Ein Reel hat mir heute drei Claude Code Plugins empfohlen: Ponytail, Claude Mem und ein offizielles Anthropic-Paket für Marketing- und Content-Aufgaben. Statt sie einfach zu installieren, habe ich Claude Code selbst gebeten, die Kandidaten gegen mein bestehendes System zu prüfen: vier KI-Agenten, die auf einem eigenen Server laufen und wöchentlich Artikel recherchieren, schreiben und veröffentlichen. Kein einziger der drei Kandidaten aus dem Reel hat es am Ende ins System geschafft. Übrig blieb stattdessen ein ganz anderes Werkzeug, auf das ich erst bei der Prüfung selbst gestoßen bin.
Warum prüfen, statt einfach zu installieren
Ein Empfehlungs-Reel zeigt ein Versprechen, kein Ergebnis. Ob ein Werkzeug tatsächlich einen Vorteil bringt, hängt davon ab, was bereits vorhanden ist. Ein Plugin, das für ein leeres Projekt sinnvoll ist, kann für ein System mit bestehender Struktur überflüssig oder sogar ein Rückschritt sein.
Ponytail und das Anthropic-Paket: gar nicht erst installiert
Zwei der drei Kandidaten sind über das Nachdenken nicht hinausgekommen. Ponytail soll den Verbrauch beim Programmieren mit KI senken, indem es unnötig komplexen Code vermeidet.
JetBrains zeigt in einem unabhängigen Test über 86 reale Aufgaben: Mit dem richtigen Prompting lässt sich KI-Output messbar effizienter machen, im Schnitt mit rund 15 Prozent weniger generiertem Code, etwa 10 Prozent geringeren Kosten und ohne spürbare Einbußen bei der Qualität.
Kein schlechtes Tool, aber auch kein dringender Fall für mein System, deshalb bisher nicht installiert.
Das Anthropic-Paket bringt fertige Befehle für Marketing- und Content-Aufgaben mit, etwa für Kampagnenplanung oder SEO-Checks. Genau die Aufgaben, die bei mir bereits meine vier Agenten übernehmen. Bevor ich ein zusätzliches Werkzeug für etwas installiere, das mein System schon kann, lohnt sich zuerst die Frage, was es besser machen würde, nicht ob es gut klingt. Diese Prüfung steht bei mir noch aus.
Claude Mem: geprüft, mein eigenes System gewinnt
Der dritte Kandidat war Claude Mem, laut mehreren Fachartikeln eines der meistgenannten Claude Code Plugins des Jahres.
Es soll ein Gedächtnis über einzelne Sitzungen hinweg aufbauen, automatisch, ohne dass jemand es selbst pflegen muss.
Die Prüfung gegen mein bestehendes System zeigte etwas anderes: Ich habe bereits eine kuratierte Sammlung von zwölf Dateien mit destillierten Lehren zu meinem Projekt, keine Rohmitschrift. Claude Mem hätte stattdessen bei jedem einzelnen Arbeitsschritt automatisch mitgeschrieben, über einen dauerhaften Hintergrundprozess mit spürbaren Kosten bei jeder Eingabe. Was dabei entstanden wäre, ist Rohmaterial, aus dem erst noch die eigentliche Erkenntnis abgeleitet werden müsste, genau der Schritt, den meine zwölf Dateien bereits hinter sich haben.
Ergebnis der Prüfung: Mein bestehendes System schlägt Claude Mem für meinen Fall, weil die eigentliche Arbeit, Wissen zu destillieren, bei mir bereits erledigt ist.
Pyright: der Fund, der nicht aus dem Reel kam
Während der Prüfung fiel eine andere Lücke auf, unabhängig von den drei Empfehlungen: Ein Typprüfer für Python, die Sprache, in der alle vier meiner Agenten geschrieben sind, fehlte komplett. Er liest Code, ohne ihn auszuführen, und markiert Stellen, an denen etwas nicht zusammenpasst: ein Funktionsaufruf mit der falschen Anzahl an Argumenten, ein Zugriff auf einen Wert, der an dieser Stelle eigentlich leer sein könnte.
