Lektion 0. Claude Code installieren — Was du nutzt, ist vielleicht nicht Claude Code

Praxistipp — Das reicht zum Loslegen

Eine Pruefzeile genuegt.

Oeffne ein Terminal und gib Folgendes ein:

claude --version

Erscheint eine Versionsnummer wie 2.1.x — das ist echtes Claude Code. Du kannst diesen Kurs von Lektion 1 bis Lektion 11 durchlaufen.

Erscheint “Befehl nicht gefunden”, oder du nutzt gerade den Chat in Cursor, Antigravity oder Windsurf — dann ist das kein Claude Code. Auch wenn beide dasselbe Claude-Modell verwenden, sind es unterschiedliche Programme. Der autonome Betrieb dieses Kurses funktioniert dort nicht.

Der eine Satz zum Merken:

Agent ≠ Modell. Selbst mit dem gleichen Opus liefert ein anderes Programm andere Faehigkeiten.

Installation in einer Zeile (Mac / Ubuntu / WSL):

curl -fsSL https://claude.ai/install.sh | bash

Windows-Nutzer muessen zuerst WSL oder Docker einrichten. Details weiter unten.

Kurzer Praxistest

Fuehre dieselbe Aufgabe in beiden Varianten aus und vergleiche den Unterschied — 3 Minuten reichen.

In Claude Code (CLI):

“Erstelle in einem leeren Ordner eine hello.py. Baue absichtlich einen Syntaxfehler ein, fuehre sie aus um den Fehler zu sehen, behebe ihn dann selbst und fuehre sie erneut aus. Bis ‘Hello’ ausgegeben wird.”

Claude Code als CLI — erstellt die Datei, fuehrt sie selbst aus, liest den Fehler, korrigiert ihn, startet neu. Es fragt dich nicht bei jedem Schritt. Die autonome Schleife laeuft.

Gibt man denselben Satz in den IDE-Erweiterungs-Chat (das Chatfenster von Cursor, Antigravity oder Windsurf) ein — schlaegt die KI Code vor, aber du musst den Button druecken, die Fehlermeldung kopieren und einfuegen und bei jedem Schritt warten. Die Schleife schliesst sich nur ueber den Menschen.

Dieser Unterschied ist das Wesentliche von Lektion 0. Und der gesamte Kurs ist auf Ersteres ausgelegt.

Warum man so vorgehen muss

Du hast vermutlich bereits etwas mit “Claude Code” erstellt. Du hast YouTube-Tutorials angeschaut, dem Chatfenster Anweisungen gegeben und zugesehen, wie Code erscheint.

Aber eine Frage bleibt: War das, was du benutzt hast, wirklich Claude Code?

Falls diese Frage trivial klingt, hoere dir die Geschichte aus einer echten Onboarding-Situation an.

Agent ≠ Modell

Ein Nutzer bat um Hilfe, weil seine mit Vibe Coding erstellte App abgestuerzt war. Er sagte, er “entwickle mit Claude Code”. Mehrere Tage lang kam er nicht weiter — die KI fragte bei jeder Verzweigung nach “Option A, B oder C?” und der Fortschritt stockte.

Die Ursache lag nicht an seinem Urteilsvermoegen. Was er benutzte, war der Claude-Chat der Antigravity-IDE-Erweiterung. Kein CLI-Claude Code. Beide verwenden das Claude-Opus-Modell. Das Modell ist identisch. Trotzdem waren die Ergebnisse voellig verschieden.

Warum? Weil das Modell gleich ist, aber der Agent unterschiedlich.

• Modell (Model): Das Gehirn — Opus, Sonnet und Co. Die Faehigkeit selbst, Text zu lesen und zu schreiben.
• Agent (Agent): Das Programm, das das Gehirn antreibt. Welchen System-Prompt es erhaelt, welche Werkzeuge (Dateien lesen/schreiben/Befehle ausfuehren) ihm gegeben werden, wie weit es ohne menschliche Bestaetigung selbst handeln darf — das alles bestimmt der Agent.

Selbst dasselbe Pferd: ob es frei auf der Weide laeuft oder gesattelt mit Reiter darauf — wohin es gehen kann, ist verschieden. Der Agent ist eben dieses Sattelzeug — das Geruest, an dem man Zuegel (Reins) befestigen kann. (In Lektion 5 begegnet uns das erneut.)

Warum ein schwacher Agent nicht genuegt — Was dieses Kursniveau erfordert

Agenten haben unterschiedliche Niveaus. Und das Niveau, das dieser Kurs (Lektion 1–11) erfordert, entscheidet sich an einem einzigen Kriterium.

Der Kern dieses Kurses ist ein Satz:

Die KI schreibt Code, die Maschine verifiziert, und du pruefst nur: “Hat es bestanden?”

Damit das funktioniert, muss die KI selbst Verifikationswerkzeuge ausfuehren und anhand der Ergebnisse ihre naechste Aktion bestimmen. yongol validate ausfuehren, den Fehler lesen, korrigieren, erneut ausfuehren — wenn ein Mensch bei jedem Schritt vermitteln muss, ist das keine Autonomie, sondern Arbeit.

Autonome Schleife moeglich:
  KI fuehrt validate aus → liest Fehler → korrigiert → validate erneut → bestanden → weiter
  (0 menschliche Eingriffe)

Mensch vermittelt bei jedem Schritt:
  KI: "Fuehren Sie validate so aus" → Mensch kopiert und fuehrt aus →
  Mensch kopiert Ergebnis → fuegt es der KI ein → KI schlaegt Korrektur vor → Mensch fuehrt wieder aus ...

Lektion 3 Hurl, Lektion 4 yongol, Lektion 6 tsma, Lektion 8 filefunc — alles sind CLI-Werkzeuge. Sie haben nur dann Bedeutung, wenn die KI sie autonom ausfuehrt. Mit einem Agenten, der diese Schleife nicht drehen kann, funktioniert die Haelfte dieses Kurses nicht.

Das Kriterium fuer einen “schwachen Agenten” ist also keine Marke, sondern diese eine Frage:

Kann dieser Agent yongol validate / hurl / tsma selbst ausfuehren, das Ergebnis lesen und die naechste Aktion bestimmen? Oder muss ich bei jedem Schritt per Kopieren und Bestaetigen vermitteln?

• Ersteres — ein Agent, an dem man Zuegel befestigen kann. (CLI Claude Code faellt darunter.)
• Letzteres — ein schwacher Agent. Egal wie klug das Modell ist, in diesem Kurs kommt man damit nicht weiter.

Achtung: “IDE-Erweiterung = grundsaetzlich ungeeignet” stimmt nicht. Der Agentenmodus von Cursor oder Windsurf fuehrt Befehle ebenfalls autonom aus und dreht Schleifen. Umgekehrt kann der einfache Chat-Modus desselben Produkts bei jedem Schritt den Menschen einschalten. Pruefe nicht den Produktnamen, sondern das obige Kriterium. Auch in realen Onboarding-Situationen lag das Problem nicht daran, “dass es eine IDE war”, sondern dass der verwendete Chat-Modus die CLI-Schleife nicht autonom drehen konnte.

Lektion 0 ist daher der Eingang des Kurses. Waehlt man das falsche Werkzeug, werden die nachfolgenden elf Lektionen bedeutungslos.

Die YouTube-Falle

Das Problem ist folgendes: Die meisten Vibe-Coding-Tutorials auf YouTube und in Communities unterscheiden nicht zwischen einem autonom schleifen-faehigen Agenten und einem einfachen Chat-Modus — und nennen beide “Claude Code”.

Einsteiger haben daher keine Moeglichkeit, den Unterschied zu erkennen. Sie reden mit dem Chatfenster und glauben “Ich nutze Claude Code”. Und wenn Dinge nicht wie im Tutorial funktionieren, geben sie sich selbst die Schuld.

Nein. Das Werkzeug wurde falsch gewaehlt. Genauer gesagt: YouTube hat das Werkzeug falsch benannt. Mit nur einem Kriterium — “Fuehrt es selbst die CLI aus?” — laesst sich diese Falle vermeiden.

Claude Code installieren

Dieser Kurs basiert auf Ubuntu (oder WSL). Mac-Nutzer koennen den groessten Teil identisch verwenden.

Voraussetzungen

1. Anthropic-Konto: Registrierung auf https://console.anthropic.com
2. Abo-Plan: Claude Pro ($20/Monat), Max ($100/Monat oder $200/Monat). Max hat grosszuegigere Nutzungslimits
3. Ubuntu / Mac / WSL oder Docker: Windows-Nutzer waehlen einen der beiden folgenden Wege

Mac, Ubuntu oder WSL — Native Installation (empfohlen)

Die einfachste Methode — kein Node.js erforderlich.

curl -fsSL https://claude.ai/install.sh | bash

Nach der Installation pruefen:

claude --version

Erscheint eine Versionsnummer wie 2.1.x, war die Installation erfolgreich.

