Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com31. Januar 2026 · Q011303

I Fixed AI Coding With One File — Karpathy-inspired CLAUDE.md

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor schlägt eine `CLAUDE.md` mit vier Regeln vor: Annahmen offenlegen, einfach bleiben, Änderungen auf den Auftrag begrenzen und Erfolg überprüfbar definieren. Er erwartet dadurch weniger unnötige Komplexität und kleinere Diffs, belegt die Wirkung aber nur mit Erfahrungen und Beispielen; die Regeln können zudem einfache Aufgaben verlangsamen.

Mittel

Der Bericht empfiehlt eine einzelne `CLAUDE.md`-Datei mit Verhaltensregeln, um aus Sicht des Autors unnötig große und komplizierte KI-Codeänderungen zu verringern. Die vier Grundsätze lauten: vor dem Programmieren Annahmen und Unsicherheiten offenlegen, einfache Lösungen bevorzugen, nur auftragsbezogene Stellen ändern und den Erfolg anhand eines überprüfbaren Ziels festlegen.

Beispiele sind, bei einer Caching-Anfrage zunächst eine einfache Lösung samt Alternative zu benennen, unnötige Abstraktionen zu vermeiden und eine Fehlerbehebung über einen reproduzierenden Test zu definieren. Die Datei könne heruntergeladen, an ein bestehendes Projekt angehängt und um projektspezifische Vorgaben ergänzt werden. Der Autor erwartet dadurch kleinere Diffs, weniger Überarbeitung und weniger unerbetene Änderungen. Er führt dafür jedoch keine Messdaten oder systematische Untersuchung an, sondern stützt sich auf seine Erfahrung und Beispiele. Außerdem räumt er ein, dass die Regeln eher Vorsicht als Geschwindigkeit fördern und für Kleinigkeiten nicht übermäßig eingesetzt werden sollten.

Ausführlich lesen

Der Bericht stellt die These auf, dass übergroße oder unnötig komplizierte Änderungen beim KI-gestützten Programmieren oft daran liegen, dass dem Modell klare Verhaltensregeln fehlen. Der Autor beschreibt, wie kleine Änderungswünsche zu umfangreichen Diffs, neuen Abstraktionen und Eingriffen in nicht betroffenen Code führen können. Er führt diese Probleme auf typische Verhaltensweisen von Sprachmodellen zurück: Sie träfen unausgesprochene Annahmen, machten Unsicherheit und Zielkonflikte nicht sichtbar und könnten selbstbewusst Fehler oder unnötige Komplexität erzeugen.

Als Gegenmaßnahme empfiehlt der Autor eine einzelne `CLAUDE.md`-Datei mit vier Grundsätzen:

1. **Vor dem Programmieren nachdenken:** Annahmen, Unsicherheiten und mögliche Alternativen sollen offengelegt werden, bevor das Modell handelt. Bei einer Anfrage zum Caching könnte es etwa zunächst annehmen, dass ein einfacher In-Memory-Cache genügt, und Redis als Alternative für mehrere Instanzen nennen. 2. **Einfachheit bevorzugen:** Einmalig benötigte Logik soll nicht vorsorglich abstrahiert, und nicht angeforderte Konfiguration oder Flexibilität soll vermieden werden. Der Bericht veranschaulicht das mit einer einfachen E-Mail-Prüffunktion statt einer Validator-Fabrik. 3. **Gezielte Änderungen vornehmen:** Das Modell soll nur den für die Aufgabe nötigen Code ändern, fremde Bereiche und Kommentare unangetastet lassen, dem vorhandenen Stil folgen und entdeckten toten Code eher erwähnen als löschen. Jede Änderung soll sich auf den Auftrag zurückführen lassen. 4. **Auf ein überprüfbares Ziel hinarbeiten:** Statt vage eine Fehlerbehebung oder Validierung zu verlangen, soll man ein Erfolgskriterium angeben, etwa einen Test zu schreiben, der den Fehler reproduziert, und ihn anschließend zu bestehen.

Die Datei lasse sich laut Bericht für neue Projekte per `curl` herunterladen und für bestehende Projekte an eine vorhandene `CLAUDE.md` anhängen. Zusätzlich könnten projektspezifische Regeln ergänzt werden, zum Beispiel zu TypeScript, Tests oder bestehenden Fehlermustern. Der Autor erwartet dadurch kleinere Diffs, weniger Überarbeitung, frühere Rückfragen und weniger nicht angeforderte Änderungen. Diese Ergebnisse werden jedoch als erwartete oder beobachtbare Veränderungen beschrieben; der Bericht nennt keine Messdaten, Vergleichsstudie oder systematische Auswertung. Die Wirkung wird vor allem aus der Erfahrung des Autors und anhand von Beispielen begründet. Als Einschränkung räumt er ein, dass die Regeln Vorsicht gegenüber Geschwindigkeit bevorzugen und bei trivialen Aufgaben nicht übermäßig aufwendig angewendet werden sollten. Die Datei mache Claude nach seiner Darstellung nicht intelligenter, sondern vorsichtiger.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung stützt sich allein auf den Medium-Artikel. Die Einordnung der Sammelfragen und Teilfragen beruht auf dem Inhalt des Berichts und nicht auf den Zahlenangaben in Lunas Einordnung, die ich nicht geprüft habe.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Diagnose des Autors, dass LLMs Annahmen stillschweigend treffen, überkomplizieren, unverstandenen Code ändern und dies selbstsicher tun
  • Die Einordnung der Regeln als Denkregeln statt bloßer Programmierregeln sowie die Schlussthese, dass es um Disziplin statt Intelligenz geht
  • Die Zuschreibung der Beobachtungen an Andrej Karpathy als Ausgangspunkt der vier Prinzipien

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 38 %nur am Rande erwähnt
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 37 %gleiches Oberthema, hilft nicht
    • JEV 26 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 44 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 6 · 36 % · beantwortet teilweise oder widerspricht · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 35 %nur am Rande erwähnt
    • JEV 48 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 50 %beantwortet direkt und ausführlich
    • amos 24 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 37 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 51 %beantwortet teilweise oder widerspricht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →