Claude Code ist ein agentisches Coding-Tool, das deine Codebasis liest, Dateien bearbeitet, Befehle ausführt und direkt mit git arbeitet. Für einen einzelnen Entwickler in einem einzigen Terminal braucht es überhaupt kein Management: Du beschreibst die Arbeit, siehst zu, wie sie erledigt wird, und prüfst den Diff. Dieser Loop ist schnell, und nichts in diesem Leitfaden verlangt von dir, ihn aufzugeben.
Die Lücke entsteht, sobald ein Team davon abhängig ist. Fünf Entwickler, die Claude-Code-Sessions laufen lassen, produzieren echte Ergebnisse, aber die Arbeit steckt in privaten Terminals. Niemand kann die Fragen beantworten, von denen ein Team lebt: Wer hat diese Änderung angefragt, wer führt sie gerade aus, was hat der Lauf tatsächlich bewirkt, und wer hat das Ergebnis abgenommen, bevor es gemergt wurde? Die Ausführung ist hervorragend; das Protokoll der Arbeit existiert nicht.
Claude-Code-Projektmanagement ist die Praxis, diese Arbeit als verfolgte, überprüfbare Projektarbeit zu betreiben: Aus einem Issue wird ein abgegrenzter Task, der Task wird einem Agenten zugewiesen, der über Claude Code ausführt, der Lauf findet in einem isolierten Worktree auf einer Maschine statt, die du kontrollierst, und das Ergebnis geht zur Überprüfung an einen Menschen zurück. Dieser Leitfaden folgt diesem Bogen mit Sharkly, das kein Ersatz für Claude Code ist. Es ergänzt die Ebene für gemeinsame Aufgaben, Kontext, Steuerung und Review rund um das Tool, das dein Team bereits nutzt.
TL;DR
Um Claude-Code-Arbeit wie Projektarbeit zu managen, schreibst du das Issue als abgegrenzten Task mit Ziel, Grenzen und Abnahmekriterien; weist ihn einem Agenten zu, dessen Runtime Claude Code ist; lässt den Lauf auf einem verbundenen Computer in einem isolierten Git-Worktree ausführen, während der Fortschritt zurückgestreamt wird; und prüfst anschließend die Belege am Task, um ihn abzunehmen, Änderungen anzufordern oder neu zuzuweisen. Claude Code übernimmt die Ausführung. Sharkly managt rundherum Zuweisung, Kontext, Fortschritt, Blocker, Ergebnisse und die menschliche Überprüfung, damit parallele Läufe für das ganze Team sichtbar bleiben, statt in privaten Terminals zu verschwinden. Solo-Terminal-Sessions bleiben das richtige Werkzeug für schnelle, lokale Arbeit mit geringem Risiko.
Was ein verwalteter Task einer reinen Claude-Code-Session hinzufügt
Eine reine Session und ein verwalteter Task führen darunter denselben Claude Code aus. Der Unterschied liegt in allem rund um den Lauf, und er verteilt sich auf vier Fähigkeiten, die ein Terminal nicht bieten kann.
Geteilte Sichtbarkeit. Ein Task bündelt Anforderungen, Aufgabenstatus, Diskussion, Ausführungsprotokolle und Review an einem Ort, statt sie über private Prompts und Sessions zu verteilen. Ein Teammitglied kann SH-214 öffnen und sehen, was angefragt wurde, was gerade läuft und was zurückgekommen ist.
Verantwortlichkeit. Ein Task trennt menschliche Verantwortung von der Ausführung durch den Agenten. Ein Mensch ist für das Ergebnis verantwortlich; ein Agent oder eine Crew ist der ausführende Assignee. Beides wird festgehalten, sodass „Wem gehört das?“ immer eine Antwort hat.
Belege für das Review. Jeder Lauf erzeugt einen Ausführungs-Trace: wann er gestartet ist, welche Tools er aufgerufen hat, warum er in die Warteschlange gestellt wurde und wie er geendet hat. Der Bericht des Agenten wird als Kommentar gespeichert, der mit diesem Trace verknüpft ist. Review bedeutet dann nicht mehr „Vertrau dem, der am Terminal saß“, sondern „Lies das Protokoll“.
