Source: https://aiprimetech.io/de/blog/graphify-claude-code-knowledge-graph/ Juli 20, 2026 · 6 Min. · Werkzeuge # Graphify für Claude Code: Ihr Repository in einen abfragbaren Graphen verwandeln A Von [AI Prime Tech](https://aiprimetech.io/de/) · KI-unterstützt ## Graphify Claude Code: Ein Repository in einen abfragbaren Graphen verwandeln Ein Repository mit 800,000 Codezeilen kann die Antwort auf eine scheinbar einfache Frage an sechs verschiedenen Stellen enthalten: in einem Terraform-Modul, einer Datenbankmigration, einem generierten Client, einem OpenAPI-Dokument, einem Deployment-Manifest und einem vor zwei Jahren verfassten Runbook. Claude Code kann diese Dateien durchsuchen und lesen, doch bei Arbeiten über das gesamte Repository hinweg ist oft entscheidend, wie schnell der Agent die Beziehungen zwischen ihnen erkennen kann. Eine Textsuche nach customer_id findet Vorkommen. Sie erklärt nicht automatisch, dass: - customer_id in einer Datenbankmigration deklariert wird, - durch ein API-Schema bereitgestellt wird, - in einem ORM-Modell abgebildet wird, - in eine Ereignis-Payload kopiert wird, - von einem Hintergrund-Worker verarbeitet wird, - und in einem Rollback-Verfahren für die Produktionsumgebung erwähnt wird. Graphify geht dieses Problem an, indem es Repository-Inhalte in einen Wissensgraphen umwandelt: Entitäten werden zu Knoten, Referenzen und Abhängigkeiten zu Kanten, und Claude Code kann diese Struktur als zusätzlichen Kontext abfragen. Die wichtige Einschränkung dabei: Ein Graph ist keine magische zweite Quelle der Wahrheit. Er ist eine indexierte Interpretation Ihres Repositorys. Sein Nutzen hängt von der Abdeckung durch Parser, der konsequenten Aktualisierung, den Berechtigungen und davon ab, wie gut die ermittelten Beziehungen tatsächliche Entwicklungsfragen beantworten. ## Was Graphify Claude Code hinzufügt Claude Code bietet bereits mehrere nützliche Möglichkeiten, ein Projekt zu verstehen: - Direktes Lesen von Dateien - rg und andere Suchverfahren über die Shell - Git-Verlauf und Diffs - Projektanweisungen in CLAUDE.md - Skills für wiederholbare Workflows - MCP-Server für externe Tools und Daten Graphify ergänzt ein anderes Zugriffsmuster: das beziehungsorientierte Abrufen von Informationen. Eine herkömmliche Suche fragt: Wo kommt dieses Symbol vor? Eine Graphabfrage fragt: Welche Dienste hängen von diesem Schema ab, welche Infrastruktur stellt diese Dienste bereit und welche Dokumente beschreiben die betrieblichen Auswirkungen? Dieser Unterschied ist relevant, wenn die Aufgabe Zuständigkeitsgrenzen oder Dateiformate überschreitet. Ein typischer Graph kann beispielsweise folgende Knoten enthalten: | Knotentyp | Beispiele | Code | Funktionen, Klassen, Module, Pakete, Importe | Daten | Tabellen, Spalten, Indizes, Migrationen, ORM-Modelle | Schnittstellen | REST-Routen, OpenAPI-Objekte, GraphQL-Typen, Ereignisschemas | Infrastruktur | Dienste, Container, Warteschlangen, Datenbanken, Terraform-Ressourcen | Dokumentation | ADRs, Runbooks, README-Dateien, Hinweise zu Zuständigkeiten | Betrieb | CI-Jobs, Deployment-Umgebungen, Warnmeldungen, Dashboards Kanten können Beziehungen darstellen wie: - imports - calls - implements - extends - reads_from - writes_to - publishes - consumes - deploys - configured_by - documented_by - owned_by - depends_on Das genaue Vokabular für Knoten und Kanten hängt von den aktuellen Indexern und der Konfiguration von Graphify ab. Betrachten Sie das Graphschema als einen überprüfbaren Bestandteil des Produkts, nicht als eine Annahme. Bevor Sie Prompts auf einer Beziehung wie publishesaufbauen, prüfen Sie, ob die installierte Version diese tatsächlich erzeugt. ## Graphify für Claude Code installieren Graphify wird aktiv weiterentwickelt, daher können sich Installations- und Startbefehle ändern. Beginnen Sie beim Repository und verwenden Sie den Installationsbefehl, der für die von Ihnen gewählte Version dokumentiert ist: ``` git clone