Claude Code ist ein Projekt nicht länger eine passive Textablage, sondern eine lebendige Konversation. Ein übergeordneter Coordinator Agent nimmt Aufgaben entgegen, zerlegt Workflows und steuert parallele Worker.
- Echte Asynchronität ohne lokale Blockade: Durch Cloud Sessions auf Anthropic-Servern (Ubuntu-VMs) arbeitet Claude autark an GitHub-Branches weiter, selbst wenn Sie den Laptop zuklappen, offline gehen oder unterwegs vom Smartphone steuern.
- Kollektive Intelligenz via MEMORY.md: Jedes Teilergebnis, jede Linter-Korrektur und jede Architekturentscheidung fließt automatisch in das zentrale Project Memory ein und steht allen nachfolgenden Threads sofort zur Verfügung.
Vom interaktiven Pair-Programming zum autonomen Cloud-Entwicklungsteam
Wer bisher mit KI codiert hat, war an sein lokales Terminal gefesselt: Jeder Task blockierte CPU, Dateisystem und Konzentration. Mit den neu eingeführten Claude Code Projekten vollzieht Anthropic den Schritt vom assistierenden Chatbot zum entkoppelten Multi-Agenten-Betriebssystem für Software-Ingenieure.
- 1. Einleitung: Das Ende der lokalen Terminal-Fessel
- 2. Architektur & Funktionsweise: Der Coordinator-Worker-Blueprint
- 3. Geteilter Kontext & MEMORY.md: Das kollektive Projektgedächtnis
- 4. Vom Task zum Pull Request: Der autonome End-to-End Workflow
- 5. B2B-Praxiseinsatz: 5 Szenarien für Softwareteams & KMU
- 6. Governance, Sicherheit & Kostenökonomie für IT-Leiter
- 7. Fazit, Checkliste & Handlungsempfehlungen
- 8. Offizielle Quellen & Primärdokumentation
1. Einleitung: Das Ende der lokalen Terminal-Fessel
Die Evolution der KI-gestützten Softwareentwicklung verlief in den letzten vier Jahren atemberaubend schnell, offenbarte jedoch bis zuletzt eine gravierende operative Reibung: den Zwang zur synchronen Anwesenheit. Wer mit Tools wie GitHub Copilot, Cursor oder der klassischen Claude Code CLI arbeitete, saß vor einem blinkenden Cursor. Der Entwickler formulierte einen Prompt, wartete 40 Sekunden auf die Codegenerierung, prüfte den Diff, bestätigte die Terminal-Berechtigung, startete den Build und wiederholte die Schleife.
Dieser synchrone Ablauf blockierte nicht nur die Maschine durch rechenintensive Compiler- und Testläufe, sondern fragmentierte vor allem den mentalen Fokus des Ingenieurs. Größere Refactorings, das schrittweise Abarbeiten von 30 Linter-Warnungen über fünf Microservices oder das Hochziehen von Testabdeckungen verlangten stundenlanges Babysitting eines KI-Tools.
Am 17. September 2026 hat Anthropic die Spielregeln grundlegend verändert: In einer schrittweisen Public-Beta-Einführung für Pro- und Max-Kunden wurde die Funktion „Projekte“ (Projects) in Claude Code aktiviert. Was auf den ersten Blick wie ein bekanntes UI-Element aus klassischen Web-Chats wirkt, entpuppt sich unter der Haube als fundamentale Neuarchitektur des Software-Taskings. Die Kernbotschaft, die Anthropic Entwicklern beim Öffnen der Oberfläche entgegenstellt, bringt den Paradigmenwechsel auf den Punkt:
„Ein Projekt war früher ein Ordner. Jetzt ist es ein fortlaufender Chat. Frag nach Dingen, sobald sie anfallen, und Claude arbeitet an jedem davon in einem Thread und meldet sich im Verlauf zurück. Klappe deinen Laptop zu, und die Threads laufen weiter.“
Anstatt jeden Befehl auf der lokalen Entwicklungsmaschine auszuführen, lagert Claude Code Projekte die gesamte Arbeitslast in die Cloud aus. Der Entwickler steuert kein einzelnes CLI-Tool mehr, sondern fungiert als technischer Projektleiter (Engineering Manager) eines virtuellen Entwicklerteams. Doch wie ist dieses System aufgebaut, welche Sicherheitsgrenzen gelten für europäische Unternehmen und hält die Praxis, was die Beta verspricht? Wir haben das System eingehend analysiert.