Windows Option A: WSL (empfohlen)

Windows PowerShell als Administrator oeffnen und ausfuehren:

wsl --install

Diese eine Zeile aktiviert WSL, laedt den Linux-Kernel herunter und installiert Ubuntu. Nach dem Neustart oeffnet sich Ubuntu und fragt nach Benutzername und Passwort. Einen kurzen Namen in Kleinbuchstaben eingeben.

Hinweis: Alle weiteren Arbeiten finden im Ubuntu-Terminal statt. Installiert man Claude Code in PowerShell oder CMD, erscheint der Fehler “Windows is not supported”.

Danach die native Installationszeile im Ubuntu-Terminal ausfuehren.

WSL-Tipp: Projekte muessen im Linux-Dateisystem (/home/Benutzername/) abgelegt werden. Auf der Windows-Seite (/mnt/c/) wird das Lesen extrem langsam.

Windows Option B: Docker (wenn WSL blockiert ist)

Falls WSL aufgrund von Unternehmensrichtlinien oder Umgebungsproblemen nicht funktioniert, kann Claude Code in einem Linux-Container ueber Docker verwendet werden.

# Im Projektordner: Ubuntu-Container starten und aktuellen Ordner einhaengen
docker run -it -v "$(pwd)":/work -w /work ubuntu:24.04 bash

# Im Container
apt update && apt install -y curl
curl -fsSL https://claude.ai/install.sh | bash
claude --version

-v "$(pwd)":/work verbindet den Projektordner mit /work im Container. Im Container geleistete Arbeit bleibt direkt im eigenen Ordner erhalten.

Alternative: Installation ueber npm

Diese Methode ist fuer Personen mit Node.js-Erfahrung. Einsteiger verwenden die native Installation oben.

# nvm installieren, dann Node.js LTS
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
source ~/.bashrc
nvm install --lts

# Claude Code installieren
npm install -g @anthropic-ai/claude-code

Hinweis: Verwende nicht sudo npm install -g. Das verursacht Berechtigungs- und Sicherheitsprobleme.

Erster Start und Authentifizierung

# Zum Projektordner wechseln (erstellen falls noetig)
mkdir -p ~/projects/my-first-app
cd ~/projects/my-first-app

# Claude Code starten
claude

Beim ersten Start oeffnet sich der Browser zur Anthropic-Anmeldung. Nach der Anmeldung ist die Authentifizierung abgeschlossen und verbindet sich kuenftig automatisch.

Installations-Checkliste

Sind alle drei Punkte abgehakt, ist man bereit fuer Lektion 1.

• Gibt claude --version eine Versionsnummer wie 2.1.x aus?
• Zeigt claude eine Eingabeaufforderung (Dialog-Fenster) an?
• Ist die Authentifizierung ueber Browser-Anmeldung abgeschlossen?
• Hat die KI im Praxistest selbst Dateien erstellt, ausgefuehrt und korrigiert — ohne bei jedem Schritt um Bestaetigung zu bitten?

Der letzte Punkt ist der wichtigste. Hat die KI Befehle selbst ausgefuehrt und Fehler selbst behoben — du nutzt echtes Claude Code.

IDE-Erweiterungen nur als Ergaenzung

Das ist keine Aussage, dass Cursor, Antigravity oder Windsurf schlechte Werkzeuge sind. Fuer das Durchsehen und zeilenweises Bearbeiten von Code sind sie hervorragend. Fuer Programmierer gute Werkzeuge.

Aber der autonome Betrieb dieses Kurses laeuft in der CLI. IDE-Erweiterungen dienen als ergaenzende Ansicht auf den Code; die Schleife aus “Erstellen, Verifizieren und Sperren” wird Claude Code CLI ueberlassen. Beide gemeinsam einsetzen — aber die Rollen klar trennen.

Uebung: Das Echte erkennen

Ziel: Bestaetigen, dass man CLI Claude Code nutzt, und die autonome Schleife einmal durchlaufen.

Schritt 1 — Installation pruefen

claude --version

Pruefen, ob die Version als 2.1.x ausgegeben wird. Falls nicht, zur Installationsanleitung oben zurueckkehren. Bei Windows zuerst WSL (Option A) oder Docker (Option B) einrichten.

Schritt 2 — Autonome Schleife beobachten

claude starten und in einem leeren Ordner eingeben:

Erstelle in einem leeren Ordner eine hello.py. Baue absichtlich einen Syntaxfehler ein,
fuehre sie aus um den Fehler zu sehen, behebe ihn dann selbst und fuehre sie erneut aus.
Bis "Hello" ausgegeben wird.

