Der Skill hinter diesem Leitfaden: Dante - Tech Lead AI Skill. Enthält deinen Stack, die tatsächliche Betriebserfahrung deines Teams und deine laufenden Entscheidungen, sodass der Rat danach gefiltert wird, was dein Team betreiben kann, statt danach, was technisch am besten ist - 29 $, eine Zahlung, dauerhaft deiner.
Dante-Skill ansehen →Zwei Fragen klären die meisten technischen Entscheidungen, und ein Modell stellt keine von beiden von sich aus: Wie teuer ist es, das rückgängig zu machen, und kann dieses Team es um drei Uhr morgens betreiben? Frag ein Modell, welche Datenbank, welches Framework oder welche Architektur du wählen solltest, und es wird eine auswählen und gut verteidigen - mit exakt derselben Sicherheit, egal ob die falsche Antwort eine Woche oder drei Jahre kostet, und ohne zu wissen, wer Bereitschaftsdienst hat. Die nicht programmierende Hälfte des Tech-Lead-Jobs besteht größtenteils aus diesen beiden Fragen. Dieser Leitfaden soll sie in die Unterhaltung zwingen.
Frage eins: Ist das eine Tür, durch die du zurückgehen kannst?
Amazons Aktionärsbrief von 2015 formuliert es so klar, wie es nur geht. Manche Entscheidungen sind „folgenreich und unumkehrbar oder nahezu unumkehrbar - Einbahnstraßen - und diese Entscheidungen müssen methodisch, sorgfältig, langsam, mit großer Umsicht und Beratung getroffen werden.“ Die meisten sind es nicht: „Sie sind veränderbar, umkehrbar - es sind Zweiwege-Türen“, und diese „können und sollten von Personen oder kleinen Gruppen mit gutem Urteilsvermögen schnell getroffen werden.“
Der Grund, warum das mit einem Modell wichtiger ist als ohne, liegt darin, dass ein Modell den Unterschied einebnet. Frag es in derselben Sitzung nach deinem Log-Format und deinem Datenmodell, und du erhältst zwei gleichermaßen gründliche, gleichermaßen selbstsichere Antworten. Eine dieser Entscheidungen kannst du an einem Dienstagnachmittag ändern. Mit der anderen wirst du noch leben, wenn die Menschen, die sie getroffen haben, längst gegangen sind.
Der erste Schritt ist also nicht „welche Option“. Es geht darum, die Entscheidung einzuordnen: Was kostet es tatsächlich, das rückgängig zu machen, in welcher Einheit, und was macht es teuer? Ein Modell ist bei dieser Frage gut, wenn man sie ihm stellt, und wird sie niemals von sich aus aufwerfen.
Eine dritte Antwort wird das Modell ebenfalls nicht anbieten: Das muss noch nicht entschieden werden. Eine Einbahnstraße aufzuschieben, bis man mehr weiß, ist oft das Souveränste, was ein Lead tun kann, und für alle, die nicht aufmerksam sind, sieht es nach Unentschlossenheit aus.
Frage zwei: Kann dieses Team es um 3 Uhr morgens betreiben?
Ein Modell weiß, was technisch gut ist. Es hat die Architektur-Blogs gelesen, und die Architektur-Blogs werden von Menschen aus Unternehmen mit einem Plattformteam geschrieben.
Was es nicht weiß, ist, wer Bereitschaftsdienst hat, was diese Personen zuvor betrieben haben, wofür sie alarmiert werden und wie viele von ihnen in achtzehn Monaten noch hier sein werden. Das sind die Fakten, die die Frage tatsächlich entscheiden, und genau diese schaffen es nie in den prompt. Das Ergebnis ist eine Empfehlung, die abstrakt betrachtet wirklich richtig und für vier Entwickler, die noch nie einen Message Broker betrieben haben, falsch ist.
The operability question is not "is this good", it is "what does this cost us on the worst night of the year". Who gets paged. What they have to know. What the runbook says. What happens when the one person who understands it is on holiday. Put those in the prompt as constraints and the shortlist changes, often dramatically.
Prompt 1 - sort the decision before making it
Prompt 2 - der Filter für Betreibbarkeit
Gib dem Team den Kontext, nicht nur dem Problem. Die folgenden Fakten sind diejenigen, die die Antwort verändern.
