Shopifys 23.000 Ingenieure arbeiten daran, bis zum dritten Quartal dieses Jahres 96 % ihrer Programmierung zu automatisieren.
Sie betreiben mehrere Claude Code Agents parallel, die jeweils verschiedene Teile der Codebasis bearbeiten, während die Ingenieure nur noch prüfen und mergen.
Bessemer hat ihr komplettes KI-First-Playbook veröffentlicht.
Hier ist ihr exakter Aufbau – und du kannst ihn in 5 Minuten kopieren 👇
Die Infrastrukturebene (warum ihr Setup funktioniert)
Shopify hat sich nicht auf ein einziges KI-Tool geeinigt. Sie haben die darunterliegende Ebene standardisiert.
Sie haben einen internen LLM-Proxy gebaut, der jede KI-Anfrage durch ein zentrales Gateway leitet. Claude Code, GitHub Copilot, Cursor – alles fließt durch dieselbe Infrastruktur.
Das ermöglicht zentrale Kostenkontrolle, Nutzungsanalysen und die Möglichkeit, Modelle auszutauschen, ohne den Workflow eines einzigen Ingenieurs zu ändern.
Die Lehre für kleinere Teams: Such dir nicht ein Tool aus und setze alles darauf. Baue die Infrastruktur so, dass du mit mehreren Tools experimentieren kannst, während du Kosten und Daten im Griff behältst.
Muster 1: Parallele Agents, kein Einzelchat
Shopifys Senior Engineers nutzen Claude Code nicht als Ein-Prompt-Ein-Antwort-Werkzeug.
Sie starten mehrere Agents gleichzeitig, die an verschiedenen Teilen der Codebasis arbeiten.
Ein Agent refaktoriert das Auth-Modul. Ein anderer schreibt Tests. Ein dritter aktualisiert die Dokumentation. Der Ingenieur prüft die Ergebnisse, verwirft, was nicht funktioniert, und merged, was funktioniert.
Die Aufgabe des Ingenieurs verschiebt sich vom Schreiben von Code zum Prüfen und Mergen von Agent-Outputs. Farhan Thawar (VP Engineering) nennt das „intelligente Systeme orchestrieren".
Muster 2: Erweiterte Kritikschleifen
Nicht jede Aufgabe profitiert von Parallelisierung. Bei komplexen Architekturentscheidungen lassen Shopifys Ingenieure einen einzigen Agenten durch erweiterte Kritikschleifen laufen.
Der Agent generiert eine Antwort, bewertet sie, überarbeitet sie und verfeinert sie über lange Reasoning-Zyklen hinweg.
Anstatt die erste Ausgabe zu akzeptieren, zwingen sie den Agenten, mit sich selbst zu argumentieren.
Das liefert deutlich bessere Ergebnisse als ein einzelner Prompt, weil Claude seine eigenen Fehler erkennt, bevor du sie sehen musst.
Muster 3: Das Shopify AI Toolkit (MCP)
Im April 2026 hat Shopify einen Open-Source-MCP-Server veröffentlicht, der Claude Code direkt mit Shopifys Dokumentation, GraphQL-API-Schemas und Live-Store-Operationen verbindet.
Ein Befehl zur Installation:
Das gibt Claude Code 7 Werkzeuge:
- Aktuelle Shopify-Dokumente durchsuchen (keine veralteten Trainingsdaten)
- GraphQL-Abfragen gegen Live-Schemas validieren
- Store-Operationen über die Shopify CLI ausführen
- Produkte erstellen, Metafelder verwalten, Themes modifizieren
- Bulk-Operationen mit natürlicher Sprache ausführen
Ohne das halluziniert Claude API-Felder und erfindet Komponentenmuster. Damit arbeitet Claude mit echten Plattformdaten.
Muster 4: CLAUDE.md als Team-Infrastruktur
Shopify behandelt CLAUDE.md nicht als persönliche Konfiguration. Es ist Team-Infrastruktur, die in Git eingecheckt und von allen 23.000 Ingenieuren geteilt wird.
Ihr Ansatz von der Konferenz:
Wichtige Erkenntnis von der Konferenz: Wenn man CLAUDE.md mit jeder einzelnen Norm und Konvention vollstopft, wird die Leistung schlechter, nicht besser.
Du bezahlst für alles bei jeder Runde.
Muster 5: Strategie-zuerst-Validierung
Hier unterscheidet sich Shopifys Ansatz von den meisten Teams.
2024 verbrachten Ingenieure 70 % ihrer Zeit mit der Ausführung und 30 % mit der Strategie.
2026 hat Shopify dieses Verhältnis umgekehrt.
Weil KI den Großteil des Codierens übernimmt, verbringen Ingenieure jetzt 70 % ihrer Zeit mit Strategie: User Flows planen, Marktnachfrage validieren, die richtige Architektur wählen. Nur 30 % für die Ausführung.
Farhans Team schätzt eine Produktivitätssteigerung von etwa 20 %. Nicht durch mehr Code, sondern durch das Testen von 10 Ansätzen statt 2, schnelleres Prototyping und Ergebnisse mit höherer Qualität.
Muster 6: Sichere Autonomie mit Leitplanken
Shopify lässt Agents nicht wild laufen. Ihr Leitplanken-Setup:
Agents können lesen, schreiben, testen und committen. Sie können nicht auf Remote pushen, in Produktion deployen, Datenbanken löschen oder Secrets lesen.
Der Mensch bleibt bei allem, was nicht rückgängig zu machen ist, im Loop.
Das Setup, das du heute kopieren kannst
Du brauchst keine 23.000 Ingenieure, um diese Muster anzuwenden. Hier ist die Starter-Version:
Schritt 1: Standardisiere deine CLAUDE.md
Schritt 2: Richte parallele Agents ein
Schritt 3: Installiere relevante MCP-Server
Schritt 4: Füge Leitplanken hinzu
Erlauben: lesen, schreiben, testen, linten, committen
Verbieten: pushen, deployen, löschen, Secrets
Standardmodus: acceptEdits
Schritt 5: Kehre das Verhältnis um
Hör auf, 70 % mit Ausführung zu verbringen.
Lass den Agenten den Code schreiben.
Verbring deine Zeit damit zu entscheiden, welcher Code existieren sollte.
Die Zahl, die zählt
Shopifys Produktivitätssteigerung von 20 % kommt nicht vom Schreiben von mehr Code. Sie kommt vom Erkunden von 10 Ansätzen statt 2, schnellerem Prototyping und früherer Fehlererkennung.
Die Teams, die am meisten aus Claude Code herausholen, sind nicht die mit den besten Prompts. Es sind die, die die Infrastruktur gebaut haben, damit Agents sicher, parallel und an echten Codebasen arbeiten können.
90 % autonomes Codieren bis Q3 2026. Das ist keine Vision. Das ist eine Deadline, auf die 23.000 Ingenieure hinarbeiten.
Schritt 4: Füge Leitplanken hinzu
Erlauben: lesen, schreiben, testen, linten, committen
Verbieten: pushen, deployen, löschen, Secrets
Standardmodus: acceptEditsIch teile tägliche Notizen zu KI, Finanzen und Vibe-Coding in meinem Telegram-Kanal: https://t.me/zodchixquant
Ghb
