Die 17 AI-native Entwickler-Skills

Was die 17 Skills sind

Die 17 AI-native Skills sind das operative Fundament des 7-Level-AI-Native-Developer-Modells. Die Levels zeigen, wie reif du bist (L1 Chat-Assisted bis L7 Universal AI Creator); die 17 Skills zeigen, was du konkret tust, um dorthin zu gelangen. Jeder Skill ist an das Level gebunden, ab dem er zur Norm wird, hat einen numerischen KPI, der zeigt, ob du ihn wirklich lebst, und wird mit den Tools geliefert, die ProCoders dafür empfiehlt.

Lies die Skills als Progression, nicht als flache Liste. Skill #1 (Code durch einen Agenten) schaltet bei L2 ein. Der L3-Cluster macht den Agenten verlässlich: MCP, Skills und Plugins, Projekt-Memory, Planung, Verifikation. Der große L4-Cluster verwandelt dich vom Coder zum Direktor: Recherche, Harnesses, parallele Agenten, Model Routing, Evals, Worktrees, Remote Control, Safety Gates, Code Review und Demos. Skill #12 (vollständig autonome PRD-to-Result-Orchestrierung) ist der L5-Meilenstein.

Die 17 Skills auf einen Blick

#	Skill	Norm ab	Was er beweist
1	Ich habe Claude (oder Äquivalent) und schreibe keinen Code per Hand	L2	Der Agent ist dein primärer Produktionsmechanismus, kein Chat-Consultant
2	MCP installiert	L3	Der Agent ist mit deinen echten Quellen verdrahtet: Docs, Repo, DB, Issues
3	Skills und Plugins installiert	L3	Ein reproduzierbarer Workflow, kein Ad-hoc-Prompting
4	Projekt-Memory als Teil des Repos	L3	Das Projektwissen lebt im Repo, nicht nur in deinem Kopf
5	Plan-before-code	L3	Kein Code beginnt ohne genehmigten Plan
6	Playground- und Deep-Research-Skills beim Planen	L4	Schwierige Aufgaben werden recherchiert und prototypisiert, bevor Code entsteht
7	Baut projektspezifische Harnesses; wandelt Wiederholungen in Skills um	L4	Du produktisierst wiederkehrende Probleme, statt erneut zu prompten
8	Parallele Agenten / Subagent-driven Development	L4	Du führst ein Team aus Rollen, keinen einzelnen Chat
9	Verification Harness — die KI testet sich selbst	L3	Evidence over Trust: der Agent beweist seine Arbeit
10	Model Routing für Speed und Tokens	L4	Das richtige Modell für jeden Job, nachvollziehbar dokumentiert
11	Eval-driven Improvement / Acceptance-Criteria-Loop	L4	Jedes Ticket hat Akzeptanzkriterien, die der Agent erfüllen muss
12	Orchestriert einen vollständig autonomen PRD-to-Result-Zyklus (>5 h)	L5	Der Agent führt einen Delivery-Loop aus, während du supervisierst
13	Parallele Entwicklung via Worktrees	L4	Mehrere Tasks laufen isoliert, ohne File-Kollisionen
14	Remote-Modus mit Notifications / Mobile Control	L4	Du steuerst langlaufende Agenten von überall
15	Konfiguriert Hooks / Permissions / Safety Gates	L4	Deterministische Guardrails, null geleakte Secrets
16	AI Code Review als separater Prozess	L4	Der Autor ist nie der Reviewer
17	Result Demonstration: Video-Demo, interaktiver Report	L4	Shipping bedeutet, das Ergebnis zu zeigen — generiert via KI

Die 17 Skills im Detail

Agentic Coding & Model Routing (Skills 1, 10)

1. Ich habe Claude (oder Äquivalent) und schreibe keinen Code per Hand (L2). Du nutzt einen KI-Agenten als primären Mechanismus zum Schreiben, Ändern und Refactoring von Code; du berührst die Tastatur nur für chirurgische Fixes, kritische Patches oder Architekturentscheidungen. KPI: Baseline sind mindestens 80 % des Routine-Codes durch den Agenten, stark sind 100 %, mit mindestens einem KI-generierten PR pro Woche. Tools: Claude Code als Standard, Codex, Cursor oder Antigravity sind akzeptabel; Artefakte sind PRs, Agent-Logs und Diff-Summaries. Siehe die Agentic-Coding-Tooling-Map.

