Offenes Curriculum · Lab-Modus

Claude Code Curriculum
in der Tiefe.

Siebzehn Module zu Skills, Hooks, MCP, Sub-Agents, CI/CD und Troubleshooting — den Werkzeugklassen hinter Claude Code. Entstanden aus echten Engineering-Workflows, im Lab-Modus sichtbar: Was müsste ein guter Einstieg in Coding-Agenten wirklich erklären?

3
Sessions
17
Module
Labs
Hands-on

Lab-Modus · Lernartefakt · kein buchbares Format

Werkstatt statt Rezept

Nicht der perfekte Workflow. Die eigene Werkstatt.

Der Workshop soll nicht einen fremden Ablauf als Ideallösung verkaufen. Er soll zeigen, welche Werkzeuge es gibt, wie sie zusammenspielen und wie daraus eigene Arbeitsweisen entstehen.

Workflow-Rezept

Das perfekte Regal

Linear. Schnell. Begrenzt.

Ein Tutorial kann dir zeigen, wie du exakt ein Ergebnis nachbaust. Das ist nützlich für den Start, aber es trainiert kaum ein Gefühl für die Möglichkeiten der ganzen Werkstatt.

ein Wegfremde Reihenfolgewenig Transfer
Werkzeugkunde

Die eigene Werkstatt

Organisch. Kombinierbar. Wachsend.

Wenn du verstehst, welches Werkzeug wofür taugt, kannst du eigene Aufgaben planen: Wissen verknüpfen, Skills bauen, Plugins kombinieren und Agenten passend einsetzen.

eigene Zielepassende Werkzeugemehr Transfer
/01

Vom Regal

Du startest mit einer Anleitung und lernst Grundgriffe: Material, Reihenfolge, saubere Kanten.

/02

Zu eigenen Objekten

Aus demselben Werkzeug entstehen Untersetzer, kleine Tische oder eine Stammbaumtafel.

/03

Zur agentischen Arbeitsweise

In Obsidian, Skills, Plugins und MCP wird daraus eine eigene Arbeitsweise statt ein fremder Workflow.

Übertragen auf agentische Arbeit: Obsidian, Plugins, Skills, Commands, MCP und Agenten sind Werkzeugklassen. Die eigentliche Fähigkeit ist, sie für die eigene Aufgabe sinnvoll zu kombinieren.

Werkzeuggebrauch im agentischen Coding

Nicht Tool-Hype. Werkzeugverständnis.

Die Frage ist nicht, welches Tool objektiv das beste ist. Die Frage ist, welche Werkzeugklasse deiner aktuellen Aufgabe hilft und welche du bewusst noch weglassen kannst.

Werkzeugklasse

Kontext & Memory

CLAUDE.mdMemoryDocs
Wofür gut
Der Agent versteht Projektregeln, Architektur, Sprache und Grenzen, bevor er Code anfasst.
Beispiel
Eine Session startet mit sauberem Projektkontext statt mit einer langen Wiederholung im Chat.
Noch nicht nötig
Wenn die Aufgabe winzig ist und der lokale Kontext bereits eindeutig vor dir liegt.

Werkzeugklasse

Skills & Commands

SkillsCommandsProfile
Wofür gut
Wiederholbare Arbeitsweisen werden zu abrufbaren Schablonen statt jedes Mal neu erklärt.
Beispiel
Review, Security-Audit oder Release-Check laufen nach einem klaren, wiederholbaren Muster.
Noch nicht nötig
Wenn ein Ablauf noch nicht stabil genug ist, um ihn als Standard zu speichern.

Werkzeugklasse

Hooks & Guardrails

PreToolUseTestsLint
Wofür gut
Gefährliche Aktionen werden früh gestoppt, und Qualitätsregeln laufen im Hintergrund mit.
Beispiel
Ein riskanter Befehl wird blockiert, bevor er ausgeführt wird, oder ein Patch muss erst Tests bestehen.
Noch nicht nötig
Wenn du bewusst explorierst und noch keine harte Schutzregel formulieren kannst.

Werkzeugklasse

MCP & Datenbus

BrowserGitHubAPIs
Wofür gut
Der Agent bleibt nicht im Chat isoliert, sondern kann kontrolliert mit echten Systemen arbeiten.
Beispiel
Ein Agent liest Issues, prüft eine lokale UI im Browser oder holt Daten aus einem Tool.
Noch nicht nötig
Wenn Lesen und Schreiben lokal reichen und externe Systeme nur Ablenkung wären.