2. Architektur & Funktionsweise: Der Coordinator-Worker-Blueprint
Um die Tragweite von Claude Code Projekten zu verstehen, muss man die technische Trennung zwischen Konversation und Ausführung betrachten. In herkömmlichen KI-Entwicklungsumgebungen ist die Konversation identisch mit dem Ausführungskontext. Wenn das Modell einen Bash-Befehl ausführt, passiert dies direkt im Terminal-Prozess des Benutzers. Bricht die Netzwerkverbindung ab oder schließt der Entwickler das Fenster, stirbt der Prozess.
Claude Code Projekte etablieren stattdessen ein zweistufiges Coordinator-Worker-Muster, das auf verteilter Cloud-Infrastruktur operiert:
1. Der Coordinator Agent
Die zentrale Projektkonversation fungiert als Steuerzentrale. Der Coordinator führt selbst keine schweren Dateimanipulationen aus, sondern analysiert Anforderungen, strukturiert Aufgaben, verwaltet das Projektgedächtnis und entscheidet, ob eine Nachfrage sofort beantwortet oder als separater Arbeits-Thread ausgegliedert wird.
2. Parallele Cloud-Threads
Jeder Arbeitsauftrag startet als eigenständige Cloud Session auf einer isolierten, von Anthropic verwalteten Ubuntu-VM. Jeder Thread erhält einen frischen Klon der Repositories, arbeitet auf einem dedizierten Git-Branch und verfügt über ein eigenes Kontextfenster mit vollständigen Tool-Zugriffsrechten.
3. Shared Project Memory
Über ein dateibasiertes Gedächtnissystem (Project Memory via MEMORY.md) teilen sich alle Threads globale Erkenntnisse. Wird in Thread A eine veraltete TypeScript-Konfiguration korrigiert, steht dieses Wissen Thread B und C Sekunden später als implizite Arbeitsanweisung bereit.
4. GitHub Execution Engine
Über die native Claude GitHub App interagieren Threads direkt mit Remote-Repositories. Sie pushen Branches, öffnen Pull Requests, werten CI-Pipeline-Ergebnisse aus und triggern bei Fehlern autonome Reparatur-Schleifen (Auto-Fix PR) ohne manuellen Eingriff.
Dieses Zusammenspiel löst ein fundamentales Skalierungsproblem: Ein Entwickler kann fünf völlig unterschiedliche Probleme in dieselbe Projektunterhaltung werfen – beispielsweise ein Datenbank-Index-Upgrade, die Korrektur einer CSS-Grid-Überlappung im Checkout und das Schreiben von Integrationstests für eine Authentifizierungs-Route. Der Coordinator erstellt für jedes Thema einen separaten Thread. Alle drei Threads laufen zeitgleich auf separaten Cloud-Instanzen, ohne sich gegenseitig im lokalen Git-Arbeitsverzeichnis in die Quere zu kommen.
3. Geteilter Kontext & MEMORY.md: Das kollektive Projektgedächtnis
Das größte Ärgernis beim Arbeiten mit isolierten KI-Chats oder flüchtigen Terminal-Sessions war bisher die permanente Kontext-Amnesie. Jeder neue Chat begann bei null. Selbst wenn man dem Assistenten gestern ausführlich erklärt hatte, dass im Projekt pnpm statt npm genutzt wird, dass Tests mit pnpm test:unit ausgeführt werden müssen und dass direkte Datenbankabfragen im Controller streng verboten sind, musste man diese Leitplanken im nächsten Chat erneut formulieren.
Claude Code Projekte lösen dieses Problem durch ein dreistufiges Kontext-System, das statische Vorgaben mit dynamischem Erfahrungswissen verschmilzt:
Vergleich: Lokale Terminal-Sessions vs. Claude Code Projekte
- Lokale Bindung: Blockiert Rechner, Terminal und Arbeitsverzeichnis während der Test- und Bauphasen.
- Flüchtiger Zustand: Kontext und Prompt-Historie enden mit dem Schließen des Terminals oder Session-Timeout.
