# KI Deep Dives mit Claude Code und Sonnet

Ein KI Deep Dive ist dann wertvoll, wenn am Ende mehr bleibt als ein gutes Gespräch. Die Teilnehmer sollen mit einem echten Arbeitsartefakt herausgehen: ein Skript, ein Workflow, ein Dokument, ein getesteter Prototyp oder eine konkrete Entscheidung für den nächsten Schritt. Genau dafür eignet sich Claude Code mit Sonnet besonders gut.

Dieser Artikel wurde am 1. Juni 2026 mit `claude --model sonnet --print` entworfen und anschließend für das Momo KI Deep Dive Archiv redigiert.

## Was ein KI Deep Dive hier bedeutet

In der Momo KI Deep Dive Reihe geht es um angewandte KI-Arbeit für Unternehmer, Founder, Selbständige und Praktiker. Der Kern ist ein echter Arbeitsablauf: ein Projektordner, ein Problem, ein Ziel und ein überprüfbares Ergebnis.

Ein Deep Dive unterscheidet sich damit von einer klassischen Tool-Demo. Die Frage ist weniger: "Was kann dieses Modell?" Die bessere Frage lautet: "Welchen Teil meiner Arbeit kann ich damit heute sauberer, schneller oder belastbarer erledigen?"

Das Format lebt von Dichte. In zwei bis vier Stunden soll genug Kontext entstehen, damit aus einem diffusen Vorhaben ein klarer Arbeitsprozess wird. Das kann eine Recherche sein, eine Website-Änderung, eine interne Automatisierung, ein Onboarding-Dokument, eine Angebotsvorlage oder ein kleiner Datenworkflow. Entscheidend ist, dass die Arbeit im echten Material stattfindet.

## Warum Claude Code für Deep Dives passt

Claude Code ist ein agentisches Arbeitswerkzeug von Anthropic, das direkt in der Entwicklungsumgebung eingesetzt werden kann. Es läuft im Terminal, lässt sich mit IDEs verbinden und kann Dateien lesen, Dateien bearbeiten, Befehle ausführen und Projektkontext einbeziehen.

Für Deep Dives ist dieser Unterschied wichtig. Ein Chatfenster kann erklären, wie ein Workflow aussehen könnte. Claude Code kann im Projektordner nachsehen, welche Dateien tatsächlich existieren, wo der Einstiegspunkt liegt, welche Tests vorhanden sind und welche Befehle funktionieren. Aus einer Idee wird dadurch schneller eine handhabbare Änderung.

Das ist auch für Nicht-Programmierer relevant. Viele operative Aufgaben liegen heute ohnehin in Dateisystemen, Tabellen, Markdown-Dokumenten, Webseiten, kleinen Skripten, Exporten und Konfigurationen. Wer einen Ordner mit Angeboten, Landingpage-Texten, Notizen, CSV-Dateien oder Projektunterlagen hat, besitzt bereits einen Arbeitskontext, mit dem ein Agent umgehen kann.

Der praktische Vorteil: Statt ein Spielbeispiel zu simulieren, arbeitet der Deep Dive mit dem Material, das nach der Session weiterverwendet wird.

## Warum Sonnet die richtige Standardwahl ist

Claude Code erlaubt die Modellauswahl per Flag. Mit `claude --model sonnet` wird der Sonnet-Alias verwendet. Laut Anthropic ist der Alias dafür gedacht, das aktuelle Sonnet-Modell für tägliche Coding- und Agentenaufgaben zu nutzen.

Für Deep-Dive-Arbeit ist das ein guter Standard. Sonnet ist stark genug für Analyse, Planung, Dateiarbeit, Refactoring, Dokumentation, Skripte und iterative Korrekturen. Gleichzeitig ist es für einen Arbeitsmodus geeignet, in dem viele kleine Schritte schnell hintereinander passieren: lesen, ändern, testen, verbessern, zusammenfassen.

Für sehr schwere Architekturentscheidungen, lange Strategieketten oder besonders komplexe Forschungsaufgaben kann ein anderes Modell sinnvoll sein. Im Deep Dive selbst ist meist wichtiger, dass der Agent flüssig mit dem Projekt arbeitet, Befehle ausführt, Fehler liest und das Ergebnis Schritt für Schritt stabilisiert.

## Ein konkreter Ablauf

Ein guter Claude-Code-Deep-Dive beginnt nicht mit einem perfekten Prompt. Er beginnt mit einem sauberen Arbeitsraum.

1. Arbeitsordner vorbereiten
   Der relevante Projektordner wird geöffnet. Alles, was der Agent sehen soll, liegt dort. Der Rest bleibt außerhalb. Bei sensiblen Daten wird mit Kopien, anonymisierten Beispielen oder klar begrenzten Testdaten gearbeitet.

2. Ziel formulieren
   Das Ziel wird als Arbeitsergebnis formuliert: "Erstelle aus diesen Rohnotizen einen veröffentlichbaren Artikel", "Baue ein Skript, das diese CSV prüft", "Finde die Ursache für diesen Build-Fehler", "Dokumentiere diesen internen Prozess so, dass ihn eine neue Person ausführen kann."

3. Projekt lesen lassen
   Claude Code analysiert zuerst die Struktur: Dateien, Abhängigkeiten, relevante Einstiegspunkte, vorhandene Skripte und offene Risiken. Dieser Schritt verhindert, dass der Agent auf Basis einer ausgedachten Struktur arbeitet.