Werkzeugklasse

Subagents & Worktrees

SubagentsWorktreesQA
Wofür gut
Arbeit wird parallelisiert, isoliert geprüft und erst danach in den Hauptfluss integriert.
Beispiel
Ein Agent baut, ein anderer prüft, ein dritter recherchiert, ohne denselben Kontext zu verschmutzen.
Noch nicht nötig
Wenn die Aufgabe linear ist und Koordination mehr kostet als sie spart.

Welche Werkzeugklasse fehlt dir gerade?

Genau dort beginnt der sinnvolle Ausbau: nicht mit dem nächsten Tool, sondern mit der Frage, welche Arbeit dein agentisches System als nächstes verlässlicher machen soll.

Curriculum Map

Wie die 17 Module zusammenhängen.

Die Lernfolge ist nicht nur eine Liste. Sie verbindet Grundlagen, Werkzeugschicht und Betrieb über Querachsen: Kontext, Guardrails, Toolzugriff, Delegation und Debugging.

Block /01

Foundations

01
ContextPromptingGitCost

Wie arbeitet ein Agent kontrolliert im Repo?

Block /02

Ecosystem

02
SkillsHooksPluginsMCPRAG

Welche Werkzeugschicht macht Arbeit wiederholbar?

Block /03

Advanced

03
AgentsSecurityAutomationCI/CDTroubleshooting

Wie wird daraus Betrieb statt Prompt-Experiment?

Querachsen
ContextRAG

Kontextarbeit wird zur Wissensarchitektur.

HooksSecurity

Events werden zu Guardrails und Review-Gates.

MCPDCO

Toolzugriff wird als Orchestrierung sichtbar.

AgentsCI/CD

Delegation braucht Budget, Logs und Stop-Kriterien.

TroubleshootingBetrieb

Debugging liegt quer über allen drei Blöcken.

Lesart: Foundations geben den sicheren Arbeitsrahmen, Ecosystem macht ihn wiederholbar, Advanced bringt ihn in Betrieb. Troubleshooting ist dabei keine letzte Folie, sondern die Ebene, die alle drei Blöcke zusammenhält.

Programm

3 Blöcke · 17 Module.

Aufgebaut wie ein Engineering-Curriculum: Fundament, Ökosystem, Tiefe.

Block /01

Foundations

Mentales Modell, Setup, Context & Memory, Prompting-Disziplin und Git-getriebene Workflows.

  • 01Claude Code · Mentales Modell
  • 02Context, Memory & CLAUDE.md
  • 03Prompting für Coding-Agenten
  • 04Git-Workflows mit Agenten
  • 05Cost Engineering & Effort
Block /02

Ecosystem

Skills, Commands, Hooks, Plugins und MCP — die Werkzeugschicht produktiv nutzen.

  • 06Skills & Commands
  • 07Hooks & eigene Workflows
  • 08Plugins & Erweiterungen
  • 09MCP-Integrationen
  • 10RAG & NotebookLM
Block /03

Advanced

Agents, Multi-Agent-Patterns, Security und Automatisierung in Engineering-Pipelines.

  • 11Sub-Agents & Delegation
  • 12Multi-Model Pipelines
  • 13Security & Adversarial Testing
  • 14Automation & Loops
  • 15Remote Workflows & Worktrees
  • 16CI/CD & Headless Mode
  • 17Troubleshooting & Debugging
Learning Dashboard

Das hier existiert bereits.

Kein PowerPoint-Theater. Das Learning Dashboard ist eine laufende Web-App mit Concept-Map, Modul-Explorer, Flashcards, Quick-Reference und Security-Analogien — gebaut, um Wissen nachvollziehbar zu machen, nicht zu präsentieren.

  • Modul-Fortschritt wird live getrackt
  • Suche über Module, Befehle, Konzepte
  • Concept-Map mit Beziehungen zwischen Themen
Curriculum · Dashboard
Claude Code Curriculum Dashboard — Concept Map mit Modulen aus Block 1 Foundations und Block 2 Ecosystem, inkl. Fortschritts-Tracking und Suche
Arbeitsprobe

Was das Curriculum über meine Fähigkeiten zeigt.

