Die Welt der Softwareentwicklung verändert sich rasant. Moderne Technologien und insbesondere Künstliche Intelligenzen (KI) prägen unseren Alltag und beeinflussen auch die Art und Weise, wie Programme geschrieben werden. Mein jüngstes Projekt, bei dem ich gemeinsam mit Claude, einer KI, ein einfaches Utility-Programm entwickelte, zeigt anschaulich, welch enorme Potenziale und zugleich Herausforderungen diese Technologie birgt. Dabei entstand ein Werkzeug namens "xar", eine vereinfachte Version des bewährten Unix-Tools xargs. Diese Erfahrung war nicht nur produktiv, sondern auch lehrreich – und genau davon möchte ich berichten. Das Problemfeld: Warum ein neues Utility programmieren? Im Zentrum meiner Idee stand die tägliche Arbeit mit Kommandozeilenwerkzeugen. Speziell das Programm xargs, das bei Unix-basierten Systemen häufig genutzt wird, um eine Liste von Eingaben zu verarbeiten und Befehle darauf anzuwenden, ist ein mächtiges, aber oft sperriges Werkzeug.
Für mich war xargs mehrmals Anlass zur Frustration. Es agierte nicht immer so, wie ich es intuitiv erwartete, und viele Details musste ich immer wieder nachschlagen. Mein konkretes Anliegen war simpel: Ich wollte mehrere PDF-Dateien mit GPG verschlüsseln. Doch Problemfälle wie Dateinamen mit Leerzeichen oder die Tatsache, dass GPG bevorzugt eine Datei nach der anderen verschlüsselt, machten das Vorhaben mit xargs kompliziert. Die bisherige Lösung mit Shell-Skripten oder xargs enthielt oft viel Overhead und Fehlerquellen. Um das gezielt zu umgehen und meinen Workflow zu erleichtern, entschied ich mich, ein eigenes Programm zu schreiben, das genau das tut, was ich brauchte – und zwar einfacher, direkter und ohne überflüssigen Ballast.
Die erste Version von xar Das Ziel war klar: Ein kleines Werkzeug, das Kommandozeilenargumente als Befehlsvorlage entgegennimmt, anschließend Zeilen aus der Standardeingabe liest und für jeden Eintrag einen Befehl ausführt, bei dem dieser Eintrag entweder an das Ende angehängt oder an vorgegebenen Stellen (markiert durch %) eingesetzt wird. Fehler bei einzelnen Befehlen sollten nicht das Programm stoppen – die Verarbeitung sollte robust und fortlaufend sein. Meine erste Umsetzung war eine minimalistische Python-Script, das lediglich die Kernfunktionalität beinhaltete, ohne Optionen wie NUL-Terminator-Unterstützung oder parallele Ausführung. Es las jede Eingabezeile, baute daraus den Befehl zusammen und startete dafür einen eigenen Prozess. Ein einfacher, klarer Workflow, der meine Anforderungen erfüllte und mir wertvolle Zeit sparte. Den nächsten Tag wollte ich allerdings testen, ob ich die gleiche Aufgabe nicht schneller erledigen könnte, wenn ich eine KI um Hilfe bitten würde.
So startete ich die Zusammenarbeit mit Claude. Die Zusammenarbeit mit Claude: Chancen und Überraschungen Ich stellte Claude die Aufgabe klar und knapp: Ein kleines Programm schreiben, das ähnlich wie xargs funktioniert, aber einfacher, schlanker und genau auf meine Bedürfnisse zugeschnitten ist. Claude lieferte prompt eine funktionsfähige Version in Python, die zwar anders aufgebaut war als meine, aber grundsätzlich die Anforderungen erfüllte. Dabei fiel mir auf, dass Claude einige praktische Python-Techniken einsetzte, die mir entweder neu waren oder die ich schlichtweg vergessen hatte. Zum Beispiel die Nutzung von str. rstrip('\n') statt eines manuellen Beschnitts von Zeilenenden. Auch Argumentparsing schlug Claude mit dem bewährten Modul argparse vor, was die Bedienbarkeit sowie die Erweiterbarkeit meines Programms verbesserte. Einige Kleinigkeiten, wie die Verwendung von subprocess.
run mit check=True, waren für meinen Anwendungsfall suboptimal, da ich bei Fehlern lieber weiter verarbeiten wollte, statt abzubrechen. Claude reagierte prompt auf meine Rückmeldungen, passte den Code an und half dabei, die Struktur klarer und testbar zu machen, indem die Argumente explizit als Parameter übergeben wurden. Der Umgang mit NUL-getrennten Eingaben war ein weiterer Punkt: Claude implementierte eine Option, die wahlweise NUL anstelle von Zeilenumbrüchen als Trenner annimmt. Dies ist in Unix-Tools üblich, um auch Dateinamen mit Zeilenumbrüchen korrekt zu verarbeiten – ein Feature, das ich zunächst gar nicht geplant hatte, das aber meine Version auf eine neue Stufe hob. Die Kunst der Vorlagenersetzung Ein zentraler Punkt war die Möglichkeit, in der Befehlsvorlage Platzhalter (%) durch die jeweiligen Eingabeeinträge zu ersetzen.
