Ausgangssituation

Ein großer Energieversorger wollte Claude Code breit im Unternehmen nutzbar machen. Die Umgebung ist historisch gewachsen: viel Code, viel Erfahrung, aber kaum eine Dokumentation, mit der eine KI etwas anfangen konnte. Das Wissen war verteilt in einer alten On-Premise-Jira-Instanz, in Confluence und im Code selbst.

Der Anspruch ging über die Entwicklung hinaus: Auch Product Owner und Business Analysten sollten mit KI arbeiten können, ohne direkten Zugriff auf den Codezu haben. Und das bei uneinheitlichen IT-Rahmenbedingungen, die jede Installation zu einem Einzelfall machten.

Herausforderung: Verteiltes, gewachsenes Wissen.

• Große Mengen an Ticket-Wissen in der alten Jira-Instanz, die sich nicht sinnvoll 1:1 migrieren ließen, sowie ein Codebestand ohne KI-lesbare Dokumentation.

• Zugang für Nicht-Techniker, ohne Kontrolle zu verlieren. Die Product Owner und Analysten sollten KI nutzen können, ohne dass daraus unkontrolliertes „Vibecoding” entsteht. Die fachliche Verantwortung sollte bei den Entwicklern bleiben und KI-Inhalte wie Jira-Stories sollten immer durch einen Menschen geprüft werden, nie vollautomatisch.

• Uneinheitliche Technik mit unterschiedlichen Rechten auf den Windows-Laptops – jede Claude-Code-Installation brachte eigene Hürden mit.

Unser Vorgehen

Kontext aufbauen statt Tickets migrieren.

Anstatt alles zu verschieben, haben wir einen projektspezifischen Kontext direkt im Repository aus den vorhandenen Artefakten aufgebaut: alten Tickets, Confluence-Dokumentation und bestehendem Code. Die Ziele werden im Interview-Stil mit KI-Agenten dokumentiert und über OpenSpec in konkrete Spec-Dateien überführt (Spec-Driven Development). Dabei findet eine Qualitätssicherung statt, bevor mit dem Bau begonnen wird. Das Wissen selbst liegt in einem LLM-Wiki vor: verknüpfte Markdown-Dateien, die sowohl von KI als auch von Menschen gelesen werden können. Das Wissen aus den alten Jira-Tickets ziehen wir bedarfsorientiert nach – nicht als Big-Bang-Migration. Da neue User Stories aus dem Kontext entstehen und wieder in ihn zurückfließen, wächst die Wissensbasis mit jeder Änderung.

Zugang ohne Offenlegung des Codes
Für diese zentrale Anforderung haben wir ein internes Tool namens „Mate” entwickelt, das ein separates Kontext-Repository mit dem eigentlichen Software-Repo verknüpft. So erhalten Product Owner und Business-Analysten den relevanten Projektkontext, ohne den Code selbst einsehen zu müssen.

Menschen befähigen, nicht nur Werkzeuge ausrollen.
Wir haben vor Ort erklärt, installiert und begleitet. Unter anderem in einem ganztägigen Termin beim Kunden. Jede Person startet mit einem Basis-Skillset, zum Beispiel der Jira-Anbindung. Weitere individuelle Skills entwickeln wir gemeinsam. Eine regelmäßige, offene Sprechstunde im Unternehmen gibt Raum für Fragen und laufende Unterstützung.

Betriebsmodell gemeinsam entwickeln.
Von DevOps und Entwicklung bis zur Führungsebene haben wir das KI-Betriebsmodell gemeinsam mit dem Kunden geformt, anstatt es ihm fertig zu übergeben.

Das Ergebnis

• Product Owner und andere Fachrollen arbeiten mit echtem Projekt-Kontext, ohne dass Code offengelegt werden muss.

• Entwickler und Fachrollen greifen zunehmend auf eine gemeinsame, wachsende Wissensbasis zu, anstatt auf verteiltes Wissen in Tickets, Dokumenten und einzelnen Köpfen zurückzugreifen.

• Nach der Einführung von Claude Code meldeten Mitarbeitende deutliche Produktivitätsgewinne zurück – mehrfach direkt aus der offenen Sprechstunde.

Fazit

Der Fall zeigt, dass sich KI auch in einem gewachsenen, sensiblen Umfeld einführen lässt, ohne die fachliche Kontrolle aufzugeben. Der Schlüssel zum Erfolg war nicht das Tool allein, sondern der Kontext drumherum: eine Wissensbasis, die mit jeder Änderung mitwächst, sowie ein Zugang, der Fachrollen einbindet, ohne Code offenzulegen. Wir haben nicht nur beraten, sondern auch das Werkzeug gebaut und die Menschen vor Ort befähigt. Zudem begleiten wir das Betriebsmodell weiter.

Sie stehen vor einer ähnlichen Ausgangslage – gewachsenes System, verteiltes Wissen, KI sinnvoll einführen? Lassen Sie uns 30 Minuten über Ihren konkreten Fall sprechen.