Saison 2026: täglich aktualisiert 💡 Eigene App, Webseite, KI-Agenten oder Digital-Idee? Das Team hinter BreisgauStraussen entwickelt sie für dich!💡 Eigene App oder KI-Agenten? Wir entwickeln sie für dich!

Agentic-Coding-Tools: Ratgeber

Monorepo und große Codebasen mit Coding-Agenten meistern

Von John Caffier, Lead AI Code Engineer bei jocapps3 Min. Lesezeit

In einem kleinen Projekt überblickt ein Coding-Agent schnell alles Relevante. In einem Monorepo mit Dutzenden Paketen oder in einer gewachsenen Codebasis mit Hunderttausenden Zeilen sieht das anders aus: Der Agent verliert sich in irrelevanten Dateien, übersieht Konventionen einzelner Bereiche oder füllt sein Kontextfenster, bevor er die eigentliche Arbeit beginnt. Der Schlüssel ist eine bewusste Kontextstrategie. Dieser Artikel zeigt, wie Sie Regeldateien, Aufgabenzuschnitt und Werkzeuge so kombinieren, dass Agenten auch in großen Codebasen zuverlässig arbeiten.

Warum große Codebasen anders sind

Das Kontextfenster eines Modells ist groß, aber endlich, und die Qualität der Antworten sinkt, wenn es mit Irrelevantem gefüllt ist. In einem Monorepo konkurrieren zudem unterschiedliche Konventionen: Das Frontend nutzt andere Testwerkzeuge als das Backend, ein Legacy-Modul folgt alten Mustern, ein neues Paket modernen. Ein Agent ohne Orientierung mischt diese Welten.

Hinzu kommt, dass Agenten Dateien vor allem über Suche finden. Wenn Namen mehrdeutig sind oder ähnliche Funktionen an mehreren Stellen existieren, landet der Agent schnell im falschen Bereich. Gute Strategie bedeutet daher: dem Agenten Orientierung geben, bevor er sucht.

Regeldateien hierarchisch aufbauen

Sowohl CLAUDE.md als auch AGENTS.md lassen sich in Unterordnern ablegen. Die Datei im Wurzelverzeichnis beschreibt nur das Übergreifende: Aufbau des Repositorys, Werkzeuge für Build und Tests, gemeinsame Regeln. Jedes Paket erhält eine eigene, kurze Datei mit seinen Besonderheiten. Claude Code lädt Dateien aus Unterordnern, sobald der Agent dort arbeitet, Codex und andere Werkzeuge bevorzugen die nächstgelegene AGENTS.md.

Ergänzen Sie in der Wurzeldatei eine kurze Landkarte: welches Paket welche Aufgabe hat, wo gemeinsame Bibliotheken liegen, welche Bereiche veraltet sind. Diese wenigen Zeilen sparen dem Agenten viele Suchschritte. Halten Sie die Landkarte aktuell, denn eine falsche Karte ist schlimmer als keine.

Aufgaben und Sitzungen richtig schneiden

Je größer die Codebasis, desto wichtiger sind kleine, klar abgegrenzte Aufgaben. Nennen Sie das betroffene Paket und, wenn bekannt, die relevanten Dateien direkt in der Aufgabe. Starten Sie den Agenten im Verzeichnis des Pakets statt im Wurzelverzeichnis, wenn die Aufgabe nur dort spielt. Beginnen Sie für jede neue Aufgabe eine frische Sitzung.

Paketübergreifende Änderungen teilen Sie in Phasen: zuerst eine Analyse im Plan-Modus, die alle betroffenen Stellen auflistet, dann die Umsetzung Paket für Paket, jeweils mit eigenen Tests. Für die Analyse eignen sich Subagents, die verschiedene Bereiche parallel untersuchen und nur ihre Ergebnisse zurückmelden.

  1. Legen Sie eine schlanke Regeldatei im Wurzelverzeichnis mit Landkarte und gemeinsamen Befehlen an.
  2. Ergänzen Sie in jedem größeren Paket eine eigene Regeldatei mit spezifischen Befehlen und Konventionen.
  3. Schließen Sie generierte Dateien, Build-Artefakte und große Datendateien über Ignore-Regeln vom Zugriff des Agenten aus.
  4. Definieren Sie paketbezogene Testbefehle, damit der Agent nicht bei jeder Änderung die gesamte Suite startet.
  5. Nutzen Sie für übergreifende Analysen Subagents oder parallele Sitzungen pro Paket.

Werkzeuge, die zusätzlich helfen

Gute Suchwerkzeuge im Repository, klare Paketgrenzen und aussagekräftige Dateinamen helfen Agenten genauso wie Menschen. MCP-Server für Code-Suche über mehrere Repositories oder für interne Dokumentation können die Orientierung weiter verbessern. In Claude Code lassen sich zudem weitere Verzeichnisse gezielt hinzufügen, wenn eine Aufgabe über Repository-Grenzen reicht.

Unterschätzen Sie nicht den Wert schneller Tests. Ein Agent, der seine Änderungen in Sekunden prüfen kann, korrigiert sich selbst. Einer, der zwanzig Minuten auf Ergebnisse warten muss, arbeitet blind oder verbraucht unnötig Kontext.

Auch Architektur-Dokumentation zahlt sich aus. Kurze Beschreibungen der wichtigsten Datenflüsse und Schnittstellen in einem festen Ordner geben dem Agenten Orientierung, die er sonst mühsam aus dem Code rekonstruieren müsste. Verweisen Sie in der Regeldatei darauf, statt die Inhalte zu kopieren, damit sie nur bei Bedarf geladen werden.

Kontextstrategie gemeinsam entwickeln

Die passende Strategie hängt stark von Aufbau und Geschichte Ihrer Codebasis ab. Die AI Code Engineers von neooutput analysieren mit Ihnen die Struktur Ihres Repositorys, entwerfen hierarchische Regeldateien und erproben die Abläufe an echten Aufgaben aus Ihrem Backlog. Vereinbaren Sie dazu ein kostenloses 15-Minuten-Erstgespräch.

Häufige Fragen

Hilft ein größeres Kontextfenster nicht einfach?

Nur bedingt. Mehr Kontext erlaubt mehr Dateien, aber die Qualität sinkt, wenn viel Irrelevantes enthalten ist, und die Kosten steigen. Eine gezielte Auswahl des Kontexts ist meist wirksamer.

Wie viele Regeldateien sind in einem Monorepo sinnvoll?

Eine im Wurzelverzeichnis und eine pro Paket mit nennenswerten Besonderheiten. Pakete, die den gemeinsamen Regeln folgen, brauchen keine eigene Datei.

Sollte der Agent immer im Wurzelverzeichnis starten?

Nein. Wenn eine Aufgabe nur ein Paket betrifft, ist der Start im Paketverzeichnis oft besser, weil der Agent dann fokussierter sucht. Für übergreifende Aufgaben ist das Wurzelverzeichnis sinnvoll.