- Manuelle Verzweigung: Parallele Aufgaben erfordern mühsame Git-Worktrees oder mehrere lokale Klone.
- Redundante Instruktionen: Coding-Regeln müssen in fast jedem Prompt erneut in Erinnerung gerufen werden.
- Keine native CI-Schleife: CI-Failures auf GitHub erfordern manuelles Kopieren der Logs zurück ins Terminal.
- Vollständige Entkopplung: Threads laufen autark in der Cloud; Rechner kann geschlossen werden.
- Permanentes MEMORY.md: Erkenntnisse, vermiedene Fehler und Architekturvorgaben bleiben dauerhaft gespeichert.
- Echte Parallelität: Bis zu 200 Threads pro Tag laufen isoliert auf separaten GitHub-Branches nebeneinander.
- Standing Instructions: Bis zu 16.000 Zeichen globale Projektregeln werden jedem Thread automatisch injiziert.
- Autonome Auto-Fix PRs: Claude überwacht geöffnete PRs, liest CI-Fehler und patcht Branches selbstständig.
Wie die automatische Memory-Synchronisation funktioniert
Das Herzstück des Projektgedächtnisses ist die Datei MEMORY.md, die von Claude im Hintergrund verwaltet wird. Sobald ein Entwickler in einem beliebigen Thread oder im Coordinator-Chat eine Anweisung wie „Beachte, dass wir in diesem Repo keine Default-Exports verwenden, sondern ausschließlich Named Exports“ äußert, verarbeitet Claude diese Information nicht nur lokal.
Das Modell destilliert die Regel und schreibt sie in den persistenten Speicher des Projekts (einsehbar unter Project settings > Memory). Startet Stunden später ein neuer Thread – vielleicht durch eine automatische Routine oder einen Teamkollegen –, liest dieser Thread beim Initialisieren automatisch den Index von MEMORY.md ein. Das System verhindert dadurch, dass Fehler doppelt begangen werden.
Zusätzlich lädt jeder Thread beim Klonen des Repositories automatisch die bestehenden Projektdateien:
CLAUDE.md Repository-Regeln
Spezifische Anweisungen für das jeweilige Repository wie Build-Kommandos, Test-Runner, Code-Formatierung und Linter-Befehle.
.claude/skills/ & Sub-Agenten
Modulare Spezialfähigkeiten, Slash-Commands und dedizierte Sub-Agenten-Definitionen, die im Codebestand versioniert sind.
Setup-Skripte & Cloud-Hooks
Shell-Skripte im Cloud-Environment, die vor Arbeitsbeginn Umgebungsvariablen laden, Tools installieren oder Datenbank-Schemata migrieren.
4. Vom Task zum Pull Request: Der autonome End-to-End Workflow
Wie fühlt sich die Arbeit mit Claude Code Projekten in der Praxis an? Um den Workflow zu demonstrieren, betrachten wir ein reales Wartungsszenario: Ein E-Commerce-Backend meldet sporadische Performance-Einbrüche im Checkout-Endpunkt. Der Entwickler öffnet claude.ai/code oder die Claude Desktop App und schildert das Problem im Projekt-Chat:
„Der Checkout-Service fühlt sich seit dem gestrigen Release träge an. Bitte profiliere den SQL-Query in src/services/checkout.ts, behebe das N+1 Problem und füge einen Regressionstest hinzu.“
Was nun geschieht, unterscheidet sich grundlegend von klassischen KI-Assistenten:
-
1. Dispatching & Thread-Generierung
Der Coordinator Agent analysiert die Nachricht, prüft die hinterlegten Repositories und erkennt, dass es sich um eine konkrete Codeänderung handelt. Anstatt den Prompt direkt im Hauptchat zu beantworten, generiert er eine Thread-Karte namens „Checkout-Performance optimieren & N+1 Fix“ und startet eine Cloud-Session.
-
2. Cloud Provisioning & Environment Setup
Auf der Anthropic-Cloud-Infrastruktur wird ein Ubuntu-Container hochgefahren. Das Repository wird frisch auf einen neuen Feature-Branch geklont. Das hinterlegte Setup-Skript installiert via npm/pnpm die Abhängigkeiten und setzt die Testdatenbank auf. Dank Environment-Caching dauert dieser Vorgang meist unter 30 Sekunden.