Hält die Fakten zum Team zwischen Sitzungen fest - und genau das macht hier den Unterschied. Jedes Mal den Stack, den Bereitschaftsplan und alles, was euer Team noch nie betrieben hat, in einen neuen Chat einzutippen, ist der Grund, warum die meisten aufgeben und die allgemeine Antwort nehmen. Außerdem ordnet es Entscheidungen vor jeder Empfehlung nach ihrer Reversibilität und behält laufende Entscheidungen im Blick, sodass es sich nicht mehr mit der Entscheidung von letzter Woche widerspricht.
Dante - Tech Lead AI Skill ansehen →Reviews: das Problem der flachen Liste
Bitte ein Modell, einen Diff zu reviewen, und du erhältst eine Liste. Eine Benennungspräferenz, ein fehlender Test und eine Race Condition - alle in derselben Größe, im selben abgemessenen Ton und mit derselben Sicherheit formuliert. Das macht KI-Review-Feedback so anstrengend zu erhalten und als Lehrmittel unbrauchbar: Der Verfasser kann nicht erkennen, was wichtig ist, und behebt daher entweder alles mechanisch oder überfliegt es.
Zwei Korrekturen. Erstens: Erzwinge eine Aufteilung nach Schweregrad mit einem Limit: höchstens drei Must-Fix-Punkte, alles andere ausdrücklich optional. Ein Limit zwingt das Modell zur Auswahl, und was es auswählt, ist aufschlussreich.
Zweitens, und für einen Lead noch wichtiger: Es kennt deine Konventionen nicht und wird sie daher erfinden. Es wird einem Junior erklären, dass völlig vernünftiger Code gegen einen Standard verstößt, der nicht euer Standard ist, und das so darstellen, als wäre er universell. Das ist schlimmer als gar kein Review, weil der Junior glaubt, du hättest es befürwortet. Gib ihm deine Konventionen und verbiete ihm, eine Regel zu behaupten, die du nicht vorgegeben hast.
Prompt 3 - ein Review, das lehrt
Die Argumentation nach oben
Tech-Leads verbringen überraschend viel Zeit damit, um Zeit zu bitten. Das Ding refactoren, die technischen Schulden abbauen, einen Sprint in die Deployment-Pipeline investieren. Bitte ein Modell, diese Begründung zu formulieren, und es erstellt bereitwillig eine mit Zahlen - einem Prozentsatz vermiedener Vorfälle, einer Zahl für Engineering-Stunden, einem Geschwindigkeitszuwachs. Diese Zahlen hast du ihm nicht gegeben. Es hat sie erfunden, und du bist im Begriff, sie vor einer Führungskraft mit deinem Namen zu versehen.
Dieselbe Regel wie überall: Keine Zahl, die das Modell nicht erhalten hat. Aber hier gibt es eine bessere Verwendung dafür, als den Fall überhaupt erst zu formulieren.
Bitte es, gegen dich zu argumentieren. Lass es den stärksten Grund formulieren, aus dem ein vernünftiger Direktor Nein sagen sollte. Diese Ausgabe ist wirklich nützlich, weil sie dir zeigt, was du tatsächlich beantworten musst, und Modelle sind darin gut, wenn man sie gezielt dazu auffordert, aber schlecht darin zu erkennen, dass dies nötig ist.
Prompt 4 - Argumente für die Ablehnung
Blockieren, ohne zum Router zu werden
Ein Ingenieur steckt fest. Der schnelle Weg besteht darin, sein Problem in einen Chat zu kopieren, die Antwort zu erhalten und sie weiterzugeben. Das funktioniert, dauert neunzig Sekunden und macht die Sache still und leise schlimmer: Der Ingenieur lernt nichts, kommt beim nächsten Mal früher zu dir, und du hast dich in eine langsame API vor eine schnelle verwandelt.
Die skalierbare Variante besteht darin, das Modell nach den Fragen statt nach der Antwort zu fragen. Es ist wirklich gut darin, den Diagnosepfad zu erstellen, wenn du ihm verbietest, ihn selbst zu beschreiten.
Prompt 5 - Fragen statt Antworten
Prompt 6 - der Entscheidungsvermerk, den niemand schreibt
Das Artefakt, das einen Tech Lead nichts kostet und der nächsten Person sechs Monate erspart. Führe es am Ende des Gesprächs aus, solange die abgelehnten Optionen noch darin enthalten sind.