Für Bewerbungen und technische Teams ist diese Seite nicht nur ein Lernangebot: Sie zeigt, wie ich komplexe agentische Workflows strukturieren, vermitteln und absichern würde.

Komplexität strukturieren

Das Curriculum zerlegt agentisches Coding in Grundlagen, Werkzeugschicht und fortgeschrittene Betriebsfragen statt in lose Tool-Tipps.

  • 17 Module
  • 3 Blöcke
  • klare Lernfolge

Aus echter Arbeit ableiten

Die Beispiele kommen aus eigenen Repos, Skills, Hooks, MCP-Experimenten und DCO-Arbeit statt aus generischen Demo-Szenarien.

  • echte Repos
  • Skills & MCP
  • Hands-on Labs

Sicheres Arbeiten lehren

Security, Sandboxing, Approvals und Auditierbarkeit sind nicht Zusatzkapitel, sondern Teil der Arbeitsweise mit Coding-Agenten.

  • Sandboxing
  • Approvals
  • Audit-Denken
Beweisstück

Was dieses Curriculum belegt.

Die Seite soll nicht nur sagen, dass ein Workshop existiert. Sie zeigt, welche Artefakte dahinterliegen und warum das Curriculum eine Engineering-Arbeitsprobe ist.

Material statt Behauptung

Aus eigener Agentenpraxis wurde ein Lehrsystem.

Das Curriculum verbindet Quellmaterial, Demo-Code, Recovery-Notes und eine Mentor-Schicht. Dadurch ist es kein Folienpaket, sondern ein sichtbarer Versuch, agentisches Arbeiten in reproduzierbare Lernpfade zu uebersetzen.

modules · demos · exercises

Curriculum-Quellmaterial

17 Module, Session-Plan, Trainer-Notes und Cheatsheet halten die Lernfolge als echte Arbeitsunterlagen fest.

pytest · security labs

Runnable Playground

Python-Access-Control-App und OSDP-C-Decoder liefern bewusst verwundbare Zielsysteme fuer Audit- und Review-Demos.

guide mode · learn mode

Mentor- und Plugin-Schicht

Workshop-Command, Skill und Mentor-Agent zeigen, wie Lernmaterial selbst in agentische Bedienflaechen uebersetzt wird.

Enablement Case Study

Vom eigenen System zum lernbaren Arbeitsmodus.

Für Arbeitgeber und technische Teams ist diese Seite ein Signal: Ich kann komplexe agentische Workflows nicht nur ausprobieren, sondern in eine nachvollziehbare Lern- und Betriebsstruktur übersetzen.

Bewerbungssignal

Das Curriculum verbindet technische Tiefe mit Vermittlung: Systemdenken, Security-Bewusstsein, echte Beispiele und eine klare Lernfolge für Teams, die agentisches Coding produktiv und verantwortlich einsetzen wollen.

/01

Orientierung schaffen

Teams brauchen zuerst ein klares Modell: Was darf ein Coding-Agent tun, wo liegen Grenzen, welche Rolle haben Context, Memory und Git?

/02

Systeme sichtbar machen

DCO, Skills, Hooks und Repos werden als reale Beispiele genutzt, damit agentische Arbeit nicht abstrakt bleibt.

/03

Übung erzwingen

Hands-on-Aufgaben, Sicherheitslücken und Review-Schleifen machen aus Theorie eine wiederholbare Arbeitsweise.

/04

Betrieb mitdenken

Approvals, Sandboxing, Auditierbarkeit und Dokumentation werden von Anfang an als Teil des Workflows behandelt.

Zielgruppe

Für wen ist dieses Curriculum?

Entwickler:innen mit solider Programmiererfahrung
Technische Teams, die verstehen wollen, welche Agenten-Workflows tragfähig sind
Communities und Learning-Gruppen mit echtem Engineering-Anspruch
Self-Learner, die strukturiert von Basics zu Multi-Agent-Patterns wollen
Physical-Security-Bruecke

Security-Analogien sind hier kein Schmuck.

Die Zielgruppe kennt Zugriff, Zonen, Leitstellen und Auditierbarkeit. Genau diese Sprache hilft, Coding-Agenten nicht als Magie, sondern als kontrollierbare Systeme zu verstehen.

Zutrittszonen
Scopes & Sandbox

Ein Agent soll nur dort arbeiten, wo sein Auftrag und seine Berechtigungen hinreichen.

