Claude Code ist schnell. Ich beschreibe ein Feature in drei Sätzen, drücke Enter, und zwei Minuten später stehen zwölf geänderte Dateien da. Das fühlt sich großartig an, bis ich nach der dritten Korrekturrunde merke, dass der Agent längst vergessen hat, warum wir die Datenstruktur am Anfang so gebaut haben. Der Kontext ist voll, die Session wird zäh, und jeder neue Fix reißt woanders etwas auf.
Google beschreibt genau dieses Muster in einem aktuellen Beitrag im Open Source Blog: KI erhöht nicht nur das Tempo beim Coden, sondern auch das Tempo von Bugs, Murks und zusammenbrechendem Session-Kontext. Wir skalieren unsere Fehler mit. Die Antwort darauf heißt Elephant-Goldfish Model, kurz EGM.
Der Elefant schreibt keinen Code
Die Idee ist ein Bild aus zwei Tieren. Der Elephant ist eine lange KI-Session mit viel Kontext. Sie hält die Architektur, die Absicht und all die kleinen Entscheidungen fest, die man sonst nach zwei Tagen vergessen hat. In dieser Session wird kein Code geschrieben. Die KI interviewt dich, du begründest deine Entscheidungen, ihr streitet über Varianten.
Der Goldfish ist das Gegenteil. Eine frische Session ohne jedes Vorwissen, die nur ein Dokument bekommt und es prüfen soll. Weil sie die Diskussion nicht mitgehört hat, teilt sie auch keine blinden Flecken mit dir. Sie liest nur, was wirklich dasteht.
Der Elefant weiß, was du gemeint hast. Der Goldfisch weiß nur, was du geschrieben hast. Genau dieser Unterschied findet die Lücken.
Das Ziel formuliert Google ziemlich nüchtern: Die KI soll den Code, den du wolltest, beim ersten Enter richtig erzeugen.
Drei Phasen, bevor ein Agent loslegt
Das Plugin, das Google jetzt unter Apache-2.0-Lizenz veröffentlicht hat, gießt das in drei Schritte.
egm-brainstorm: Du lädst den Systemkontext und arbeitest mit dem Elefanten nach einer strikten Regel: kein Code. Ihr sammelt Anforderungen, wägt Kompromisse ab und stellt Annahmen in Frage.
egm-draft: Aus dem Gespräch entsteht ein Design-Dokument in Markdown. Problem, technischer Plan, verworfene Alternativen und ein Umsetzungsplan, der die konkreten Dateien benennt, die angefasst werden.
egm-review: Jetzt kommen die Goldfische. Das läuft in drei Durchgängen:
- Comprehension Check: Ein Goldfisch liest das Dokument und muss Architektur und Absicht zurückerklären. Kann er das nicht sauber, ist das Dokument unklar und geht zurück in den Entwurf.
- Antagonistic Review: Mehrere Goldfische spielen skeptische Reviewer und suchen Randfälle, versteckte Abhängigkeiten und Denkfehler. Ihre Kritik landet beim Elefanten, der sie auflöst.
- Implementation Readiness: Ein letzter Goldfisch entscheidet go oder no-go. Sind Dateipfade, Datenstrukturen und Funktionssignaturen vollständig und eindeutig? Erst dann wird gebaut.
Warum das bei Claude so gut passt
Ich arbeite jeden Tag mit Claude Code und mit Agenten, die eigenständig Aufgaben abarbeiten. Das Muster aus dem Einstieg kenne ich deshalb nicht aus Erzählungen. „Bau mal schnell" funktioniert bei kleinen Sachen. Bei allem, was über eine Datei hinausgeht, verlagert es das Denken nach hinten, in die Korrekturschleifen. Dort ist es am teuersten.
EGM dreht das um. Die lange Session, in der sich der Kontext füllt, ist die Design-Session. Wenn sie irgendwann zäh wird, ist das egal, denn ihr Ergebnis ist ein Dokument, kein halbfertiger Code. Der Coding-Agent startet danach frisch, mit einer Spezifikation, die schon drei kritische Leser überstanden hat.