4. Kleine Änderung ausführen
   Der erste Schritt sollte klein sein. Eine Datei anlegen, eine Funktion ergänzen, einen Entwurf schreiben, einen Test ausführen. Danach wird geprüft, ob die Richtung stimmt.

5. Ergebnis verifizieren
   Ein Deep Dive braucht am Ende mehr als "sieht gut aus". Es braucht Nachweise: Testausgabe, Build-Ergebnis, Diff, Vorschau, Link, Screenshot, Beispielausgabe oder eine klare Liste der offenen Punkte.

6. Übergabe erzeugen
   Am Schluss steht eine kurze Zusammenfassung: Was wurde geändert? Welche Dateien sind relevant? Welche Befehle wurden ausgeführt? Was ist noch offen? Damit wird aus der Session ein fortsetzbarer Arbeitsstand.

## Drei Praxisbeispiele

**1. Angebots- und Anfrageprüfung für Selbständige**

Ein Berater erhält regelmäßig Anfragen, die unterschiedlich gut zu seinem Angebot passen. Im Deep Dive liegen frühere Angebote, Leistungsbeschreibungen und Beispielanfragen im Arbeitsordner. Claude Code hilft, Kriterien zu extrahieren, eine einfache Bewertungslogik zu formulieren und einen ersten Prüfworkflow als Markdown-Checkliste oder kleines Skript zu bauen. Das Ergebnis ist ein wiederverwendbarer Arbeitsablauf mit konkretem Bezug zum eigenen Angebot.

**2. Website-Verbesserung mit QA**

Ein Founder möchte die Startseite klarer machen, aber die Seite soll technisch stabil bleiben. Claude Code liest die Codebase, findet die betroffenen Komponenten, schlägt Text- und Strukturänderungen vor, passt Dateien an und führt Linting oder Build aus. Am Ende gibt es einen Diff und eine klare Aussage, ob die Änderung technisch sauber durchläuft.

**3. Interne Dokumentation aus verstreuten Notizen**

Viele kleine Teams haben Wissen in Notion-Exporten, Markdown-Dateien, Google-Docs-Exporten, Chatprotokollen oder alten Prozessnotizen. Im Deep Dive kann Claude Code diese Dateien sichten, doppelte Inhalte zusammenführen, Lücken markieren und daraus ein strukturiertes Onboarding-Dokument erzeugen. Der Wert liegt im Text und in der Ordnung des vorhandenen Wissens.

## Sicherheit, Zugriffsrechte und überprüfbare Ergebnisse

Claude Code hat echte Wirkung auf Dateien und Befehle. Das ist der Grund, warum es nützlich ist. Es ist auch der Grund, warum ein Deep Dive klare Grenzen braucht.

Die wichtigste Regel: Der Agent bekommt nur den Zugriff, den er für die Aufgabe braucht. Ein eigener Arbeitsordner ist besser als der gesamte private Dokumentenbestand. Testdaten sind besser als echte Kundendaten. Eine lokale Kopie ist besser als ein produktiver Datenbestand.

Git sollte von Anfang an aktiv sein. Jede Änderung muss als Diff sichtbar bleiben. Wenn Claude Code Dateien anpasst, soll klar sein, was sich geändert hat. Wenn Befehle laufen, soll die Ausgabe dokumentiert werden. Wenn ein Ergebnis veröffentlicht werden soll, braucht es vorher einen Build, eine Vorschau oder einen anderen Nachweis.

Besonders aufmerksam sollte man bei drei Dingen sein: Installationen, Netzwerkzugriffen und Datenbankbefehlen. Diese Aktionen können sinnvoll sein, aber sie sollen bewusst passieren. Agentische Arbeit macht Kontrollpunkte wichtiger, nicht überflüssig.

## Was Teilnehmer vorbereiten sollten

Der beste Deep Dive beginnt mit einem kleinen, echten Auftrag. Statt "Ich will KI in meinem Unternehmen nutzen" lieber: "Ich will aus diesen fünf Kundenmails eine Angebotsvorlage bauen." Oder: "Ich will diesen wiederkehrenden Export automatisch prüfen." Oder: "Ich will verstehen, warum diese Seite im Build scheitert."

Hilfreich sind:

- ein klar begrenzter Ordner mit relevantem Material
- ein gewünschtes Ergebnis in einem Satz
- ein Beispiel für guten Output
- ein Beispiel für schlechten Output
- eine Grenze, was der Agent nicht anfassen soll

Damit wird Claude Code zum Arbeitskollegen in einem klar abgegrenzten Raum.

## Einladung zur nächsten Deep-Dive-Session

Der Juni-Deep-Dive dreht sich um agentische Arbeitsumgebungen: Codex, Computer Use, Mobile Remote Control und die Frage, wie aus KI-Werkzeugen echte Arbeitsprozesse werden. Claude Code mit Sonnet ist ein wichtiger Referenzpunkt dafür, weil es zeigt, wie produktiv Agenten werden, sobald sie im echten Projektkontext arbeiten dürfen.

Wer teilnehmen will, bringt am besten eine konkrete Aufgabe mit. Ein perfektes Setup ist unnötig. Ein echter Ordner, ein echtes Problem und die Bereitschaft, das Ergebnis am Ende zu prüfen, reichen für den Start.

## Quellen und Startpunkte

- [Claude Code Overview](https://docs.anthropic.com/en/docs/claude-code/overview)
- [Claude Code CLI Reference](https://docs.anthropic.com/en/docs/claude-code/cli-usage)
- [Claude Code Model Configuration](https://docs.anthropic.com/de/docs/claude-code/model-config)
- [Momo KI Deep Dive Archiv](/archive)