Mein Workflow stand in einer Datei. Claude hat ihn trotzdem vergessen.

Die Claude-Workflow.md beschreibt meinen 9-Schritte-Prozess für KI-gestützte Softwareentwicklung, sauber und vollständig. Am Anfang einer Session lief alles nach Plan. Zwei Stunden später fehlten plötzlich Schritte. Der Plan-Modus übersprang die Prüfung, das Issue-Handling wurde schlampig. Ich saß da und dachte: Das habe ich doch gerade erst gesagt. Also wiederholen. Und später wieder. Frustration garantiert.

Seit ich den Workflow als Skills abgebildet habe, ist das weg. Jeder Workflow-Schritt ist ein eigener Skill mit einer präzisen Beschreibung, was in diesem Abschnitt zu tun ist und was nicht. Der Prozess läuft rund, Session für Session.

Ist das Einbildung? Ich habe recherchiert. Es ist keine.

Das Problem hat einen Namen: Context Drift

Sprachmodelle erinnern sich nicht. Sie verarbeiten ein Kontextfenster. Meine Anweisungen aus Nachricht 1 konkurrieren bei Nachricht 100 gegen 99 neuere Nachrichten um Aufmerksamkeit. Die Architektur bevorzugt das Aktuelle. Das ist kein Bug, das ist Attention.

Dazu kommt die Kompaktierung. Füllt sich das Kontextfenster, fasst Claude Code die Historie automatisch zusammen. Entscheidungen überleben diese Zusammenfassung, die Begründungen dahinter oft nicht. Aus „Schritt 4: Vor der Implementierung Testfälle definieren, weil sie die Akzeptanzkriterien absichern“ wird „Tests schreiben“. Die Regel ist noch da, aber verschwommen. Genau das habe ich erlebt.

Eine Workflow-Datei, die einmal am Anfang gelesen wird, verliert also zwangsläufig an Wirkung. Sie wird nicht gelöscht. Sie wird begraben.

Warum Skills das strukturell lösen

Skills arbeiten mit Progressive Disclosure. Beim Start kennt Claude nur die Kurzbeschreibung jedes Skills, ein paar Dutzend Token. Erst wenn ein Skill relevant wird, lädt Claude die vollständige Anweisung in den Kontext.

Das ändert alles. Wenn ich in den Plan-Modus gehe, landet die Plan-Anweisung frisch im Kontext, mit maximalem Gewicht, genau in dem Moment, in dem sie gebraucht wird. Sie muss keine zwei Stunden Konversation überleben. Sie muss keine Kompaktierung überstehen. Jeder Schritt bekommt seine Anweisung just in time.

Der Unterschied ist derselbe wie zwischen einem Kollegen, der sich an die Einarbeitung von vor drei Monaten erinnert, und einem Kollegen, der vor jedem Arbeitsschritt die passende Checkliste aufschlägt. Der zweite macht weniger Fehler. Nicht weil er klüger ist, sondern weil das System ihn stützt.

Skills sind trotzdem kein Zaubermittel

Die Recherche zeigt auch die andere Seite. Skills haben zwei Zuverlässigkeitsprobleme: Aktivierung und Ausführung. Ein Skill, den Claude nicht zieht, ist wertlos, und es gibt dokumentierte Fälle, in denen Skills trotz passender Trigger-Wörter einfach ignoriert wurden. Wer sich darauf verlässt, dass das Modell schon von selbst den richtigen Skill wählt, spielt Lotterie.

Ich spiele nicht. Ich rufe die Skills explizit auf. Wenn der Plan steht und die GitHub-Issues erzeugt werden sollen, tippe ich /issues. Kein Raten, kein Hoffen, dass die Description zündet. Der Skill wird geladen, weil ich es entschieden habe. Damit ist das Aktivierungsproblem für meinen Workflow schlicht vom Tisch.

Bleibt die Ausführung. Selbst ein geladener Skill garantiert nicht, dass jeder Schritt darin befolgt wird. Das Modell tendiert dazu, direkt Output zu produzieren und Prüfschritte am Ende zu überspringen. Dagegen helfen scharf geschnittene Skills: eine Aufgabe pro Skill, explizite Grenzen, was in diesem Schritt nicht passieren soll. Genau so ist mein 9-Schritte-Workflow gebaut.

Das ist die eigentliche Lektion. Mein Workflow läuft nicht gut, weil ich Skills installiert habe. Er läuft gut, weil ich beides selbst in der Hand behalte: wann ein Skill startet und was er darf.

Am Steuer bleiben, auch hier

Skills sind der Durchbruch, den ich vermutet habe, aber nicht als Automatik, sondern als Struktur. Sie lösen das Vergessen, weil sie Anweisungen dorthin verlagern, wo Drift sie nicht erreicht: ins Dateisystem, abrufbar im richtigen Moment.

Wer die Aktivierung dem Zufall überlässt, bekommt zufällige Ergebnisse. Wer explizit aufruft und präzise schneidet, bekommt einen Prozess, der hält. Die KI verstärkt sowohl gute als auch schlechte Gewohnheiten. Bei Skills gilt das doppelt.

Mein 9-Schritte-Workflow ist als Open-Source-Skill-Bibliothek verfügbar: das claude-workflow-kit. Wer das Vergessen aus eigenen Sessions kennt, findet dort einen Startpunkt.