Klärt die Frage der Codeweitergabe einmalig, vor dem Workflow statt innerhalb des Workflows
Ein Tech Lead ist normalerweise die Person, die festlegt oder zumindest vorlebt, was das Team in ein Chatfenster einfügt. Quellcode, Kundendaten, Zugangsdaten und interne Architektur unterliegen deinem Arbeitsvertrag, der Richtlinie deines Unternehmens und oft einem Kundenvertrag, und die Antwort hängt davon ab, welche Stufe und welches Konto du verwendest, nicht davon, was gerade bequem ist.
Entscheide das bewusst und schriftlich, bevor es zur Gewohnheit wird. Praktiken, die sich unabhängig davon bewähren: Denke über die Struktur eines Problems nach, statt die Datei einzufügen, schwärze Identifikatoren und Geheimnisse, bevor irgendetwas eingefügt wird, halte Kundendaten vollständig heraus und bedenke, dass ein ausreichend kleiner Ausschnitt zusammen mit deinem öffentlichen Repository die Codebasis genauso sicher identifizieren kann wie ein Header-Kommentar. Wenn dein Unternehmen eine Richtlinie hat, steht sie über dieser Seite. Wenn nicht, bist wahrscheinlich du die Person, die sie schreiben sollte.
Wo es scheitert
| Fehler | Was passiert | Was ist dagegen zu tun? |
|---|---|---|
| Abgeflachte Tragweite | Eine reversible und eine dauerhafte Entscheidung erhalten dieselbe selbstsichere, umfassende Antwort | Sortiere zuerst nach Reversibilität. Frage nie „welche Option“, bevor du gefragt hast: „Was kostet es, das rückgängig zu machen?“ |
| Die Blogpost-Architektur | Empfiehlt, was ein Unternehmen mit einem Plattformteam tun würde, weil dieses die Ausgangsmaterialien verfasst | Nimm den Bereitschaftsdienstplan, das Fluktuationsrisiko und alles, was du noch nie betrieben hast, als Einschränkungen in den prompt auf |
| Erfundene Geschäftszahlen | Prozentangaben und eingesparte Stunden in deiner Tech-Debt-Begründung, die aus dem Nichts stammen | Verbiete jede Zahl, die du nicht selbst geliefert hast. Nutze sie, um deine Argumentation anzugreifen, nicht um sie zu formulieren |
| Erfundene Konventionen | Sagt einem Junior, dass sein Code gegen eine Regel verstößt, die nicht deine ist, in einem Ton, der nach dir klingt | Gib deine Konventionen vor und verbiete ihm, einen Standard zu behaupten, den du ihm nicht vorgegeben hast |
| Flache Review-Listen | Eine Namensbemerkung und eine Race Condition mit identischer Gewichtung und Sicherheit | Ein Schweregradbudget. Höchstens drei Punkte, die unbedingt behoben werden müssen, und es muss auswählen |
| Es wird nicht sagen: Warte | Wenn es eine Entscheidung treffen soll, trifft es eine. Es wird nicht von sich aus darauf hinweisen, dass die Entscheidung verfrüht ist | Frage ausdrücklich, ob dies jetzt entschieden werden muss und was das Warten bringt |
| Zustimmung | Frage, ob dein Plan stichhaltig ist, und dir wird gesagt, dass er es ist | Bitte um das stärkste Argument dagegen, in der Stimme der Person, die es genehmigen muss |
| Nichts von dem Vertrauen | Es war beim Vorfall nicht dabei, weiß nicht, dass dieser Engineer ausgebrannt ist, und hat keine Autorität im Team | Diese Hälfte der Arbeit lässt sich nicht delegieren. Dafür sind das Schlussfolgern und das Schreiben da |
Wie installierst du den Dante-Skill?
Der Download ist eine ZIP-Datei mit SKILL.md im Stammverzeichnis des Archivs, nicht in einem verschachtelten Ordner - diese Ordnerstruktur ist der häufigste Grund, warum ein Upload fehlschlägt. Öffne in der Claude-Desktop-App Anpassen → Skills, lade die ZIP-Datei hoch und aktiviere sie.
Für Skills muss die Codeausführung unter Einstellungen → Funktionen aktiviert sein. Im Hilfezentrum von Anthropic werden Skills derzeit für Free, Pro, Max, Team und Enterprise aufgeführt, während das Academy-Tutorial Pro, Max, Team und Enterprise nennt - wenn du den kostenlosen Tarif nutzt, prüfe daher Einstellungen → Funktionen für dein eigenes Konto, statt dich auf eine der beiden Seiten zu verlassen. Die vollständige Anleitung findest du im Installationsleitfaden für Skills.