Parallele Läufe ohne Kollisionen. Jeder Task bekommt ein isoliertes Verzeichnis, und repository-gestützte Arbeit kann pro Lauf einen eigenen Git-Worktree nutzen, sodass mehrere Tasks gleichzeitig dieselbe Codebasis ändern können. Die parallelen Mechanismen haben ihren eigenen Leitfaden: wie man mehrere Claude-Code-Agenten parallel ausführt.
Eine ehrliche Grenze vor dem Walkthrough. Nicht jede Claude-Code-Session braucht das. Nutze einen eigenständigen Agent Chat oder eine einfache Terminal-Session, um eine Frage zu erkunden, einen Plan zu formen oder eine schnelle lokale Änderung vorzunehmen. Nutze einen Task, wenn die Arbeit Verantwortlichkeit, Status, Ausführungshistorie oder Review braucht.
Schritt 1: Das Issue in einen Task verwandeln, den ein Agent ausführen kann
Der Bogen beginnt, bevor irgendein Agent läuft. Claude Code plant einen Ansatz auf Basis dessen, was du ihm gibst; ein vager Task führt also zu einem selbstbewussten Lauf in die falsche Richtung.
Ein guter Task-Titel benennt das Ergebnis statt des Themas. Die Beschreibung sollte alles enthalten, was eine neue Person oder ein Agent zum Weiterkommen braucht: warum die Arbeit wichtig ist; was zum Umfang gehört und was nicht; relevante Dateien, Links oder beobachtetes Verhalten; Einschränkungen und bereits getroffene Entscheidungen; und wie die Fertigstellung überprüft wird.
Genau der letzte Punkt wird in Solo-Workflows gern ausgelassen. Wenn du in die Beschreibung schreibst „Fertig heißt: Die Retry-Logik hat einen Test, der beim alten Verhalten fehlschlägt“, bekommt der Reviewer eine Checkliste und der Agent ein Ziel. Halte das stabile Ziel, den Umfang und die Abnahmekriterien in der Beschreibung fest; nutze Kommentare für die Diskussion.
Auch die Statuskategorie ist hier wichtig: Ein Task im Backlog ist geparkt, und ihm einen Agenten zuzuweisen startet keine Ausführung. Das ist ein Feature. Du kannst einen Stapel Tasks vorbereiten, sie alle zuweisen und jeden einzelnen bewusst freigeben, indem du ihn aus dem Backlog holst, sobald er bereit ist.
Wenn deine Issues bereits woanders liegen, musst du deinen Prozess nicht neu aufbauen. Zu den Integrationen von Sharkly gehören Jira, Slack und GitHub, sodass bestehende Tracker bestehen bleiben, während die Ausführung zuweisbar und nachvollziehbar wird. Die Disziplin, Arbeit so zu beschreiben, dass Agenten sie ausführen können, ist Teil eines größeren Wandels, den wir in Was ist agentisches Coding behandeln.
Schritt 2: Zuweisung an einen Agenten, dessen Runtime Claude Code ist
In Sharkly weist du Arbeit nicht direkt Claude Code zu. Du weist sie einem Agenten zu, und die Runtime des Agenten ist Claude Code. Diese Unterscheidung zahlt sich aus.
Ein Agent ist eine gespeicherte Arbeitskonfiguration statt eines einmaligen Prompts: Seine Anweisungen, Runtime, Skills, Repositories, Umgebungsvariablen und Lauf-Einstellungen bestimmen, wie er Arbeit bearbeitet. Eine Person konfiguriert einmal einen Agenten namens „Backend Fixer“, teilt ihn im Space, und das ganze Team weist Arbeit derselben getesteten Konfiguration zu, statt dass jeder Entwickler eigene Prompts improvisiert. Wir erklären das Konzept ausführlich in Agents in Sharkly, erklärt.