-
3. Autonome Code-Analyse & Testausführung
Claude analysiert die Datei, identifiziert eine Schleife mit wiederholten Einzelabfragen, refaktoriert den Code zu einem optimierten
JOINmit Eager Loading und schreibt intests/checkout.test.tseinen neuen Testfall. Claude führt den Test lokal in der Cloud-VM aus, sieht ein grünes Testergebnis und bereitet den Commit vor. -
4. Push & Auto-Fix Schleife
Claude pusht den Branch zu GitHub und öffnet einen Pull Request. Nun greift die integrierte Auto-Fix-Funktion: Schlägt eine GitHub Action in der CI-Pipeline fehl (beispielsweise weil der Strict-Mode des Linters eine ungenutzte Variable moniert), schläft der Thread nicht ein. Er fängt den CI-Web-Hook ab, liest die Fehlerzeile im Cloud-Log, korrigiert den Fehler, committet den Patch und pusht erneut – vollkommen autonom.
-
5. Human-in-the-Loop Abnahme im Overview Pane
Im Overview-Dashboard wandert der Thread automatisch von „Working“ zu „Ready for review“. Der Entwickler öffnet auf dem Desktop oder dem Smartphone den Diff, sieht die Zusammenfassung und die bestandenen Checks und klickt mit einem Fingertipp auf Merge PR.
Das Overview-Dashboard: Der Kontrollraum für parallele Agenten
Damit der Entwickler bei Dutzenden parallelen Threads nicht den Überblick verliert, hat Anthropic das Overview Pane integriert. Es teilt alle aktiven und vergangenen Threads in eindeutige Status-Kategorien ein:
Ready for review
Der Pull Request ist erstellt, alle Tests sind bestanden und der Agent wartet auf die finale Freigabe durch den Entwickler.
Waiting on you
Der Thread pausiert und benötigt eine Berechtigungsfreigabe (Permission Prompt) oder eine Klärung zur fachlichen Spezifikation.
Working
Der Thread führt gerade autonome Code-Analysen, Build-Läufe oder Test-Iterationen isoliert in der Cloud-VM aus.
Landing
Der Pull Request ist genehmigt und wird über GitHub Actions in die automatisierte Merge-Queue der Branch eingereiht.
Idle / Resolved
Erfolgreich abgeschlossene oder archivierte Tasks, deren Änderungen gemergt und dokumentiert wurden.
Experten-Tipp: Setup-Skripte unter 5 Minuten halten
Anthropic setzt für Cloud-Environments ein striktes Zeitfenster von maximal fünf Minuten für das Erstellen des initialen Environment-Caches an. Dauert die Installation von Abhängigkeiten oder das Herunterladen großer Docker-Images länger, bricht der Start neuer Threads mit einem Timeout ab. Optimieren Sie Ihr Setup-Skript, indem Sie serielle Installationen durch parallele Befehle (& und abschließendes wait) beschleunigen und schwere Downloads in asynchrone Session-Hooks auslagern.
5. B2B-Praxiseinsatz: 5 Szenarien für Softwareteams & KMU
Wo entfalten Claude Code Projekte im betrieblichen Alltag von Software-Agenturen, Tech-Startups und IT-Abteilungen im Mittelstand den größten Mehrwert? Wir haben fünf Praxisszenarien identifiziert, die sich drastisch von bisherigen Workflows abheben:
1. Serviceübergreifende Dependency-Upgrades
Sicherheitspatches oder Framework-Upgrades (z. B. Migration auf Node 24 oder React 19) über 10 Repositories hinweg: Ein einziger Prompt im Projekt stößt 10 parallele Threads an. Jeder Thread bearbeitet ein Repository, passt Konfigurationen an, behebt Breaking Changes und stellt einen fertigen PR bereit.
2. Nächtliche Bug-Triage („Close the laptop“)
Vor dem Feierabend werden fünf Fehlermeldungen aus dem Sentry-Monitoring in das Projekt kopiert. Während das Team schläft, analysieren Cloud-Threads die Stacktraces in separaten VMs, reproduzieren Fehler in isolierten Testumgebungen und liefern am nächsten Morgen fünf unterschriftsreife PRs.
