Claude Code hat ein Trio von „Cron“-Befehlen hinzugefügt – CronCreate, CronDelete und CronList –, mit denen Entwickler einmalige oder wiederkehrende Prompts unter Verwendung der gewöhnlichen Cron-Syntax planen können. Diese Funktion verwandelt das üblicherweise unmittelbare Request-Response-Modell von KI-Assistenten in einen zeitgesteuerten, proaktiven Workflow.

Warum das Timing für KI-gestützte Softwareentwicklung entscheidend ist

Die meisten Tools zur Codegenerierung beantworten eine Frage und verschwinden dann wieder. Die Entwicklung in der Praxis hängt jedoch oft von Aktionen ab, die erst später stattfinden müssen: eine Deployment-Prüfung nach 30 Minuten, ein täglicher Health-Scan um 9:00 Uhr oder eine Erinnerung, in einer Stunde einen Pull Request zu überprüfen. Bisher mussten Entwickler Schleifen oder externe Skripte schreiben, um Claude zum richtigen Zeitpunkt zu triggern, was den Kontext überlastete und Arbeitsspeicher verbrauchte.

Die Cron-Befehlsfamilie beseitigt diese Reibungspunkte. Indem das Timing-Problem an die Laufzeitumgebung von Claude übergeben wird, können Entwickler einen Prompt absenden, sich anderen Aufgaben widmen und das System Claude einfach dann aufwecken, wenn der geplante Zeitpunkt erreicht ist.

So funktionieren die drei Befehle

  • CronCreate – Nimmt einen Standard-Cron-Ausdruck (z. B. 0 9 * * MON-FRI) und einen Prompt-Payload entgegen und registriert dann einen Job, der Claude zu den angegebenen Zeiten aufruft. Es gilt dieselbe Syntax wie bei Unix-basierten Schedulern, sodass keine neue Lernkurve entsteht.
  • CronDelete – Erhält eine Job-ID und entfernt den ausstehenden Eintrag, wodurch alle zukünftigen Aufrufe gestoppt werden.
  • CronList – Gibt alle Jobs der aktuellen Sitzung zurück und zeigt IDs, Zeitpläne sowie Ausschnitte des Payloads an.

Diese Befehle decken den gesamten Lebenszyklus eines zeitgesteuerten Prompts ab, ohne dass die Claude-Code-Umgebung verlassen werden muss.

Praktische Vorteile

  1. Durchbricht synchrone Grenzen – Ein Entwickler plant eine Systemprüfung für einen späteren Zeitpunkt und schreibt weiter Code, anstatt auf einen blockierenden Aufruf zu warten.
  2. Bewahrt den Kontext – Die Laufzeitumgebung speichert den Prompt bis zur Ausführung, sodass keine Schleife aktiv bleiben muss, um Token-Platz zu verschwenden.
  3. Einmalig vs. wiederkehrend – Eine einzelne Erinnerung nutzt denselben Befehl wie ein täglicher Monitor („jeden Morgen Health Check ausführen“). Der Unterschied liegt lediglich im Cron-Ausdruck.

Regeln für einen stabilen Systembetrieb

  • Speicherung nur für die Sitzung – Jobs verschwinden, wenn die Sitzung endet, was verhindert, dass nach dem Logout eines Entwicklers verwaiste Aufgaben zurückbleiben.
  • Sieben-Tage-Limit – Wiederkehrende Jobs laufen nach einer Woche automatisch ab, was den langfristigen Ressourcenverbrauch begrenzt.
  • Lokale Zeitzone – Cron-Ausdrücke werden in der lokalen Zeit des Benutzers interpretiert, um Verwirrung durch UTC-Offsets zu vermeiden.
  • Lastverteilung – Der Scheduler verschiebt Jobs leicht von exakten :00- oder :30-Markierungen weg, um Lastspitzen auf dem Server zu glätten.

Cron vs. die bestehende „Tasks“-Funktion

Claude unterstützt bereits eine „Tasks“-Liste, in der ein Benutzer Aktionen warteschlangen kann, die Claude bei expliziter Anforderung ausführt. Cron fungiert hingegen wie ein Wecker: Die Laufzeitumgebung initiiert Claude automatisch zum geplanten Zeitpunkt. Tasks bleiben im Leerlauf, bis ein Benutzer sie aufruft; Cron zwingt den Assistenten, nach seinem eigenen Zeitplan zu handeln.

Was Entwickler beachten sollten

Das Cron-Toolset glänzt bei der kurzfristigen Automatisierung – Test-Pipelines, Erinnerungs-Prompts, tägliche Diagnosen – innerhalb einer einzelnen Entwicklungssitzung. Aufgrund des Sieben-Tage-Limits und der sitzungsgebundenen Speicherung ist es kein Ersatz für produktionsreife Scheduler, die eine monatelange Persistenz oder Sitzungsübergreifende Zuverlässigkeit erfordern.

Fazit: Durch die direkte Einbettung der Standard-Cron-Syntax in Claude Code ermöglichen die neuen Cron-Befehle es Entwicklern, die Timing-Logik an die KI-Laufzeitumgebung auszulagern. Dies schont den Kontext und ermöglicht eine echte proaktive Unterstützung – vorausgesetzt, die Aufgaben passen in eine einzelne Sitzung und ein einwöchiges Zeitfenster.