Die Runtime ist das konkrete Agenten-Tool, das auf einem Computer verfügbar ist. Wenn du eine Maschine verbindest, erkennt ein kleiner lokaler Dienst die dort installierten unterstützten Agenten-Tools und meldet jedes davon als Runtime; eine Claude-Code-Installation erscheint als verfügbare Runtime, sobald der Dienst sie sehen kann.
Drei Fakten zu diesem Arrangement halten die Erwartungen gerade:
- Der Agent folgt dem Standardmodell der Runtime. Sharkly zeigt oder verspricht keinen Modellnamen, und am Agenten gibt es weder Modellauswahl noch Steuerung der Denktiefe. Um Modelle zu wechseln, ändere die Konfiguration in Claude Code selbst.
- Die Modellnutzung ist Bring-your-own. Läufe verbrauchen das Claude-Abo oder den API-Schlüssel, die bereits in Claude Code auf diesem Computer konfiguriert sind. Das Modellkontingent hängt von den KI-Coding-Tools, Tarifen und API-Konten ab, die dein Team verbindet.
- Die Zuweisung ist explizit. Du öffnest die Assignee-Steuerung des Tasks und wählst den Agenten aus, so wie du ein Ticket einer Kollegin zuweisen würdest. Die verantwortliche Person bleibt separat festgehalten.
Bei kleinen, klar umrissenen Arbeiten weise den Task direkt einem Agenten zu. Nutze eine Crew – eine wiederverwendbare Gruppe aus Personen und Agenten, die von einem leitenden Agenten koordiniert wird – nur dann, wenn der Leiter das Ziel wirklich interpretieren und die Ergebnisse anderer Mitglieder in einem Task zusammenführen muss. Die Schritt-für-Schritt-Version einer ersten Zuweisung findest du in wie du deinem KI-Agenten die erste Aufgabe zuweist.
Schritt 3: Ausführung auf einem Computer, in einem isolierten Worktree
Wenn der Task das Backlog verlässt und der Agent bereit ist, stellt Sharkly den Lauf in die Warteschlange und schickt ihn an den ausgewählten Computer: deinen Laptop, einen Remote-Server oder einen Container. Der lokale Dienst auf dieser Maschine empfängt den Lauf, bereitet das Task-Verzeichnis vor, startet Claude Code und streamt den Fortschritt zurück. Dein Code, deine Zugangsdaten und deine Claude-Code-Installation verlassen nie die Hardware, die du kontrollierst.
Die Trennung der Zuständigkeiten lässt sich klar benennen: Der Agent definiert, wie Arbeit behandelt werden soll; der Computer stellt den Host und die lokalen Ressourcen bereit; die Runtime führt die eigentliche Agenten-Session aus; der Task bleibt das gemeinsame Protokoll.
Für Repository-Arbeit ist der empfohlene Arbeitsverzeichnis-Modus Temporary: Jeder Task bekommt ein isoliertes Verzeichnis, und der lokale Dienst kann aus zwischengespeicherten Repository-Daten pro Lauf einen frischen Git-Worktree vorbereiten. Zwei Tasks im selben Repository schreiben in zwei verschiedene Verzeichnisse auf der Festplatte, weshalb parallele Läufe sich nicht gegenseitig überschreiben. Dieser Grundbaustein wird in wie man Git-Worktrees mit KI-Coding-Agenten nutzt behandelt. Den Modus Specified – ein konfiguriertes lokales Verzeichnis, das Läufe wiederverwenden – gibt es für die ehrlichen Ausnahmen: ein sehr großes Repository, teure lokale Caches oder Tools, die an einen Pfad gebunden sind.
Während Claude Code arbeitet, durchläuft der Lauf sichtbare Zustände: in der Warteschlange, an den Computer gesendet, laufend und schließlich abgeschlossen, fehlgeschlagen oder abgebrochen. Der Lauf-Status ist vom Task-Status getrennt, und diese Trennung ist nützlich: Ein Task kann In Progress bleiben, während sein Agent arbeitet, auf eine menschliche Antwort wartet oder einen Fehler meldet, und niemand muss ein Terminal abfragen, um zu wissen, was gerade gilt.
