Claude Certified Architect — Foundations (CCA-F): was es ist und was es prüft

Die meisten AI-Zertifizierungen prüfen, ob Sie Machine Learning beschreiben können. Der Claude Certified Architect — Foundations (CCA-F) prüft etwas Praktischeres und Aktuelleres: ob Sie ein echtes agentic System mit Claude bauen können — eines, das tools verwendet, context verwaltet und in der Produktion zuverlässig funktioniert. Es ist die erste Zertifizierung auf CertLabPro von einem AI-model provider statt von einem cloud provider, und es spiegelt wider, wohin sich ein Großteil der Ingenieurarbeit im Jahr 2026 tatsächlich verlagert hat: das Entwerfen von agents, nicht nur das Aufrufen eines models.

Hier erfahren Sie, was die Zertifizierung ist, was genau sie abdeckt, welche Art von Fragen gestellt werden und wie Sie sich vorbereiten können.

Was CCA-F ist

CCA-F ist eine Foundational-level Zertifizierung, die sich auf die Architektur und das Engineering von Claude-basierten Applikationen und agents konzentriert. „Foundations“ bedeutet hier nicht Trivia — es bedeutet die Kernkompetenzen, die jeder Claude Builder benötigt, bevor er sich spezialisiert: wie man einen agent loop strukturiert, wie man tools entwirft, wie man prompts schreibt, die zuverlässige structured output erzeugen, wie man Claude Code verwendet und wie man long-running agents stabil hält.

Wenn Sie bereits mit Claude gearbeitet haben — tool use, das Model Context Protocol (MCP), multi-agent setups oder Claude Code workflows verdrahtet haben — bestätigt diese Zertifizierung dieses Wissen. Wenn Sie neu darin sind, ist der untenstehende Entwurf eine gute Orientierungshilfe dafür, was „Claude kennen“ in der Praxis wirklich bedeutet.

Prüfungsformat

Code	CCA-F
Anbieter	Anthropic
Kategorie	AI
Level	Foundational
Fragen (Prüfung)	60
Zeit	120 minutes
Bestehensgrenze	720 / 1000 (≈72%)
Übungsfragen auf CertLabPro	255

Die Fragen sind Szenario-basiert, nicht definitorisch. Sie werden selten gefragt „was ist X“ — stattdessen werden Sie gefragt „angesichts dieser Situation, welches Design ist korrekt“, weshalb die Übungsfragensammlung (255 Fragen) wichtiger ist als das Auswendiglernen von Begriffen.

Die fünf Domänen

Die Prüfung ist auf fünf Domänen gewichtet. Dies ist der Teil, für den Sie lernen sollten:

#	Domäne	Gewichtung
1	Agentic Architektur & Orchestrierung	27%
2	Claude Code Konfiguration & Workflows	20%
3	Prompt Engineering & Structured Output	20%
4	Tool Design & MCP Integration	18%
5	Context Management & Zuverlässigkeit	15%

1. Agentic Architektur & Orchestrierung (27%)

Die größte Domäne. Wie man agents strukturiert: der reason-act-observe (ReAct) loop, wann man einen einzelnen agent im Vergleich zu mehreren verwendet, wie ein orchestrator an sub-agents delegieren sollte und wo die safety boundaries liegen. Erwarten Sie Fragen zur Auswahl des richtigen Patterns für eine Aufgabe und zu den Risiken, einem orchestrator uneingeschränkten tool access zu gewähren.

2. Claude Code Konfiguration & Workflows (20%)

Arbeiten mit Claude Code als agentic coding environment — wie es konfiguriert und gesteuert wird und welche workflow patterns es produktiv machen (skills, hooks, sub-agents und structured task execution).

3. Prompt Engineering & Structured Output (20%)

Claude dazu bringen, zuverlässige, maschinell nutzbare output zu produzieren: system prompts, wann und wie man output auf ein schema beschränkt und prompting techniques, die die Konsistenz für die nachgelagerte automation verbessern.

