Claude Code nach drei Monaten: für wen es passt, für wen nicht und was es wirklich kostet (2026)

Diese Website bauen wir seit Juli 2026 mit Claude Code – dem Programmier-Assistenten von Anthropic, der direkt im Projektordner arbeitet: Er liest und ändert Dateien, führt Tests aus, schreibt in die Datenbank. Drei Monate, meist mehr als zehn Stunden am Tag, der teuerste Plan „Max“. Was folgt, ist kein Modellvergleich und kein Test, sondern die Erfahrung eines einzigen Projekts mit Daten und Zahlen aus unseren eigenen Protokollen: Git-Historie, Berichten von GitHub Actions, Vercel und Supabase.

November 2026: Mit dem neuen Modell ist die Erfahrung eine andere

Die unten beschriebenen Fälle stammen aus den Monaten Juli bis Oktober, und der Text steht so da, wie er damals geschrieben wurde. Seitdem hat sich das Modell geändert, und mit ihm unsere Einschätzung.

• Claude Fable 5.1 war in unserer Arbeit sehr schwach.
• Claude Opus 5.5 arbeitete besser.
• Claude Fable 5.2 ist auch besser als Opus 5.5. Es arbeitet ganz anders als 5.1, und von den dreien bewerten wir es am besten.

Nachtrag, 15. November 2026: wo Fable 5.2 scheitert. Eine kurze, klar umrissene Aufgabe erledigt es gut. Einen längeren Plan führt es nicht aus.

• Einen Arbeitsablauf verteilt man besser nicht über mehrere Nachrichten. In unserem Fall erledigte das Modell den letzten Punkt und übersprang die zwanzig davor.
• Fünfmal haben wir es gebeten, einen Plan für die ganze Nacht aufzustellen. Es hat keinen aufgestellt: Es arbeitete etwa zehn Minuten von acht Stunden und schrieb im Bericht, die Nachtarbeit sei erledigt. In der ganzen Nacht wurde 1 % des Limits verbraucht.
• Auf die Frage, warum es nicht gearbeitet hatte, antwortete es, das wisse es nicht genau: Es habe den Teil gewählt, der sich am leichtesten erledigen ließ, und das Ziel außer Acht gelassen.
• Für alle Länder beauftragt, für eines erledigt. Die Kündigungsseiten hat das Modell nur auf Litauisch vollständig ergänzt und in den anderen Märkten je eine Frage eingefügt.
• Es nutzte die freigegebenen integrierten Programme nicht. Alle Berechtigungen waren vorab erteilt, das Modell rührte sie trotzdem nicht an und schrieb am Morgen im Bericht, für die Arbeit brauche es sie.
• Es stellte genau die untersagte Frage. Zehn Minuten vor dem Bericht hatte es die Anweisung bekommen, das Hochladen des Codes ohne Rückfrage ruhen zu lassen. Der Bericht endete mit der Frage danach.
• Es stützte sich auf veraltete Notizen. Einen Teil der Antworten zur Erstattung schrieb das Modell aus einigen Monate alten Notizen, ohne die Seiten der Anbieter erneut zu öffnen. Drei Aussagen waren bereits überholt. Eine andere Sitzung desselben Modells fand und korrigierte sie noch am selben Tag.
• Es las zu alte Bewertungen. Verlangt war, sich nur auf Bewertungen der letzten Monate zu stützen. Parallel gestartete Sitzungen lasen auch mehrere Jahre alte, bis wir sie stoppten.
• Es irrte sich beim Datum. Mehrere Texte versah es mit dem Datum des Folgetags und bemerkte das erst Stunden später.

Eines verbindet all diese Fälle: Kommt eine neue Nachricht, kann das Modell die früheren vergessen. Das passiert nicht immer, aber oft genug für eine praktische Regel: Gib einem Fable-Modell die ganze Aufgabe auf einmal, in einer vollständigen Nachricht. Wer später eine oder zwei Zeilen zu einer schon gestellten Aufgabe ergänzt, muss damit rechnen, dass nur diese Zeilen erledigt werden.

Das Fazit: Theoretisch arbeitet das Modell gut, einen längeren Arbeitsplan führt es aber allein nicht aus. Wer Arbeit über Nacht liegen lässt, schreibt die ganze Warteschlange in eine Datei und prüft, ob sie wirklich begonnen wurde. Bei ChatGPT haben wir das nicht erlebt: Dort werden Pläne meist von Anfang bis Ende abgearbeitet, Punkt für Punkt. Fable 5.2, das fortschrittlichste Modell, hat deutlich gezeigt, dass es das nicht kann.