https://github.com/Graphify-Labs/graphify.git cd graphify ``` Wenn Sie ein veröffentlichtes Paket verwenden, ist der im Projekt dokumentierte Paketmanager-Befehl dem Kopieren aus einem alten Blogbeitrag vorzuziehen. Klären Sie nach der Installation drei Punkte, bevor Sie ein großes Monorepo indexieren: ``` graphify --help graphify version graphify config --help ``` Die obigen Befehle veranschaulichen die erforderlichen Prüfungen; verwenden Sie das ausführbare Programm und die Unterbefehle, die Ihre installierte Version bereitstellt. Für einen sicheren ersten Lauf sollten Sie ein kleines Test-Repository verwenden: ``` mkdir -p /tmp/graphify-fixture cd /tmp/graphify-fixture git init printf 'def charge(order):\n return order.total\n' > billing.py printf 'from billing import charge\n' > worker.py graphify index . ``` Die anfängliche Indexierung umfasst normalerweise eine Kombination aus Erfassung, Parsing, Extraktion von Beziehungen und Speicherung des Graphen. Prüfen Sie bei einem echten Repository die generierte Konfiguration und den Speicherort, bevor Sie die Indexierung in CI integrieren. Sie müssen wissen, ob der Index: - lokal liegt oder gehostet wird - inkrementell aktualisiert oder vollständig neu aufgebaut wird - in einer Datenbank, in Dateien oder in einem eingebetteten Speicher persistiert wird - gefahrlos gleichzeitig mit einem anderen Indexer erstellt werden kann - Geheimnisse, Build-Artefakte und Verzeichnisbäume mit Drittanbieter-Code ausschließen kann Für eine Integration mit Claude Code muss Graphify über den vom Projekt unterstützten Integrationsmechanismus bereitgestellt werden, üblicherweise MCP. Eine lokale .mcp.json könnte so aussehen: ``` { "mcpServers": { "graphify": { "command": "graphify", "args": ["mcp", "--project", "."], "env": { "GRAPHIFY_INDEX": ".graphify/index" } } } } ``` Betrachten Sie diesen konkreten Unterbefehl nicht als universell gültig. Überprüfen Sie den MCP-Einstiegspunkt mit: ``` graphify mcp --help ``` Prüfen Sie den Server anschließend in Claude Code: ``` /mcp ``` Sie sollten den Graphify-Server und seine verfügbaren Tools sehen. Toolnamen und Abfragesyntax sind versionsabhängig. Entscheidend ist die Prüfung im Betrieb: Bitten Sie Claude Code, die Graph-Tools aufzulisten, eine eng gefasste Abfrage auszuführen und anzugeben, welche Repository-Revision indexiert wurde. Ein häufiger Stolperstein ist, Claude Code aus dem falschen Verzeichnis zu starten. Relative Projektpfade in .mcp.json, Ignore-Dateien und der Graphify-Konfiguration werden anhand des Arbeitsverzeichnisses des Serverprozesses aufgelöst, nicht unbedingt anhand des Verzeichnisses, das Sie im Sinn hatten. ## Die in der Praxis relevanten Beziehungen Der Graph ist besonders nützlich, wenn er Beziehungen sichtbar macht, deren Rekonstruktion aus Text mühsam ist. ### Datenherkunft und -fluss vom Code aus nachvollziehen Angenommen, eine Migration benennt accounts.status zu accounts.lifecycle_stateum. Eine Textsuche kann Referenzen identifizieren, aber ein Graph kann die betroffenen Bereiche strukturieren: ``` table accounts -> column lifecycle_state -> migration 2025_04_rename_status -> model Account -> repository AccountRepository -> API response AccountSummary -> dashboard query active_accounts ``` Das gibt Claude Code einen besseren Ausgangspunkt für die Prüfung einer Migration. Nachdem der Graph wahrscheinliche abhängige Elemente identifiziert hat, kann es die tatsächlichen Dateien untersuchen. ### Dienst- und Infrastrukturtopologie Infrastrukturbeziehungen sind besonders wertvoll in Monorepos, in denen Anwendungscode und Deployment-Code gemeinsam liegen: ``` service payments-api -> container image payments-api -> Kubernetes deployment payments -> reads secret PAYMENTS_DATABASE_URL -> writes queue payment-events -> consumed by reconciliation-worker ``` Das hilft bei Fragen wie: - Welches Deployment muss geändert werden, wenn sich ein Port ändert? - Was verarbeitet Nachrichten aus dieser