Tim und AI-Native Product Studio: Interview zu AI Coding

Mit Tigr Ventures, meiner eigenen AI Firma, baue ich eigene Produkte von der Idee bis in Produktion. Dazu gehören Wohnwacht, ein Sicherheitsprodukt für Senioren, die alleine leben, außerdem PiPhone, Flowy und ORBIT, mein eigenes Claude Code Plugin. Das AI-Native Product Studio ist der Workflow dahinter. Jedes Projekt läuft durch die gleichen Schritte, von der Idee über den Prototyp bis zum Produkt in Produktion. Jedes Repo bekommt zuerst eine CLAUDE.md bzw. AGENTS.md mit den Projektregeln. Dann wird jede Aufgabe ein Ticket, ein Agent setzt es auf einem eigenen Branch um, und nichts geht direkt auf main. Jede Änderung kommt als Pull Request mit Begründung und wird geprüft, bevor sie gemerged wird. Danach geht es automatisch in Produktion. AI Coding ist dabei kein Zusatz, sondern der Kern. Ich schreibe kaum noch Code von Hand, sondern beschreibe, prüfe und entscheide. Dadurch kann ich alleine mehrere Produkte parallel bauen. Ab dem 11. November baue ich das bei worldiety in Oldenburg weiter aus und entwickle dort interne Produkte, die wir auch verkaufen.

Mein Harness sind Claude Code, Cursor und Codex von OpenAI. Bei den Modellen nutze ich stark die 5.5 Generation von Claude, also Opus, Sonnet und Haiku, und bei OpenAI inzwischen nur noch GPT 6. Beim Techstack bin ich komplett offen und gehe oft mit dem, was die AI empfiehlt. Gesetzt sind eigentlich nur GitHub und Railway. Ansonsten nutze ich am liebsten AI-native Tools, die sich direkt über MCP oder API anbinden lassen, damit die Agents selbst damit arbeiten können. Sub-Agents, Skills und MCP nutze ich täglich. Eigene Skills halten wiederkehrende Abläufe fest, zum Beispiel Tickets anlegen, PRs mergen oder Texte in meinem Stil schreiben. Über MCP hängen die Agents an GitHub, Railway, Sentry, Stripe und Co. Sub-Agents arbeiten Teilaufgaben parallel ab.

Allein auf meinem Laptop sind es rund 14,7 Milliarden Tokens. Davon gut 14 Milliarden über Claude Code und etwa 0,7 Milliarden über Codex. Der größte Teil sind Cache Reads, also Kontext, den die Agents immer wieder lesen. An Entwicklungszeit kommen allein in den letzten fünf Wochen rund 330 aktive Stunden in knapp 400 Agent Sessions zusammen, teils parallel laufend. Das ist eine Schätzung aus den Session Logs. Zu API Preisen wären das allein seit Ende September gut 4.000 Dollar, im Oktober knapp 3.300 Dollar. Spannend finde ich dabei vor allem das Verhältnis. Für die gleiche Arbeit hätte ich früher ein ganzes Team gebraucht.

Ich entwickle seit über zehn Jahren Software. Bekannt wurde ich damals mit InstaPy, einem Open Source Projekt auf GitHub. Danach habe ich 2020 Explo gegründet, eine B2B AI SaaS für Lokalverlage, und bis 2025 aufgebaut. Später war ich Sr. Technical AI PM und dann Head of Product Solution Management bei Blockbrain. Bewusst auf AI Coding umgestiegen bin ich schon bei Explo. Bei Blockbrain habe ich dann komplett mit AI Coding gearbeitet. Spätestens seit 2024 nutze ich Claude und AI Coding Tools regelmäßig, und Claude Code seit dem Launch Anfang 2025. Aus Neugier teste ich immer wieder, wie gut der neueste Stand wirklich funktioniert. Seitdem hat sich meine Rolle komplett verschoben, weg vom Schreiben hin zum Steuern und Prüfen.

Ich glaube auf jeden Fall, dass das bald geht. Da bin ich absoluter Tech-Optimist. Alles, was digital ist, ist im Grunde gelöst. Es geht nur noch darum, wie man es umsetzt und in seinen Workflow einbaut. Bei Hardware ist der Feedback Loop heute noch langsamer, weil jede Iteration physisch gebaut und getestet werden muss. Das merke ich selbst bei Wohnwacht mit eigener ESP Firmware. Aber Design, Firmware und Simulation übernehmen Agents schon jetzt zu großen Teilen, und der Rest folgt schneller, als viele denken.