Beim ersten Durchlauf über meine eigene Codebasis kamen über tausend Hinweise zusammen. Nach Abzug alter, nicht mehr genutzter Dateien blieben 229 echte Fundstellen, mit einem Schwerpunkt auf einer meiner Kernkomponenten. Nach einem gezielten Fix für ein einzelnes, wiederkehrendes Muster sank die Zahl auf 87.
Das war der einzige Kandidat aus der Prüfung, bei dem echter, unmittelbarer Nutzen ohne laufenden Gegenwert stand.
Der eigentliche Unterschied
Bei den geprüften Kandidaten ging es nicht darum, ob die Claude Code Plugins halten was sie versprechen. Entscheidend ist, ob ein Plugin etwas liefert, das mein System noch nicht hat, oder ob es etwas dupliziert, das schon besser gelöst ist.
Dieselbe Logik gilt grundsätzlich für automatisierte Systeme, und genau das hat sich am selben Tag an meinem eigenen System bestätigt: Einer meiner vier Agenten hatte einen Artikel vorbereitet, der inhaltlich fast identisch mit einem zwei Wochen zuvor veröffentlichten Artikel war, gleicher Bug, gleiche Anekdote, nur mit neuer Zahl vorneweg. Der eingebaute Qualitätscheck meldete „keine Auffälligkeiten“.
Ein Prozess, der ohne Fehlermeldung durchläuft, hat damit noch nicht bewiesen, dass er das tut, wofür er gebaut wurde, weder bei einem Plugin noch bei einem eigenen Agenten.
Warum sich die Prüfung lohnt, auch wenn wenig übrig bleibt
Von drei empfohlenen Kandidaten blieb einer übrig. Das klingt nach einer schwachen Quote, ist aber genau der Sinn der Übung. Wer jede Empfehlung ungeprüft übernimmt, häuft am Ende eine Sammlung von Werkzeugen an, die in der Theorie gut klingen und in der Praxis Kosten verursachen, die niemand nachrechnet. Wer jeden Kandidaten gegen das eigene System hält, behält am Ende weniger, aber wirklich Brauchbares.
Wie ich mein eigenes System aus vier Agenten aufgebaut habe, und wie ich es laufend gegen genau solche stillen Fehlschläge absichere, beschreibe ich ausführlicher in meinem Architektur-Report.
Fazit
Drei empfohlene Claude Code Plugins geprüft, eins bestand die Prüfung. Das ist keine schwache Bilanz, sondern der Beweis, dass die Prüfung funktioniert hat. Wer automatisiert, ohne zu prüfen, ob ein neues Werkzeug tatsächlich etwas verbessert, was das eigene System nicht schon besser kann, sammelt am Ende nur Tools an, keine Lösung.
FAQ – Häufig gestellte Fragen zu Claude Code Plugins: Warum ich fast keins davon installiere
Lohnt es sich, jedes empfohlene Plugin zu installieren? Nein, erst prüfen, ob es etwas liefert, das das eigene System noch nicht hat. Ein Plugin kann technisch einwandfrei funktionieren und trotzdem überflüssig sein, wenn es etwas dupliziert, das bereits gelöst ist.
Wie lässt sich ein Plugin gegen das eigene System prüfen, statt es einfach auszuprobieren? Indem du Claude Code direkt bittest, das bestehende System und das neue Tool gegeneinander zu bewerten, statt allein nach der Produktbeschreibung zu entscheiden.
Warum hat Claude Mem in diesem Fall nicht bestanden? Weil bereits eine kuratierte, gepflegte Faktensammlung existierte. Ein zusätzliches automatisches Protokoll hätte bei jedem Arbeitsschritt Kosten verursacht, ohne einen Vorteil gegenüber dem bereits vorhandenen System zu bieten.
Wofür eignet sich ein Typprüfer wie Pyright bei einem eigenen Agentensystem? Um Tippfehler, falsche Funktionsaufrufe und riskante Zugriffe im eigenen Python-Code aufzudecken, bevor sie beim echten Lauf eines Agenten zu einem stillen Fehler werden, ohne laufende Zusatzkosten.