In ChatGPT oder Gemini gibt es keinen Upload-Schritt: Öffne SKILL.md, kopiere den Inhalt und füge ihn in die benutzerdefinierten Anweisungen ein. Du verlierst die automatische Auslösung, behältst aber die Methode.
Für wen ist das gedacht?
Tech Leads und Staff Engineers, die neben ihrer eigenen Umsetzung die technische Richtung vorgeben, sowie Führungskräfte am Anfang ihrer Laufbahn, die bereits Verantwortung tragen, aber noch keinen Titel haben. Es funktioniert in Claude, ChatGPT oder jedem AI-Chat.
Die Engineering-Rollen sind in eigene Skills aufgeteilt, jeweils für 29 $ und als einmaliger Download:
- Viktor - Softwarearchitekt - die unumkehrbaren Entscheidungen, wenn die Entscheidung über deinem Team liegt
- Priya - Engineering Manager - die menschliche Hälfte, sobald sie nicht mehr technisch ist
- Yuri - Code-Reviewer - Reviews als eigene Disziplin statt als Schritt
- Max - Full-Stack-Entwickler - die Hälfte der Arbeit, in der du weiterhin auslieferst
- Rami - DevOps Engineer - die Geschichte von Deployment und Rollback, auf die die Frage nach der Betreibbarkeit immer wieder hinausläuft
- Oleg - Database Engineer - wo sich die Einbahnstraßen tatsächlich befinden, meistens
Die größere Auswahl findest du bei den Softwareentwickler-Skills und den Software- & IT-Skills.
Zusammenfassung:
Ordne die Entscheidung, bevor du sie triffst, denn ein Modell gibt einer reversiblen und einer endgültigen Entscheidung dieselbe selbstsichere Antwort und wird dir niemals sagen, um welche Art es sich handelt. Formuliere dein Team als harte Einschränkung im prompt - wer Bereitschaftsdienst hat, was das Team noch nie betrieben hat, wer das Unternehmen möglicherweise verlässt - und bitte um beide Ranglisten: die technisch beste und diejenige, die dein Team tatsächlich betreiben kann. Beschränke deine Reviews auf drei Punkte, die unbedingt behoben werden müssen, und verbiete dem Modell, Konventionen zu behaupten, die du ihm nicht vorgegeben hast, sonst bringt es deinen Juniors Regeln bei, die du nie festgelegt hast. Verwende es, um gegen deine eigene Tech-Debt-Argumentation zu argumentieren, statt sie verfassen zu lassen, und lass es keine Zahl erfinden, die du nicht geliefert hast. Schreibe dann den Entscheidungsdatensatz, solange die abgelehnten Optionen noch im Gespräch sind. Für die Teamfakten, die zwischen Sitzungen erhalten bleiben, gibt es Dante - Tech Lead AI Skill. Funktioniert mit Claude, ChatGPT und jedem AI-Chat, mit einer 30-tägigen Geld-zurück-Garantie.
Dante - Tech Lead AI Skill
Sortiert Entscheidungen danach, wie viel es kostet, sie rückgängig zu machen, bevor es etwas empfiehlt, filtert Optionen danach, was dein Team tatsächlich betrieben hat, begrenzt seine Review-Kommentare und argumentiert auf Wunsch gegen deinen Standpunkt. Kein Abonnement. Dauerhaft deins.
KissMySkills ist ein Marktplatz mit über 1.800 AI-Skills, über 80 prompt-Paketen, über 75 Agents & kostenlosen Tools für Claude, ChatGPT & jeden AI-Chat.
Verwandte Skill-Leitfäden
- So verwendest du Claude als Softwarearchitekt: Der Viktor Skill-Leitfaden
- So verwendest du Claude als Engineering Manager: Der Priya Skill-Leitfaden
- So verwendest du Claude zum Programmieren: Der Max-Leitfaden für Full-Stack-Entwickler
- So verwendest du Claude als Datenbankingenieur: Der Oleg Skill-Leitfaden
- So verwendest du Claude für DevOps: Der Rami Skill-Leitfaden
- So installierst du ein Claude Skill (Schritt für Schritt, 2026)