Alarmanlage
Hooks

Events werden nicht nur geloggt, sondern koennen Regeln, Checks oder Stopps ausloesen.

Leitstelle
Orchestrator

DCO buendelt Signale, Freigaben und Toolpfade, statt alles als losen Chat zu behandeln.

Audit Trail
Session Logs

Nachvollziehbarkeit ist Teil des Systems, nicht eine spaete Dokumentationspflicht.

Material

Mature Assets — kein Bootstrap.

Das Curriculum nutzt eine bestehende Infrastruktur: strukturierte Slides, Demos auf echten Repos, Übungen mit Lösungspfaden und ein Dashboard für Lernfortschritt und Hands-on Sessions.

/01Strukturierte Slides für alle 17 Module
/02Live-Demos mit echten Repos
/03Hands-on Übungen pro Block
/04Learning-Dashboard zur Fortschrittskontrolle
/05Plugin- & Command-Beispiele
/06Ressourcen & weiterführende Patterns
Outcomes

Was das Curriculum trainiert.

Konkrete Fähigkeiten als Lernziel — kein Termin- oder Format-Versprechen.

Claude Code als Daily Driver

Klar strukturierter Workflow von Idee bis Commit.

Eigene Tools & Commands bauen

Skills, Hooks und Plugins für reale Team-Probleme.

Multi-Agent-Setups verstehen

Sub-Agents sinnvoll routen und orchestrieren.

Sicher und nachvollziehbar arbeiten

Sandboxing, Approvals, Audit als Standard.

Format

Drei Sessions, siebzehn Module.

Curriculum entstanden im Eigenbau. Aktuell offen einsehbar als Materialsammlung, nicht als verbindliches Angebot.

/01 · Umfang
3 Sessions · 17 Module

Eine mögliche Lernstruktur: Foundations, Ecosystem, Advanced. Die Session-Logik hilft beim Denken in Etappen, ohne daraus aktuell ein buchbares Format zu machen.

/02 · Inhalte
  • Slides, Demos, Übungen, Dashboard
  • Hands-on-Labs auf eigenen Repos
  • Q&A-Fenster und Follow-up per E-Mail

Diese Seite ist im Lab-Modus. Mich interessiert derzeit vor allem: Welche Module fehlen, welche Beispiele sind unklar, welche Lernlücke sollte als nächstes geschlossen werden?

Lab-Modus · ehrliche Linie

Was noch fehlt — und was als nächstes kommt.

Das Curriculum ist nicht fertig — es wächst mit echter Engineering-Arbeit mit. Diese zwei Spalten halten den Stand offen.

Lernlücken

Was im Curriculum noch fehlt.

  • Multi-Agent-Eval-Loops konkretWann lohnt sich eine Eval-Schleife zwischen Agenten, wie misst man sie, welche Stop-Kriterien sind sinnvoll.
  • Plugin-Distribution über MarketplacesVersionierung, Auto-Updates, Trust-Boundaries und Marketplace-Reviews — bisher nur am Rand erwähnt.
  • Token-Ökonomie und Kosten-PatternsWann ist ein Subagent billiger als ein langer Hauptlauf, wann lohnt sich Caching, was kostet ein Tool-Aufruf.
  • Production-Operations für Agent-SystemeMonitoring, Alerting, Audit-Trails und Incident-Response — DCO zeigt einen Ausschnitt, das Curriculum noch nicht.
Nächster Ausbau

Was als nächstes gebaut wird.

  • Modul Coding-Agent-EvaluierungEigenes Modul mit konkretem Eval-Workflow, Beispiel-Repo und einem messbaren Ergebnis.
  • Demo-Artefakte aktualisierenNeue MCP-Tool-Beispiele aus DCO und aktuellen Skills einarbeiten, alte Demos prüfen.
  • Plugin-Distribution-ModulEigenes Modul zu Marketplace-Workflows, Versionierung und Vertrauensgrenzen.
  • Setup-ab-Tag-1-RepoBeispiel-Repo bereitstellen, das einen Tag-1-Coding-Agent-Workflow vollständig zeigt.
Sparring & Lernsignal

Was würdest du gerne lernen?

Wenn ein Modul dich besonders interessiert oder du eine Frage zu Coding-Agenten hast — schreib mir. Ich sammle Lernsignale, Modulideen und Hinweise auf fehlende Beispiele.