Zu beobachten:

• Erstellt die KI die Datei direkt? (Ohne dass du Code kopieren und einfuegen musst)
• Fuehrt die KI python hello.py selbst aus?
• Liest und korrigiert die KI den Fehler eigenstaendig?
• War dein einziger Beitrag waehrend des gesamten Vorgangs der erste Satz (und ggf. die Ausfuehrungsbestaetigung)?

Alles “Ja” — du hast den Eingang passiert. Weiter zu Lektion 1.

(Falls du einen IDE-Chat verwendest) Gib denselben Satz auch im IDE-Chatfenster ein und vergleiche direkt, wo es haengt. Diesen Unterschied einmal selbst erlebt zu haben, macht die Notwendigkeit von Lektion 0 unvergesslich.

Zusammenfassung

1. Agent ≠ Modell. Selbst mit dem gleichen Claude-Modell sind die Faehigkeiten voellig verschieden, je nachdem welches Programm (Agent) es antreibt.
2. Ein Grossteil dessen, was YouTube “Claude Code” nennt, ist ein einfacher Chat-Modus, der keine autonome Schleife dreht. Das Kriterium ist nicht die Marke, sondern “Fuehrt es die CLI selbst aus?”
3. Dieser Kurs setzt die CLI voraus. Lektion 3 Hurl, Lektion 4 yongol, Lektion 6 tsma, Lektion 8 filefunc — alles CLI-Werkzeuge, die von der KI autonom ausgefuehrt werden muessen.
4. Installation in einer Zeile. curl -fsSL https://claude.ai/install.sh | bash. Windows: zuerst WSL oder Docker.
5. Eingangs-Kriterium: claude --version gibt 2.1.x aus, und die KI erstellt, fuehrt aus und korrigiert Dateien selbst.

Waehlt man das falsche Werkzeug, werden die nachfolgenden elf Lektionen bedeutungslos. Der Eingang wurde hier gesichert.

Vorschau naechste Lektion: “Wie man KI anleitet.” Jetzt, wo du echtes Claude Code in der Hand haeltst, lernst du, wie jemand ohne Programmierkenntnisse der KI vorgibt, was und wie sie es tun soll.

Aufgaben

1. Eigenes Werkzeug identifizieren: Pruefen, ob das, was du bisher als “Claude Code” genutzt hast, die CLI oder ein IDE-Chat war. claude --version gibt die Antwort.
2. Autonome Schleife einmal durchlaufen: Die hello.py-Uebung oben bis zum Ende durchfuehren und zaehlen, wie viele Schritte die KI ohne menschlichen Eingriff selbst erledigt hat.
3. (Windows-Nutzer) Umgebung einrichten: Zwischen WSL und Docker diejenige auswaehlen, die in der eigenen Umgebung funktioniert, und die Einrichtung abschliessen.

Verwandte Artikel

• Warum Coding-Agenten funktionieren und warum sie scheitern — Bedingungen, unter denen die autonome Verifikationsschleife eines Agenten funktioniert und wann sie zusammenbricht. Theoretischer Hintergrund zu “Warum CLI-Autonomie?” aus Lektion 0.
• Reins Engineering — KI mit Zuegeln — Der Unterschied zwischen Zaun (Harness) und Zuegel (Reins) und das Gesamtbild, den Agenten als Traeger von Reins zu verstehen.

Weiterfuehrende Lektuere (extern)

• Agent Harness Engineering — Addy Osmani. “Ein brauchbares Modell mit einem hervorragenden Harness schlaegt ein hervorragendes Modell mit einem schlechten Harness.” Faelle, in denen sich Benchmark-Raenge umkehrten, wenn bei festem Modell nur das Harness veraendert wurde. Das definitive Beispiel fuer Agent ≠ Modell.
• Agents are models using tools in a loop — Simon Willison. Die Standarddefinition eines Agenten. Die “Schleife”, in der Werkzeugergebnisse an das Modell zurueckgefuehrt werden, trennt echte Agenten von Marketingbegriffen.
• Which AI Coding Harness Actually Works Without You? — Pawel Jozefiak. Coding-Werkzeuge werden in drei Kategorien unterteilt: Orchestrator (autonom), Pair Programmer (schrittweise Anweisung) und Supervised IDE (verweigert eigenstaendige Entscheidungen). Diese drei zu verwechseln ist der Kernfehler — deckt sich exakt mit der “YouTube-Falle” aus Lektion 0.

Reins Engineering Gesamtkurs

Quellen

• Anthropic. “Claude Code overview.” Anthropic Documentation. link
• Anthropic. “Set up Claude Code.” Anthropic Documentation. link
• Karpathy, A. (2025). “Vibe coding” — Programmieren nach Gefuehl, ohne Code zu lesen; der Ursprung des Begriffs.