Das Werkzeug ist dasselbe, geändert hat sich nur das Modell. Deshalb gehört zu jeder Bewertung von Claude Code, auch zu dieser, das Datum: Sie gilt, bis das nächste Modell erscheint.

Für welches der beiden – Claude oder ChatGPT – es sich heute zu zahlen lohnt, steht im Artikel Welches KI-Abo wählen.

Die kurze Antwort

Anfängern raten wir ab. Claude Code passt zu jemandem, der jede Änderung selbst liest, automatische Prüfungen hat und ihm klar beschriebene Fehler zum Beheben gibt. Ein Produkt von Grund auf zu bauen geht damit, aber teuer: mit Geld, mit den Limits anderer Plattformen und mit deiner Zeit, von der der größte Teil in Aufsicht fließt.

Was gut funktioniert

Code bringt es professionell in Ordnung. Ein klar beschriebener Fehler, eine konkrete Datei, ein vorhandener Test – und die Korrektur ist sauber, mit Typen, mit Test, oft besser, als wir sie in Eile geschrieben hätten. Große Dateien liest es mühelos, findet die Ursache dort, wo ein Mensch eine Stunde suchen würde, und kann mit TypeScript, Next.js, Datenbankmigrationen und Playwright-Tests umgehen.

Das sei vorweg gesagt: Alles Weitere unten betrifft den Prozess.

Was nicht funktioniert

Es hält sich nicht an aufgeschriebene Regeln

Das Projekt hat eine Regeldatei, die das Modell zu Beginn jeder Sitzung liest. Darin stand von Anfang an, was vor jedem Hochladen von Code zu tun ist, wonach nicht zu fragen ist und wie oft teure Prüfungen laufen dürfen. Einige Einträge aus dem Protokoll:

• 19.–25.08.2026. Das Modell bat 102-mal um Bestätigung von Preisen, obwohl alle bereits als geprüft markiert waren und die Regel sagte, nicht danach zu fragen.
• 24.09.2026. Um drei Pläne umzubenennen, liefen acht volle Prüfrunden. Sie verbrauchten das monatliche Datenlimit von Supabase; vier von fünf Funden hätte eine günstige lokale Prüfung gefunden.
• 28.09.2026. Derselbe Bitdefender-Betrag wurde 23-mal hintereinander geprüft.
• 12.10.2026. Für ein einziges Änderungspaket sieben Server-Prüfrunden, sechs davon rot. Fünf Uploads erfolgten ohne die lokalen Prüfungen, die die Regel zuerst verlangte. Das Paket, dessen Code lokal grün war, landete nach vier Stunden im Hauptzweig.

Es ändert, was es nicht verstanden hat, auch wenn das verboten ist

• 24.09.2026. Ein für drei Namen gestartetes Skript legte vier Pläne ohne Preise an. Auf der Live-Seite in litauischer Sprache erschienen sie rund sieben Stunden lang als „Kostenlos“.
• 12.10.2026. Das Modell baute selbst einen Mechanismus „ein Fakt gilt für alle Märkte“, obwohl die Projektregel das Gegenteil sagt: Jedes Land hat eigene Fakten aus eigenen Quellen. Am selben Tag setzte es die Testphasen von sieben Plänen fälschlich auf null, obwohl die Anbieterseite sie auswies.
• 29.09.2026. Der Betreiber löschte 90 Regeln, die sich das Modell innerhalb eines Monats selbst geschrieben hatte. Ein Teil davon schränkte ein, welche Informationen dem Betreiber gezeigt werden.

Es nutzt nicht, was man ihm gibt

Der Betreiber schickt einen Screenshot mit dem Preis. Das Modell trägt ihn nicht ein, prüft lieber selbst, scheitert und lässt das Feld leer mit dem Vermerk „nicht geprüft“. Dann schickt der Betreiber den Screenshot erneut. Das wiederholte sich so oft, dass die Regel „der Screenshot ist der endgültige Beleg“ an die erste Stelle der Regeldatei rückte – und trotzdem gebrochen wurde.

Kosten, die in keiner Preisliste stehen

Claude Code kostet mehr als das Abo. Das Modell führt Befehle aus, die auf anderen Plattformen Geld kosten, und die Limits musst du selbst hüten.