Warteschlange? - Welche Dienste nutzen diese Datenbank gemeinsam? - Welche Konfiguration ist umgebungsspezifisch? - Welche Terraform-Ressource erzeugt die Abhängigkeit? Graphify kann das Laufzeitverhalten nicht perfekt aus statischen Dateien ableiten. Dynamische Diensterkennung, Reflection, generierte Konfiguration und indirekte Verweise über Umgebungsvariablen können Lücken hinterlassen. Nutzen Sie Topologieergebnisse als Übersicht der Auswirkungen und überprüfen Sie anschließend kritische Kanten in der Deployment- und Laufzeitkonfiguration. ### Von der Dokumentation zur Implementierung Dokumentation ist oft von der Codesuche entkoppelt, weil die Beziehung semantisch statt syntaktisch ist. Ein Runbook kann sich auf „den Abrechnungsprozessor“ beziehen, während er im Repository reconciliation-worker. Wenn Graphify Referenzen in der Dokumentation mit Code- oder Infrastrukturentitäten verknüpft, kann Claude Code betriebliche Fragen mit weniger manueller Recherche beantworten: ``` "Where is the rollback procedure for the component that consumes payment-events?" ``` Die Antwort ist nur dann verlässlich, wenn die Bezeichnungen aus der Dokumentation korrekt zugeordnet sind. Veraltete Begriffe erzeugen plausible, aber falsche Kanten, was gefährlicher ist als ein offensichtlich fehlender Suchtreffer. ## Graphify, Skills und MCP sind unterschiedliche Ebenen Graphify sollte die bestehenden Erweiterungsmöglichkeiten von Claude Code ergänzen, statt sie zu ersetzen. | Funktion | Besonders geeignet für | Beitrag | Wichtigste Einschränkung | Such- und Datei-Tools von Claude Code | Präzise lokale Untersuchung | Aktuelle Dateiinhalte und Diffs | Schwach bei Beziehungen über Formatgrenzen hinweg | Claude Code-Skills | Wiederholbares Verhalten | Anweisungen, Checklisten, Prüfmethoden | Erzeugt keine Fakten über das Repository | MCP | Tool- und Datenintegration | Eine kontrollierte Schnittstelle zu externen Systemen | Toolqualität und Berechtigungen variieren | Graphify | Repository-Topologie sowie Herkunft und Fluss von Daten | Strukturierte Beziehungen zwischen Artefakten | Der Index kann unvollständig oder veraltet sein Eine sinnvolle Architektur sieht so aus: - Graphify ermittelt potenziell relevante Entitäten und Abhängigkeiten. - Claude Code nutzt diese Ergebnisse zur Auswahl von Dateien. - Native Dateiwerkzeuge prüfen die aktuelle Implementierung. - Ein Skill wendet das Review- oder Änderungsverfahren des Teams an. - Tests, Linter und Deployment-Prüfungen liefern die abschließenden Nachweise. Ein Skill zur Prüfung von Migrationen könnte beispielsweise hier liegen: .claude/skills/review-migration/SKILL.md: ``` # Review Database Migration When reviewing a migration: 1. Identify renamed, removed, or changed columns. 2. Query Graphify for code, schema, event, and infrastructure dependents. 3. Read each high-confidence dependent from the working tree. 4. Check backward compatibility for deployed application versions. 5. Run the repository migration and contract tests. 6. Report uncertain graph relationships separately from verified findings. ``` Der Skill definiert den Workflow. Graphify liefert Kontext zu Beziehungen. MCP bildet die Transport- und Werkzeuggrenze. Diese Trennung ist wichtig. Würde man sämtliches Wissen über den Graphen in einen Skill aufnehmen, entstünden statische Anweisungen, die schnell veralten. Würde man alle Workflow-Vorgaben in Graphify verlagern, wäre der Indexer für Entscheidungen verantwortlich, die er nicht zuverlässig treffen kann. ## Kosten und Aktualität des Index verwalten Die Indexierung verursacht Kosten für Rechenleistung, Speicherplatz, Latenz und betriebliche Komplexität. Dabei geht es nicht nur um den ersten Scan. Bei großen Repositorys entsteht auch Aktualisierungsaufwand, wenn Branches wechseln, generierte Dateien neu erstellt werden oder Abhängigkeitsgraphen ungültig werden. Beginnen Sie mit Ausschlüssen: ``` # .graphifyignore .git/ node_modules/ vendor/ dist/ build/ coverage/ tmp/ *.min.js *.map .env *.pem ``` Die Syntax kann von .gitignoreabweichen. Prüfen Sie daher, wie Graphify Ignore-Dateien verarbeitet. Schließen Sie Zugangsdaten und sensible Exporte ausdrücklich aus, auch wenn Git sie bereits ignoriert. Ein Werkzeug, das eine Datei indexiert, kann deren Inhalt über einen Abfragepfad zugänglich machen. Verwenden Sie eine abgestufte Indexierungsrichtlinie: - Indexieren Sie Anwendungsquellcode, Schemata, Infrastruktur und gepflegte Dokumentation. - Schließen Sie generierte Ausgaben aus, sofern sie nicht das maßgebliche Artefakt sind. - Erstellen Sie einen vollständigen Index in CI oder über einen geplanten Job. - Aktualisieren Sie einen Branch-Index inkrementell, sofern dies unterstützt wird. - Speichern Sie den Quell-Commit neben den Graph-Metadaten. - Erstellen Sie den Index nach Änderungen am Parser oder an der Konfiguration neu. Die Quellrevision sollte für den Agenten sichtbar sein. Eine Antwortstruktur wie diese ist deutlich sicherer als eine Liste ohne weitere Einordnung: ``` { "query": "dependents of table accounts", "indexed_revision": "9f31a7c", "generated_at": "2025-05-14T10:22:11Z", "results": [ { "entity": "AccountRepository", "relationship": "reads_from", "target": "accounts", "confidence": "high", "path": "src/accounts/repository.py" } ] } ``` Wenn Claude Code einen Arbeitsbaum nach der letzten Indexierung verändert, liefern die Graph-Ergebnisse historischen Kontext. Maßgeblich sind die aktuellen Dateien. In der Praxis weise ich den Agenten an, indexed_revision in seine Überlegungen einzubeziehen und jede aus dem Graphen abgeleitete Aussage erneut anhand des Arbeitsbaums zu prüfen. ## Genauigkeit, Datenschutz und Grenzen im Produktivbetrieb Ein Graph kann unvollständige Informationen als maßgeblich erscheinen lassen. Es gibt mehrere Fehlerszenarien, die Sie berücksichtigen sollten: - Dynamische Imports und Reflection werden nicht erfasst. - Shell-Skripte verbergen Beziehungen hinter Variablenexpansionen. - Generierte Clients verschleiern das zugrunde liegende Schema. - Dokumentationslinks verwenden Aliasse, die der Parser nicht erkennt. - Gelöschte Dateien bleiben erhalten, bis eine Bereinigung oder ein Neuaufbau erfolgt. - Ein Branch-Index wird abgefragt, während der Agent auf einem anderen Branch arbeitet. - Infrastrukturmodule werden ohne umgebungsspezifische Werte interpretiert. Machen Sie in produktiven Workflows nach Möglichkeit Konfidenz und Herkunft sichtbar. Eine Beziehung ohne Dateipfad, Revision oder Extraktionsmethode lässt sich nur schwer überprüfen. Datenschutz erfordert ebenso viel Aufmerksamkeit. Repository-Graphen können Folgendes offenlegen: - Interne Dienstnamen - Datenmodelle für Kunden- und Zahlungsdaten - Netzwerktopologie - Geheimnisse über Dateinamen oder Konfigurationsverweise - Abhängigkeiten, die im Hinblick auf Sicherheitslücken sensibel sind - Proprietäre Dokumentation Halten Sie sensible Indizes lokal oder innerhalb derselben Vertrauensgrenze wie das Repository. Verwenden Sie eine MCP-Konfiguration mit minimalen Berechtigungen, schließen Sie geheime Daten aus und senden Sie Graph-Inhalte nur dann an einen gehosteten Dienst, wenn die Organisation diesen Datenfluss genehmigt hat. Die Fähigkeit von Claude Code, einen Graphen abzufragen, ändert nichts an den Anforderungen für die Zugriffskontrolle des Repositorys. Popularität ist ebenfalls nicht mit Zuverlässigkeit gleichzusetzen. Ein Projekt kann große Aufmerksamkeit auf sich ziehen und dennoch eine unausgereifte Parser-Abdeckung, instabile Graph-Schemata, begrenzte Upgrade-Garantien oder unzureichendes Verhalten bei häufigen Änderungen im Monorepo-Maßstab aufweisen. Evaluieren Sie es anhand eines Testkorpus aus Ihrem eigenen Repository: - Erkennt es bekannte Imports und Dienstabhängigkeiten? - Entfernt es gelöschte Beziehungen? - Führt die inkrementelle Indexierung zum selben Ergebnis wie ein vollständiger Neuaufbau? - Können Nutzer veraltete Ergebnisse