10. Model Routing für Speed und Tokens (L4). Du wählst das Modell passend zur Aufgabe: ein starkes Reasoning-Modell für Architektur und Debugging, ein schnelles für die Implementierung, ein Code-Modell für Coding und Review, ein günstiges für Docs und Summaries. KPI: Bei Aufgaben über 2 Stunden wird die Modellwahl dokumentiert, mit mindestens 2 Modell-Tiers; Seniors nutzen 3+ Modelle/Routen plus ein Cost/Time-Log pro PR. Tools: Claude Opus/Sonnet, Codex, Cursor-Modelle, Antigravity. Mehr zum Routing im Tooling-Guide.

Tooling & Kontext (Skills 2, 3, 4)

2. MCP installiert (L3). Du verbindest den Agenten mit produktiven Quellen: Dokumentation, GitHub, die Datenbank, Linear/Jira, den Browser, Context7, Supabase/Postgres, Logs, CI/CD — und du verstehst Permissions und Blast Radius. KPI: mindestens 2 funktionierende MCP pro Projekt, 4+ für Seniors (inkl. Docs/Library-Lookup und Issue/Repo-Zugriff), 0 geleakte Secrets. Tools: .mcp.json, Context7 MCP, GitHub MCP, Supabase/Postgres MCP, Playwright/Browser MCP. Siehe den Tooling-Guide.

3. Skills und Plugins installiert (L3). Du nutzt das Skill/Plugin-System als Standardworkflow für Planung, TDD, Review, Debugging, Docs, Harnesses und Deployment. KPI: mindestens 5 aktive Skills, davon mindestens 3 tatsächlich in deinen letzten 5 Tasks eingesetzt; Seniors können eigene Skills verfassen. Tools: das Superpowers-Plugin (Anthropics offizieller Marketplace), anthropics/claude-code-skills, Superpowers-V, Claude /skills, Codex Skills/Plugins; Artefakte sind skills/*/SKILL.md und ein Skill-Usage-Log.

4. Projekt-Memory als Teil des Repos (L3). Du pflegst die Memory des Projekts — Architektur, Regeln, Konventionen, bekannte Issues, Test-Kommandos, Bibliotheksentscheidungen, Domänenfakten — und aktualisierst sie nach Tasks, Fehlern und Reviews. KPI: Jedes Produktions-Repo hat eine AGENTS.md oder CLAUDE.md, mit mindestens 1 Update nach jedem signifikanten PR; die Memory wird nie älter als 14 Tage. Tools: AGENTS.md, CLAUDE.md, .github/copilot-instructions.md, docs/superpowers/*.

Planung & Recherche (Skills 5, 6)

5. Plan-before-code (L3). Vor jedem Code analysiert der Agent das Repo und erstellt einen Plan: Dateiübersicht, Risiken, Akzeptanzkriterien, Teststrategie, Rollback-Strategie. Kein Plan, kein Code. KPI: 100 % der Tasks über 2 Stunden haben ein Plan-Artefakt (Ziel, betroffene Dateien, Tasks, Verifikation, Rollback), und die Implementierung kann erst nach Plangenehmigung starten. Tools: Superpowers brainstorming und writing-plans, Claude Plan Mode, der Premortem-Skill; Artefakte liegen unter docs/superpowers/plans/.

6. Playground- und Deep-Research-Skills beim Planen (L4). Bei komplexer oder unbekannter Arbeit recherchierst du zuerst — Docs, APIs, Wettbewerber, User-Pain, Edge Cases, aktuelle Library-Versionen, Deprecation-Risiken — und kannst einen PoC oder Playground erstellen, bevor die Implementierung beginnt. KPI: Bei Tasks über 4 Stunden oder in unbekannter Domäne mindestens 1 Research-Note plus 3 verifizierte Quellen/Docs oder ein PoC; 0 Entscheidungen auf Basis veralteter Libraries ohne Begründung. Tools: Superpowers brainstorming, Playground Tool und AskUserTool, sowie Context7 zur Dokumentationsvalidierung.