3. Monorepo-Linter & Type-Check Harmonisierung
Große Codebasen leiden oft unter technischen Schulden durch inkonsistente Linter-Regeln. Claude Code Projekte können aufgeteilt werden, um modular Ordner für Ordner typensicher zu machen, ohne dass lokale Entwickler durch tagelange Merge-Konflikte blockiert werden.
4. OpenAPI- & Dokumentations-Synchronisation
Wann immer Backend-Entwickler neue Endpunkte definieren, prüft ein dedizierter Thread im Projekt die Abweichungen zur Swagger-/OpenAPI-Spezifikation und aktualisiert automatisch Dokumentationen, SDKs und Typdefinitionen im Frontend-Repository.
5. Multi-Dokumenten-Audits im Library-Tab
Projekte sind nicht auf reinen Quellcode beschränkt: Über den integrierten Library-Tab können PDF-Verträge, Anforderungsspezifikationen oder Support-Ticket-Exporte hochgeladen werden. Threads analysieren Muster, vergleichen Klauseln und generieren strukturierte Markdown-Reports.
Besonders die Kombination aus Multi-Repository-Support und geteiltem Kontext erweist sich in verteilten Architekturen als Gamechanger. In klassischen Microservice-Landschaften musste ein Entwickler bislang fünf verschiedene IDE-Fenster öffnen, um eine API-Änderung von der Backend-Schnittstelle über das API-Gateway bis hin zum Web- und Mobile-Client durchzureichen. In Claude Code Projekten werden alle vier Repositories in denselben Projektkontext eingebunden. Ein Thread kann Repositories dynamisch nachladen und Querverbindungen konsistent synchronisieren.
6. Governance, Sicherheit & Kostenökonomie für IT-Leiter
Für CTOs, CISOs und Entwicklungsleiter wirft der Einsatz autonomer Cloud-Agenten unmittelbare Fragen bezüglich Zugriffssicherheit, Datenschutz und Kostenkontrolle auf. Wer Claude die Berechtigung erteilt, Code in Cloud-VMs auszuführen und Pull Requests zu öffnen, benötigt verlässliche Governance-Mechanismen.
Token-Beschleunigung durch Parallelität
Weil ein Projekt mühelos vier oder fünf Threads gleichzeitig ausführt, vervielfacht sich der Token-Verbrauch gegenüber linearen Chats. Auf Pro- und Max-Plänen werden Session-Limits an intensiven Arbeitstagen spürbar schneller erreicht. IT-Leiter müssen Grenzwerte und Modell-Mappings gezielt steuern.
Netzwerk-Isolation & Exfiltration
Cloud-Environments laufen standardmäßig mit Trusted Netzwerkzugriff. Dies erlaubt den Zugriff auf öffentliche Paket-Registries (npm, PyPI), blockiert jedoch interne Firmen-APIs. Wer sensible Zugangsdaten benötigt, muss explizite Environment-Variablen konfigurieren und Secrets schützen.
Sicherheitsmodelle & Permission Modes
Claude Code Projekte bieten Entwicklern drei fein abgestufte Sicherheitsmodi (Permission Modes), die steuern, wie viel Autonomie den Cloud-Threads eingeräumt wird:
Auto-Modus (Classifier-gesteuert)
Ein interner Sicherheits-Klassifikator bewertet Aktionen in Echtzeit. Lese-, Formatierungs- und Test-Operationen laufen unterbrechungsfrei durch; risikobehaftete Kommandos stoppen zur Freigabe.
Accept Edits (Continuous Delivery)
Claude nimmt Dateiänderungen vor und pusht Branches ohne Unterbrechung, wartet jedoch vor destruktiven System- und Terminalkommandos auf explizite Bestätigung.
Plan-Modus (Architectural Gate)
Der Agent erstellt zunächst einen detaillierten Implementierungsplan und beginnt erst dann mit Codeänderungen, wenn der Entwickler den Blueprint genehmigt hat.
Wann Projekte passen – und wann lokale Sessions unverzichtbar sind
Trotz der enormen Leistungsfähigkeit der Cloud-Threads gibt es klare Szenarien, in denen traditionelle lokale Sessions oder das Feature Remote Control die bessere Wahl darstellen:
1. Lokale Hardware & Geräte-Emulatoren
Wenn die Codebasis auf physische Hardware-Dongles, lokale iOS-/Android-Simulatoren oder lokale GPU-Ressourcen der Entwickler-Workstation zugreifen muss.