Wer das offizielle Plugin nicht nutzen will, kann das Goldfish-Review mit Claude auch manuell nachbauen. Eine neue Session, kein Verlauf, nur das Design-Dokument und der Auftrag: „Erklär mir, was hier gebaut werden soll" oder „Finde die drei Stellen, an denen das scheitert". Subagents in Claude Code sind dafür fast gemacht, weil sie ohnehin mit leerem Kontext starten. Mit dem Plugin sparst du dir diesen Handbetrieb. Neu bleibt vor allem die Disziplin, Review vor dem Coden einzusetzen und nicht erst danach.
Und noch etwas mag ich daran: Am Ende liegt ein lesbares Dokument im Repo. Wenn ich in drei Monaten wissen will, warum etwas so gebaut ist, frage ich nicht den Code, sondern lese den Plan.
Ehrlich bleiben
Im GitHub-Repo liegen fertige Plugins für mehrere Coding-Harnesses: unter anderem Antigravity, Claude Code und Codex, plus Hinweise für Claude Cowork und ChatGPT. Du musst die Methode also nicht mehr nur nachbauen. Installieren, Skills nutzen, fertig.
Dazu kommt: Google sagt, dass Tausende Googler das Plugin täglich nutzen. Das ist eine Herstellerangabe, die ich nicht prüfen kann. Und EGM kostet Zeit am Anfang. Für einen Tippfehler im Footer braucht niemand einen Elefanten. Der Ansatz lohnt sich dort, wo ein Agent viele Dateien anfasst oder wo ein Fehler wehtut.
Was mir am Beitrag am besten gefällt, ist der letzte Gedanke: Das eigentliche Ergebnis ist das menschliche Urteil. Die KI tippt. Entscheiden, was gebaut wird, musst du immer noch selbst.
Häufige Fragen
Was ist das Elephant-Goldfish Model in einem Satz?
Eine Arbeitsweise, bei der eine lange KI-Session nur das Design erarbeitet und mehrere frische KI-Sessions dieses Design kritisch prüfen, bevor Code entsteht. Google hat sie intern entwickelt und jetzt als Open-Source-Plugin veröffentlicht.
Funktioniert das Plugin mit Claude Code?
Ja. Im Repo gibt es ein Claude-Code-Plugin (Marketplace google/elephant-goldfish-model, dann egm@egm installieren). Daneben liegen Plugins für Antigravity und Codex. Wer kein Plugin will, kann die Methode weiterhin mit frischen Sessions oder Subagents nachbauen.
Ist das nicht einfach ein Pflichtenheft mit KI?
Im Kern ja, und das ist kein Nachteil. Der Unterschied liegt im Review: Zustandslose KI-Sessions prüfen das Dokument so, wie es später der Coding-Agent liest, also ohne das Wissen aus dem Gespräch.
Lohnt sich der Aufwand bei kleinen Projekten?
Bei einer kleinen Änderung eher nicht. Sobald ein Feature mehrere Dateien berührt oder Daten verändert, sparst du die Zeit meist in den Korrekturschleifen wieder ein.
Muss ich programmieren können, um EGM zu nutzen?
Für die Design-Phase nicht unbedingt, denn dort geht es um Anforderungen und Entscheidungen. Um den Umsetzungsplan mit Dateien und Funktionen zu beurteilen, hilft technisches Verständnis aber deutlich.
Was kostet das Plugin?
Das Plugin steht unter Apache-2.0-Lizenz und ist kostenlos. Kosten entstehen durch die KI-Nutzung selbst, weil mehrere Review-Sessions zusätzliche Anfragen bedeuten.
Wo finde ich das Original?
Den Beitrag gibt es im Google Open Source Blog, den Code im GitHub-Repository google/elephant-goldfish-model.
Ich werde den Goldfisch-Teil als Nächstes fest in meine Claude-Abläufe einbauen. Nicht weil er neu ist, sondern weil er mich zwingt, den Plan so zu schreiben, dass ihn jemand ohne Vorwissen versteht. Das war schon vor der KI eine gute Idee.