Verifikation & Qualität (Skills 9, 11, 16)

9. Verification Harness — die KI testet sich selbst (L3). Du hörst auf, Zeit mit manuellem Testing zu verbringen, und baust stattdessen einen Harness, in dem der Agent Tests, Evals, Build, Lint, Typecheck und Security-Checks ausführt und sich selbst korrigiert, bis alles grün ist. KPI: 80 % der PRs enthalten Evidence-Checks (90–95 % für Seniors), manuelle QA macht höchstens 20 % der Task-Zeit aus, und ein PR ohne Evidence gilt als nicht fertig. Tools: Superpowers test-driven-development und verification-before-completion, nizos/tdd-guard, Claude /run und /verify, plus CI, Jest/Vitest/Pytest und Playwright.

11. Eval-driven Improvement / Acceptance-Criteria-Loop (L4). Der Agent durchläuft einen Loop: implementieren, Checks laufen lassen, gegen Akzeptanzkriterien und Evals prüfen, korrigieren, erneut laufen lassen, Evidence erzeugen. Nicht „fertig und vertraut", sondern „bewiesen und bestanden". KPI: Jedes Ticket hat Akzeptanzkriterien; KI-/RAG-/Agentic-Features erhalten 5–20 Eval-Cases; kritische Eval-Pass-Rate liegt bei mindestens 95 %, fehlgeschlagene Loops werden geloggt. Tools: Superpowers executing-plans, Promptfoo/Evals, Custom-Eval-Scripts in CI; Artefakte sind evals/ und acceptance.md.

16. AI Code Review als separater Prozess (L4). Du trennst Produktion und Kontrolle: der Implementierer ist nie der Reviewer. Ein Reviewer prüft Spec und Code-Qualität; ein Tester-/Security-Agent prüft den Harness, Regressionen und Vulnerabilities. KPI: Bei jedem PR jenseits einer Kleinänderung erhalten 100 % ein unabhängiges AI-Review; kritische PRs werden von 3 Agenten geprüft (Autor, Reviewer, Tester/Security); Mergen ohne Review-Report ist verboten. Tools: Superpowers requesting-code-review und receiving-code-review, das offizielle Anthropic Code Review Plugin (/code-review), Codex Review, CodeRabbit.

Orchestrierung & Autonomie (Skills 7, 8, 12, 13, 14)

7. Baut projektspezifische Harnesses; wandelt Wiederholungen in Skills um (L4). Wenn sich ein Problem wiederholt, promptest du nicht erneut — du baust einen wiederverwendbaren Skill, Plugin oder Harness (technisch, fachlich, QA, Security, Migration, Refactoring, Docs). KPI: Nach 2–3 Wiederholungen desselben Problems sollte ein Skill/Playbook/Harness existieren; ein reifes Repo hat mindestens 3 projektspezifische Skills. Tools: Superpowers writing-skills, test-driven-development, systematic-debugging; Artefakte sind SKILL.md, scripts/ und references/.

8. Parallele Agenten / Subagent-driven Development (L4). Du startest eine Gruppe von Rollen — Researcher, Planner, Implementer, Reviewer, Tester, Security Reviewer, Docs Writer — die unabhängig bleiben und den Kontext des anderen nicht verschmutzen. KPI: Eine komplexe Aufgabe nutzt mindestens 3 Agenten-Rollen (4–6 für Seniors), mit mindestens 1 unabhängigem Reviewer pro bedeutendem PR. Tools: Superpowers subagent-driven-development und dispatching-parallel-agents, ruvnet/ruflo, wshobson/agents, Claude Subagents.