2. Firmen-VPNs & On-Premise-Datenbanken
Wenn Tests zwingend eine Verbindung zu internen Staging-Datenbanken oder geschützten Services erfordern, die hinter einer Firmen-Firewall ohne öffentlichen Ingress liegen.
3. Strikte Zero Data Retention (ZDR) Vorgaben
Unternehmen mit Zero-Retention-Vorgaben können Cloud-Sessions aktuell nicht nutzen, da Anthropic temporäre Cloud-VM-Speicher anlegt. Hier bleibt die lokale CLI die primäre, auditierte Arbeitsweise.
7. Fazit, Checkliste & Handlungsempfehlungen
Die Einführung von „Projekten“ in Claude Code markiert einen Meilenstein in der Geschichte des Agentic Coding. Anthropic befreit Entwickler aus der Rolle des synchronen Tipp-Assistenten und befördert sie zum Orchestrator autonomer Software-Pipelines. Die Kombination aus entkoppelten Cloud-VMs, geteiltem Projektgedächtnis via MEMORY.md und selbstheilenden Auto-Fix PRs reduziert den manuellen Betreuungsaufwand von Routineaufgaben drastisch.
Für Software-Unternehmen und IT-Teams im DACH-Mittelstand bedeutet dies: Wer seine Repositories mit sauberen CLAUDE.md-Anweisungen, robusten CI-Pipelines und modularen Tests ausstattet, kann seine Entwicklungsgeschwindigkeit bei Refactorings, Fehlerbehebungen und Standard-Features vervielfachen.
Quick-Check: Ihr Einstieg in Claude Code Projekte
Planen Sie autonome KI-Agenten und Entwicklungsworkflows in Ihrem Unternehmen?
Kostenlose Erstberatung vereinbarenOffizielle Quellen & Primärdokumentation
- Anthropic Claude Code Dokumentation (September 2026): „Let Claude coordinate ongoing work with Projects“ – Offizieller Leitfaden zur Architektur, Thread-Koordination und Konfiguration geteilter Memory-Instanzen.
- Anthropic Web Quickstart & Cloud Sessions (September 2026): „Get started with Claude Code in the cloud“ – Dokumentation zu Cloud-VMs, GitHub-Konnektoren, Berechtigungsstufen und Permission Modes.
- Anthropic Cloud Environments Guide (2026): „Configure Cloud Environments and Setup Scripts“ – Spezifikation von Netzwerk-Sicherheitsstufen (Trusted/None), Caching-Budgets und Umgebungsvariablen.
Unsere Expertise vor Ort
Wir sind Ihr digitaler Partner – regional verankert und überregional erfolgreich.
Haben Sie eine Vision?
Lassen Sie uns gemeinsam prüfen, wie wir Ihre Idee zum Fliegen bringen.
Jetzt kostenloses Strategiegespräch buchenErweitertes Fachglossar
Claude Code Projekte
Eine Entwicklungs- und Orchestrierungsumgebung von Anthropic, die Aufgaben über eine zentrale Konversation steuert und als parallele, isolierte Cloud-Threads auf GitHub-Repositories ausführt.
Cloud Sessions
Autonome, cloudbasierte Ausführungsumgebungen für KI-Coding-Agenten, die unabhängig vom lokalen Entwicklerrechner auf isolierten virtuellen Maschinen laufen und persistieren.
Coordinator Agent
Ein übergeordneter KI-Agent, der komplexe Benutzeranforderungen analysiert, in Teilaufgaben zerlegt, spezialisierte Sub-Threads delegiert und deren Arbeitsergebnisse überwacht.
Auto-Fix PR
Ein autonomer Reparaturmechanismus in GitHub-Workflows, bei dem ein KI-Agent geöffnete Pull Requests überwacht und bei fehlschlagenden CI-Tests oder Code-Reviews selbstständig Fehlerkorrekturen nachschiebt.
Project Memory
Ein persistenter, dateibasierter Wissensspeicher (MEMORY.md), der architektonische Entscheidungen, Korrekturen und Projekterkenntnisse agentenübergreifend für künftige Sitzungen vorhält.