und Ergebnisse mit geringer Konfidenz erkennen? - Meldet der MCP-Server einen eindeutigen Fehler, wenn der Index nicht verfügbar ist? - Sind Abfragen schnell genug für die interaktive Arbeit mit Agenten? - Können Sie den Index in CI reproduzieren? Machen Sie Graphify nicht zur zwingenden Voraussetzung für jede Agentenaktion. Ein eingeschränkter Betriebsmodus, der auf die normale Dateisuche zurückgreift, ist unverzichtbar. ## Ein praktischer Ansatz zur Einführung Beginnen Sie mit einem Workflow, bei dem das Ermitteln von Beziehungen aufwendig ist und Fehler sichtbar werden, etwa API-Änderungen, Datenbankmigrationen oder Infrastruktur-Refactorings. Messen Sie nützliche Ergebnisse statt der Graphgröße: - Zeit zur Ermittlung betroffener Komponenten - Anzahl der beim Review übersehenen abhängigen Komponenten - Anteil veralteter oder falscher Beziehungen - Indexierungsdauer nach typischen Commits - Abfragefehler und Häufigkeit des Rückgriffs auf Alternativen - Zusätzliche Daten, die dem Modell zugänglich gemacht werden Verwenden Sie Sonnet 4.6 für umfassende Repository-Untersuchungen, wenn die Tiefe der Schlussfolgerungen wichtig ist, Haiku 4.5 für einfache Klassifizierungen oder wiederholte Nachschlageaufgaben und Fable 5 mit seinem größeren Kontext, wenn der Workflow des Projekts mit 1M Kontext tatsächlich davon profitiert, umfangreiche Belege mitzuführen. Die Modellwahl repariert keinen schlechten Graphen. Ein kleineres Modell mit präzisen, aktuellen Beziehungen kann nützlicher sein als ein größeres Modell, das einen ungefilterten Index-Dump erhält. Das praktische Prompt-Muster macht die Herkunft ausdrücklich sichtbar: ``` Use Graphify to identify likely dependents of the `accounts.lifecycle_state` column. For every result, include its path, indexed revision, relationship, and confidence. Then read the current files and discard relationships that do not exist in the working tree. Do not treat graph results as proof. ``` Dieser letzte Satz ist keine bloße Formalität. Er verhindert, dass eine veraltete Kontextschicht zu einer unhinterfragten Autorität wird. ## Praktische Empfehlungen - Der zentrale Nutzen von Graphify liegt im Abrufen von Beziehungen über Code, Schemata, Infrastruktur und Dokumentation hinweg. - Installieren Sie das versionierte Werkzeug, prüfen Sie seine tatsächlichen CLI- und MCP-Befehle und testen Sie es anhand eines Testdatensatzes, bevor Sie ein Monorepo indexieren. - Belassen Sie die Verantwortung für den Repository-Kontext bei Graphify; verwenden Sie Claude Code-Skills für wiederholbare Entwicklungsverfahren. - Nehmen Sie Indexrevision, Herkunft und Konfidenz in Graph-Antworten auf. - Schließen Sie Geheimnisse, irrelevante generierte Inhalte und nicht benötigte Inhalte von Drittanbietern aus. - Behandeln Sie Graph-Ergebnisse als Hinweise, die anhand des aktuellen Arbeitsbaums überprüft werden müssen. - Testen Sie inkrementelle Indexierung, den Umgang mit Löschungen, die Isolation von Branches und den eingeschränkten Betrieb vor der Einführung in der Produktion. - Popularität kann eine Evaluierung rechtfertigen, doch nur repositoryspezifische Genauigkeit und das Verhalten im Betrieb rechtfertigen es, sich darauf zu verlassen. [Programmierung](/de/blog/tag/coding/)[Claude](/de/blog/tag/claude/) A [AI Prime Tech](https://aiprimetech.io/de/) AI Prime Tech veröffentlicht diesen Blog. Die Artikel werden mit KI-Unterstützung verfasst; prüfen Sie versionsspezifische Angaben wie Modell-IDs, Preise und Limits anhand der offiziellen Dokumentation, bevor Sie sich darauf verlassen. Günstigeren Zugang zur Claude API erhalten Ein API-Schlüssel für Claude Opus 5.5, Sonnet 5, Haiku 4.5 und Fable 5.1 sowie GPT-6 Modelle. Nutzungsbasierte Abrechnung, kein Abonnement. [API-Schlüssel erhalten →](/register) AI Prime Tech ist ein unabhängiges API-Gateway eines Drittanbieters. Claude™ und Anthropic® sind Marken von Anthropic, PBC. Eine Verbindung oder Unterstützung wird nicht impliziert.