12. Orchestriert einen vollständig autonomen PRD-to-Result-Zyklus, über 5 Stunden (L5). Du führst einen Delivery-Loop aus: PRD, Zerlegung, Tickets, Agent-Zuteilung, Implementierung, Verifikation, Review, PR-fertiges Ergebnis — während du nur supervisierst und Blockaden löst. KPI: Ein 5+ stündiger autonomer Lauf mit höchstens 3 menschlichen Eingriffen, und mindestens 2 abgeschlossene autonome Zyklen pro Entwickler pro Monat. Tools: Claude Code mit Superpowers und Superpowers-V, plus einem Operator-Shell; Artefakte umfassen PRD, Tickets, Plan, Agent-Logs, Evidence und PR.

13. Parallele Entwicklung via Worktrees (L4). Du nutzt isolierte Workspaces und Branches, damit mehrere Agenten/Tasks nicht kollidieren; du partitionierst File-Sets und mergst Ergebnisse sauber. KPI: Mindestens 2 aktive Worktrees bei Senior-Tasks (3–5 für fortgeschrittene Arbeit), 0 undokumentierte File-Kollisionen. Tools: Git Worktrees, Branches, tmux, Devcontainer, Superpowers using-git-worktrees; Artefakte sind eine Worktree-Map und ein Partition-Report.

14. Remote-Modus mit Notifications / Mobile Control (L4). Du startest langlaufende Agenten und steuerst sie remote: genehmigen, umlenken, Output inspizieren und benachrichtigt werden, wenn sie blockiert sind oder fertig sind. KPI: Notifications bei Tasks über 1 Stunde aktiv, jeder Blocker löst einen Alert aus, Reaktion auf einen Blocker innerhalb von 30 Minuten während der Arbeitszeit. Tools: Claude Remote Control, Claude Mobile/Web und Notification-Hooks mit Desktop-/Mobile-Push.

Safety & Ops (Skill 15)

15. Konfiguriert Hooks / Permissions / Safety Gates (L4). Du baust deterministische Guardrails: Formatierung nach dem Bearbeiten, Tests vor dem Commit, Secrets blockieren, .env schützen, Approval für Migrations/Deletes/Prod-Kommandos einfordern und MCP-Calls auditieren. KPI: 100 % der Repos haben Basis-Gates (Secret-Scan, geschützte Dateien, Pre-Commit/Test-Gate), 0 geleakte Secrets, gefährliche Kommandos benötigen Approval. Tools: Claude Hooks (PostToolUse, Notification, Command Hooks), AgentShield, .claude/settings.json, .cursor/hooks.json, Branch Protection, Secret Scanner.

Craft & Universality (Skill 17)

17. Result Demonstration: Video-Demo, interaktiver Report (L4). Du erledigst nicht nur die Arbeit, du verpackst und zeigst sie: eine UI-Video-Demo aufnehmen, einen interaktiven Report zusammenstellen oder eine kommentierte Übersicht generieren. Die Demo ist Teil der Definition of Done — in interaktiver Form und per KI generiert. KPI: Jedes bedeutende Feature/jeder PR wird mit einem Demo-Artefakt ausgeliefert (ein Video unter 3 Minuten oder ein interaktiver Report); bei Client-Features und Meeting-Outcomes sind es 100 %, und die Demo wird per Skill generiert, nicht per Hand. Tools: claude-ui-recorder (aufnehmen, kommentieren, rendern nach demo.mp4), Remotion Skills, NotebookLM Audio Overviews, Loom.

Wie die Skills sich nach Level vertiefen

Derselbe Skill wird tiefer, je höher du steigst. Von L2 zu L5:

• Code durch den Agenten: L2 probiert es aus und prüft alles per Hand → L3 läuft mindestens 80 % des Routinecodes durch den Agenten → L4 ~90 %, Handcodierung nur für kritische Teile → L5 100 % des Routinecodes, setzt den Team-Standard.
• MCP: L2 ein einfaches MCP → L3 2+ funktionierende MCP → L4 4+ MCP für Docs und Repo → L5 MCP Governance und Policy.
• Skills / Plugins: L2 installiert Fertige → L3 5 aktive, 3 in Verwendung → L4 verfasst Projekt-Skills → L5 betreibt einen internen Marketplace.
• Projekt-Memory: L2 liest CLAUDE.md/AGENTS.md → L3 pflegt und aktualisiert sie → L4 setzt den Repo-Standard → L5 setzt ihn unternehmensweit.
• Plan-before-code: L2 plant große Tasks → L3 plant 100 % der Tasks über 2 h → L4 entwirft den Workflow → L5 besitzt die Planungs-Templates.
• Deep Research / Playground: L2 auf Nachfrage → L3 bei unbekannten Tasks → L4 Research-Note + PoC als Norm → L5 eine Research-Plattform.
• Harnesses / Wiederverwendbare Skills: L2 noch nicht → L3 nutzt die anderer → L4 baut eigene (3+) → L5 der Harness wird zum Produkt.
• Parallele Agenten: L2 ein Chat → L3 2–3 Rollen → L4 4–6 Rollen → L5 Fleet-Orchestrierung.
• Verification Harness: L2 manuelle Checks → L3 80 % der PRs mit Evidence → L4 90–95 % der PRs, selbstkorrigierend → L5 eine Eval-Plattform.
• Model Routing: L2 ein Modell → L3 2 Tiers → L4 3+ Routen mit Cost-Log → L5 Routing Policy und Dashboard.
• Eval / Acceptance Loop: L2 Abnahme per Hand → L3 AC auf jedem Ticket → L4 5–20 Evals in CI → L5 eine unternehmensweite Eval-Plattform.
• Autonomer Zyklus: L2 noch nicht → L3 1–2 Stunden supervisiert → L4 5+ Stunden → L5 Multi-Ticket-Orchestrierung.
• Worktrees: L2 ein Branch → L3 1–2 Worktrees → L4 3–5 parallel → L5 ein Partition-Standard.
• Remote / Notifications: L2 noch nicht → L3 Basis-Alerts → L4 vollständige Remote-Kontrolle → L5 Operator-Shell-Modus.
• Hooks / Safety Gates: L2 Defaults → L3 Basis-Gates → L4 vollständige Policy → L5 unternehmensweite Security-Grenzen.
• AI Code Review: L2 Selbst-Review → L3 unabhängiges AI-Review → L4 Autor/Reviewer/Tester-Split → L5 der SDLC-Review-Standard.
• Result Demonstration: L2 Screenshot oder Text → L3 Video-Demo per Hand → L4 Auto-Demo via Skill, 100 % bei Client-Features → L5 Demo-Standard mit Brand-Templates.

Die Metriken, die dein echtes Level offenbaren

Einige wenige Zahlen entlarven dein echtes Level schneller als jede Selbsteinschätzung. Das sind die Werte, die ProCoders misst und über die Zeit verfolgt.

Metrik	L2	L3	L4	L5
% Code durch den Agenten	probiert es aus	≥80 %	~90 %, Handcodierung nur kritisches	=100 % des Routinecodes
Autonomer Lauf (längster ununterbrochener Lauf)	<30 min	1–2 h	5+ h	Multi-Ticket-Zyklus
Menschliche Eingriffe / Lauf	ständig	häufig	≤3	nur Supervision
Plan / Token Budget (Abo, das das Level erfordert)	Pro (~$20)	Max 5× (~$100)	Max 20× ($200)	Max 20× ($200) + API
Cost / Time Log (Tracking von Tokens und Zeit pro Task)	—	—	pro PR	Team-/Projekt-Dashboard

Die Logik: Je höher das Level, desto mehr parallele Agenten, autonome Stunden und Evals laufen — was den Token-Verbrauch und damit den Plan-Tier nach oben treibt. Ab L4 ist Max 20× ($200) die Norm, weil du mehrere Worktree-Agenten und Verification-Loops gleichzeitig betreibst. Ab L5 kommt Cost-Messung hinzu (Cost-Log bis Dashboard), damit der Spend bewusst gesteuert wird. (Preise und Plan-Namen ändern sich; dies spiegelt ProCoders' aktuelles internes Mapping wider, keine offizielle Preisliste.)

Die oben beschriebenen Verhaltensweisen sind genau das, was unser Assessment bewertet. Mach den kostenlosen Test und sieh, welche der 17 du bereits beherrschst und auf welches Level du landest.