Schritt 4: Fortschritt und Blocker gehen zurück an den Task
Alles, was das Team sehen muss, kommt an einem Ort zurück. Der Bericht des Agenten wird als Kommentar gespeichert, der mit seinem Ausführungs-Trace verknüpft ist. Activity zeigt Kommentare und Task-Änderungen in einer Timeline. Executions enthält die Lauf-Historie: Auslöser, Start- und Endzeiten, Tool-Aufrufe und Fehlerdetails.
Blocker werden sichtbar, statt still hängen zu bleiben. Ein Agent kann einen Task auf eine menschliche Antwort oder ein Review warten lassen, und blockierte Arbeit fließt in die Inbox – die persönliche Warteschlange, die Tasks, die deine Aufmerksamkeit brauchen, von weniger dringenden Updates trennt. Der Unterschied ist strukturell: Eine hängende Session wartet, bis du zufällig den Tab checkst, während ein blockierter Task der verantwortlichen Person sagt, dass er blockiert ist.
Die Arbeit fortzusetzen ist ein Kommentar, keine neue Session. Ein berechtigter Kommentar zu einem Task, der noch dem Agenten zugewiesen ist, startet einen Folge-Lauf mit dem angesammelten Kontext des Tasks, und schnell aufeinanderfolgende Kommentare werden zusammengefasst, damit du keine doppelten ausstehenden Läufe erzeugst.
Schritt 5: Menschliches Review und Abnahme
Der Bogen endet dort, wo er enden sollte: bei einem Menschen. Agenten recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen Befugnisse und nehmen das Ergebnis ab.
Review an einem verwalteten Task heißt, Belege zu lesen, nicht eine Session erneut anzuschauen. Der Reviewer prüft den Bericht des Agenten gegen die in Schritt 1 formulierten Abnahmekriterien: Hat er sich im Rahmen bewegt, hat er die relevanten Prüfungen ausgeführt, hat er Belege für seine Schlussfolgerungen geliefert, hat er Unsicherheit festgehalten, statt zu raten? Der Ausführungs-Trace ist da, wenn die Zusammenfassung nicht ausreicht.
Die Abnahme nimmt dann einen von drei ehrlichen Wegen. Nimm die Arbeit ab und verschiebe den Task in einen abgeschlossenen Status. Fordere Änderungen mit einem gezielten Kommentar an, was einen Folge-Lauf mit vollem Kontext startet. Oder stell fest, dass der Lauf schiefgelaufen ist: Brich ihn ab, lies das Ausführungsprotokoll und starte einen neuen Versuch oder weise die Arbeit einem anderen Agenten zu.
Nichts davon ersetzt dein Git-Review. Claude Code erstellt Branches, schreibt Commits und öffnet Pull Requests über dein normales Git-Hosting, und dein Merge-Review bleibt, wo es ist. Der Task ergänzt, was die PR-Seite nicht sehen kann: die ursprüngliche Anfrage, die Ausführungsbelege und die dokumentierte Abnahme.
Solo-Session vs. verwalteter Task
| Frage | Solo-Claude-Code-Session | Verwalteter Sharkly-Task |
|---|---|---|
| Wer hat das angefragt? | Dein Gedächtnis | Task-Beschreibung mit Umfang und Abnahmekriterien |
| Wer arbeitet daran? | Wer auch immer das Terminal besitzt | Verantwortliche Person plus ein Agent als ausführender Assignee |
| Was passiert gerade? | Terminal beobachten | Lauf-Status am Task, auf Boards und in der Inbox |
| Was hat der Lauf getan? | Scrollback, bis der Tab geschlossen wird | Ausführungs-Trace und gespeicherte Kommentare |
| Können zwei Läufe ein Repository teilen? | Nur wenn du Worktrees per Hand einrichtest | Standardmäßig isolierter Worktree pro Task |
| Wer hat das Ergebnis genehmigt? | Niemand hält es fest | Review und Abnahme am Task |
| Kann das Team das Setup wiederverwenden? | Prompts liegen bei einer Person | Geteilte Agenten und Skills im Space |
Die linke Spalte ist nicht die falsche Spalte. Sie ist das richtige Werkzeug für Erkundung und schnelle Fixes. Die rechte Spalte zahlt sich aus, wenn die Arbeit sichtbar, überprüfbar und parallel sein muss.