Claude wählte hier einen eher expliziten Ansatz, indem er in einer Schleife die Ersetzung vornahm und überprüfte, ob überhaupt ein Prozentzeichen vorhanden war. Mein eigener Code war kürzer und dabei ebenfalls korrekt, allerdings leistete Claude saubere Trennung der Aufgaben, indem er diese Funktion in eine eigene Methode auslagerte. Das sorgte für klareren und leichter wartbaren Code. Parallele Ausführung: Von DIY zu modernen Python-Modulen Ein Thema, über das ich schon häufiger nachgedacht hatte, ist die parallele Ausführung von Kommandos. Zwar wollte ich es anfangs nicht direkt einbauen, doch Claude brachte eine Idee ein, die auch mich überzeugte: Statt einen eigenen Prozesspool und Semaphore-Logik zu basteln, sollte man das vorhandene Modul concurrent. futures verwenden. Damit konnte ich in Zukunft mit minimalem Aufwand mehrere Prozesse parallel starten und deren Ergebnisse zuverlässig absammeln.
Dies war nicht nur eine Zeitersparnis, sondern auch eine Qualitätssicherung, da solche Standardmodule gut dokumentiert, getestet und von vielen Entwicklern verwendet werden. Der Wechsel weg von selbstgeschriebenen Konstruktionen hin zu Standardlösungen wird oft empfohlen – Claude war hier ein hervorragender Berater. Die Tücken des Argumentparsing Eine kleine, aber lehrreiche Hürde war die Übergabe von Argumenten an den aufzurufenden Befehl. Ein oft auftretendes Problem ist die falsche Interpretation von Kommandozeilenoptionen, die eigentlich an den Zielbefehl gehen sollten, aber stattdessen von unserem Programm fehlinterpretiert werden. Die Lösung, die sich in der Unix-Welt etabliert hat, ist der Einsatz von "--" als Argumenttrenner. Claude erkannte dies zwar, überschätzte jedoch die notwendige Arbeit, um es zu unterstützen. Tatsächlich ist dies eine Standardfunktion von argparse, die keine zusätzliche Implementierung erfordert.
Diese Episode zeigte mir, dass auch moderne KI-Systeme nicht per se alle Kontexte richtig erfassen, und dass es wichtig bleibt, selbst kritisch zu reflektieren. Dennoch war die Beratung durch Claude sehr hilfreich, um mich dieser Feinheiten bewusst zu machen. Lehren aus der KI-unterstützten Programmierung Insgesamt war meine Zusammenarbeit mit Claude ein großer Gewinn. Der KI-Dialog half mir, schneller Entscheidungen zu treffen, neue Funktionen zu planen und meinen Programmentwurf zu verfeinern. Ich musste nicht selbst in die Tiefen der Modulreferenzen eintauchen, sondern konnte mich auf das Wesentliche konzentrieren. Dadurch sparte ich Zeit und Lernaufwand. Eine wichtige Erkenntnis war jedoch auch, dass man sich nicht auf die KI verlassen darf, ohne die erzeugten Vorschläge sorgfältig zu prüfen. Fehler oder Missverständnisse schleichen sich auch bei modernsten Systemen ein. Ein disziplinierter Programmieransatz bleibt unerlässlich.
Die Kombination von Erfahrung und KI-Unterstützung verschafft Entwicklern heute eine neue Macht. Anstatt mühsam immer wieder kleine Dienstprogramme selbst zu schreiben, kann man sich auf bewährte Rezepte und intelligente Assistenten stützen. Dies eröffnet Kapazitäten für größere, komplexere Projekte. Der Blick in die Zukunft Die Reise mit Claude zeigt den Trend klar auf: KI wird in der Softwareentwicklung immer wichtiger, vor allem wenn es um Routineaufgaben und wiederholbare Muster geht. Programmer können so ihre Zeit effektiver nutzen und neue Technologien schneller adaptieren. Gleichzeitig stellt dies neue Anforderungen an die Ausbildung und Arbeitsweise von Entwicklern. Man muss lernen, mit KI zusammenzuarbeiten, sie sinnvoll zu befragen und die erzeugten Ergebnisse kritisch zu bewerten. Nur so entstehen qualitativ hochwertige Produkte.
Mein schnelles und pragmatisches Utility-Programm ist ein Beispiel dafür, wie moderne Technologien traditionelle Arbeitsweisen ergänzen und verbessern können. Es bleibt spannend zu beobachten, wie sich diese Partnerschaft zwischen Mensch und Maschine weiterentwickelt. Fazit Die Entwicklung von xar, einem simplen, aber nützlichen Kommandozeilenwerkzeug, sowohl von Hand als auch mithilfe einer KI, war eine bereichernde Erfahrung. Sie zeigte eindrücklich, wie KI den Entwicklungsprozess beschleunigen, Wissen bereitstellen und neue technische Möglichkeiten aufzeigen kann. Gleichzeitig bleibt die menschliche Expertise unverzichtbar, um Code-Qualität, Robustheit und Sinnhaftigkeit sicherzustellen. Wer in die Programmierung einsteigt oder bestehende Projekte verbessern möchte, wird von dem praktischen Einsatz intelligenter Assistenten profitieren. Die Kombination aus eigenem Know-how und KI-Unterstützung macht das Programmieren effizienter, zugänglicher und manchmal sogar unterhaltsamer.
In einer Welt, in der Technologie unaufhaltsam voranschreitet, ist das genau die richtige Richtung.