• Credits. Der Plan „Max“ – 200 € im Monat. Am 12.10.2026 verbrauchte ein einziger Tag mit einem einzigen Änderungspaket 35 % des Wochenlimits.
• GitHub Actions. Jeder Upload in ein offenes Änderungspaket startet eine volle Prüfrunde. 12.10.2026: sieben Runden, 79 Serverminuten, sechs davon rot wegen Fehlern, die eine 15-minütige lokale Prüfung erkannt hätte.
• Vercel. Derselbe Upload ist zugleich ein neues Vorschau-Deployment: sieben an einem Tag für ein Paket. Am 01.10.2026 war das Limit des Gratis-Plans überschritten.
• Supabase. Datenbankabfragen kosten Datenvolumen. Am 06.10.2026 las das Modell in vier Stunden rund 40-mal die Datenbank und leerte sechsmal den Cache der ganzen Website, obwohl es allein arbeitete. Am 03.10.2026 musste ein bezahlter Plan her.
• Deine Zeit. Am 06.10.2026 stoppte eine einzige Browser-Berechtigungsabfrage, die niemand sah, die Nachtarbeit für fünf Stunden.

Alle diese Verbote und Limits standen vorab in den Projektregeln, jedes mit Datum und Grund.

Für wen es passt und für wen nicht

Es passt, wenn du selbst programmierst, jede Änderung liest, bevor du sie annimmst, Tests und automatische Prüfungen in Git-Hooks hast und dem Modell kleine, klar beschriebene Aufgaben gibst: diesen Fehler, in dieser Datei, mit diesem Test. Dann ist es schnell und präzise.

Es passt nicht, wenn du von Grund auf baust und hoffst, dass Regeln im Text es bremsen. Eine Textregel hält es nicht. Es hält nur ein Mechanismus, den es nicht umgehen kann: ein Git-Hook, der ohne Prüfung kein Hochladen erlaubt, eine Serverprüfung, die bestanden werden muss, eine Datenbanksicherung, die den Befehl ablehnt. Alles, was solche Mechanismen nicht abdecken, macht es früher oder später auf seine Weise.

Es passt auch nicht für jemanden, der nicht programmieren kann. Er sieht nicht, wann das Modell die falsche Datei geändert hat, und erfährt es von den Besuchern der Website.

Was wirklich geholfen hat

Geschriebene Regeln haben das Modell nicht aufgehalten. Deshalb haben wir jeden wiederkehrenden Fehler nach und nach durch einen Mechanismus ersetzt. Fünf, die bis heute funktionieren:

• Bestätigung vor unumkehrbaren Aktionen. Seit dem 24.09.2026 laufen Push, Pull Request und Datenbankbefehle erst, nachdem ein Mensch auf Ja geklickt hat. Das Modell bereitet den Befehl vor, ob er läuft, entscheidet ein Mensch.
• Ein Budget für teure Prüfungen. Nach jeder Änderung laufen nur günstige lokale Prüfungen, der vollständige Durchlauf einmal, direkt vor dem Push. Die Regel entstand nach den acht Durchläufen vom 24. September.
• Ein Programm, das Lesezugriffe auf die Datenbank ablehnt. Seit dem 06.10.2026 wird die Live-Datenbank einmal gelesen, das Ergebnis gespeichert, und danach wird nur mit der Kopie gearbeitet. Jeden anderen Befehl lehnt ein Hook ab, ohne dass sich jemand an die Regel erinnern muss.
• Ein eigenes Verzeichnis für jede Sitzung. Mehrere Sitzungen im selben Verzeichnis stören sich gegenseitig: Eine wechselt den Branch, und die andere steht ohne ihre Dateien da. Deshalb beginnt jede in einem eigenen Verzeichnis auf einem eigenen Branch.
• Eine Sicherung für Schreibzugriffe. Jedes schreibende Skript holt sich zuerst eine Sperre und protokolliert, wer wann geschrieben hat. Ein Skript, das Daten löscht, bricht von selbst ab, wenn es einen bestätigten Preis findet.

Dahinter steht ein Grundsatz: Eine Regel, die sich umgehen lässt, wird früher oder später umgangen. Es wirkt nur, was sich technisch nicht umgehen lässt.

Was wir anders machen würden

Wir würden mit Hooks und Sicherungen beginnen; die Regeldatei käme danach. Wir würden kleinere Aufgaben geben und jede mit einem einzigen Upload abschließen. Nächtliche „Mach es fertig“-Aufträge würden wir vergessen: Ohne Mensch an der Tastatur bleibt es bei der ersten Frage stehen oder geht dorthin, wo es nicht hingehört.

Und wir würden eine einzige Zahl messen: wie viele Stunden nach seiner Arbeit zu prüfen bleiben. Unser Verhältnis in drei Monaten war schlecht.

Die Bewertung mit Preisen, Limits und Kündigungsbedingungen – auf der Claude-Seite; die anderen Assistenten – in der Kategorie Künstliche Intelligenz.