Von einem Task zu einem gemanagten Projekt
Alles oben Beschriebene skaliert von einem Task zu einem Plan, ohne seine Form zu ändern. Tasks gruppieren sich zu Projekten, wenn mehrere einem Ergebnis dienen, und zu Sprints, wenn die Frage lautet, was in diesem Zeitfenster ausgeliefert wird. Views speichern die Fragen, die ein Team immer wieder stellt, etwa Tasks, die auf ein Review warten.
Das ist die ganze These dieses Workflows. Der Hebel für Teams entsteht nicht dadurch, dass man mehr KI-Chats öffnet; er entsteht dadurch, dass man Rollen, Regeln, Kontext und Workflows teilt. Wo diese Disziplin in der größeren Landschaft steht, behandelt unser Hauptleitfaden Was ist KI-Agenten-Projektmanagement.
Fang kleiner an, als es dir nötig erscheint. Verbinde einen Computer, prüfe, dass Claude Code als verfügbare Runtime erscheint, erstelle einen Agenten mit einer eng umrissenen Rolle und weise ihm einen risikoarmen Task mit echten Abnahmekriterien zu. Prüfe das Ergebnis so, wie du den ersten Pull Request eines neuen Teammitglieds prüfen würdest. Die Sharkly-Docs gehen auf jedes Konzept ausführlicher ein.
FAQ
Ersetzt Sharkly Claude Code?
Nein. Sharkly ist kein Ersatz für Claude Code, Codex oder andere Ausführungstools. Claude Code übernimmt die Ausführung: Es liest die Codebasis, bearbeitet Dateien, führt Befehle aus und arbeitet mit Git. Sharkly ergänzt die Teamebene rundherum und managt Zuweisung, Aufgabenkontext, Fortschritt, Blocker, Ergebnisse und menschliches Review.
Brauche ich ein separates Modell-Abo, um Claude Code über Sharkly auszuführen?
Nein. Die Modellnutzung läuft weiter über die Abos oder API-Schlüssel, die bereits in Claude Code auf deinen verbundenen Computern konfiguriert sind. Das Modellkontingent hängt von den KI-Coding-Tools, Tarifen und API-Konten ab, die dein Team verbindet.
Kann ich Claude Code weiterhin direkt im Terminal nutzen?
Ja, und das solltest du auch. Eine direkte Session oder ein eigenständiger Agent Chat ist das richtige Werkzeug, um eine Frage zu erkunden, einen Plan zu formen oder eine schnelle lokale Änderung vorzunehmen. Wechsle zu einem Task, wenn die Arbeit Verantwortlichkeit, Status, Ausführungshistorie oder Review braucht.
Was passiert, wenn ein Lauf fehlschlägt?
Der Lauf wird am Task als fehlgeschlagen markiert, und das Ausführungsprotokoll hält den Titel plus die ursprünglichen technischen Details vom Modelldienst fest. Die Troubleshooting-Hinweise von Sharkly ordnen gängige Fälle – etwa Rate Limits, aufgebrauchtes Kontingent und Auth-Fehler – den nächsten Schritten zu und verlinken die Fehlerreferenz von Claude Code. Starte nach der Behebung der Ursache einen neuen Versuch oder weise den Task einem anderen Agenten zu.
Können mehrere Claude-Code-Tasks gleichzeitig im selben Repository laufen?
Ja. Im Arbeitsverzeichnis-Modus Temporary läuft jeder Task in seinem eigenen isolierten Verzeichnis, und repository-gestützte Läufe können jeweils einen frischen Git-Worktree erhalten, sodass gleichzeitige Tasks nicht in einen gemeinsamen Checkout schreiben. Nebenläufigkeitsgrenzen am Agenten und am Computer begrenzen, wie viele gleichzeitig laufen.