4. Tool Design & MCP Integration (18%)

Entwerfen von tools, die ein agent tatsächlich gut nutzen kann — klare Namen und Beschreibungen, die richtige Granularität und die Verbindung von Fähigkeiten durch das Model Context Protocol (MCP). Gutes tool design ist eine der wirkungsvollsten Fähigkeiten im agent building, und die Prüfung behandelt es entsprechend.

5. Context Management & Zuverlässigkeit (15%)

Long-running und multi-turn agents stabil halten: Verwaltung von conversation history und context, persistent memory und reliability guardrails wie maximum-iteration limits und graceful fallbacks, wenn ein agent stecken bleibt.

Wie die Fragen tatsächlich aussehen

Der CCA-F Fragenpool basiert auf realen engineering decisions. Ein paar repräsentative Beispiele (paraphrasiert):

• Ein agent muss ein Thema recherchieren, Code schreiben, Tests ausführen und iterieren, bis diese bestanden sind — welches agentic pattern passt? (Antwort: ein ReAct loop mit tool use und observation-based iteration.)
• Ein customer-support agent muss Bestellungen nachschlagen, Rückerstattungen bearbeiten, an einen Menschen eskalieren und multi-turn context halten — welche Architektur ist richtig? (Antwort: ein agentic loop mit einem tool pro capability, conversation-history management und einem system prompt, der Rolle und escalation rules definiert — keine stateless function, kein fine-tuning, kein RAG allein.)
• Ein orchestrator delegiert an spezialisierte sub-agents — welches Risiko besteht, ihm uneingeschränkten tool access zu gewähren? (Antwort: Er kann die sub-agents umgehen und direkt agieren, was die separation of concerns und safety boundaries verletzt.)
• Ein agentic coding assistant läuft manchmal endlos, wenn Tests immer wieder fehlschlagen — beste mitigation? (Antwort: eine maximum-iteration count plus ein fallback, der den user um guidance bittet.)

Beachten Sie das Muster: Jede Frage ist ein design trade-off. Die concepts (ReAct, MCP, structured output, context windows) zu kennen, reicht nicht aus — Sie müssen wissen, welches Sie in einem bestimmten Szenario anwenden sollten und warum die Alternativen falsch sind.

Wer sollte sie ablegen

• Developer, die mit Claude bauen — agents, tool use, MCP servers oder Claude Code — und eine Qualifikation wünschen, die dem entspricht, was sie bereits tun.
• Engineers, die von allgemeinen Software- oder cloud roles in agentic AI wechseln und eine strukturierte Methode wünschen, um die patterns zu lernen, anstatt sie ad hoc aufzunehmen.
• Teams, die Claude standardisieren und eine gemeinsame Basis dafür wünschen, „was gutes Design ausmacht“ im agent design.

Sie passt natürlich zu cloud AI foundations wie AWS AI Practitioner (AIF-C01) oder Azure AI Fundamentals (AI-900): Diese decken die breite AI/ML Landschaft ab, während CCA-F tief in die building-with-an-agentic-model skills eintaucht, die jene nicht behandeln.

So bereiten Sie sich auf CertLabPro vor

CertLabPro deckt CCA-F mit 255 Übungsfragen ab, die die fünf Domänen und den Szenario-basierten Stil der Prüfung widerspiegeln, plus dieselben Lernmodi wie jede andere Zertifizierung — Practice, Exam simulation, Flashcards, Weakest Link, SRS und mehr — so dass Sie die Domänen, in denen Sie am schwächsten sind, trainieren und unter zeitgesteuerten Bedingungen mit 60 Fragen für die echte Prüfung proben können. Es gibt auch ein hands-on lab für den Anthropic track, wenn Sie durch Tun lernen möchten, anstatt nur Fragen zu beantworten.

Fazit

CCA-F ist eine fokussierte, praktische Qualifikation für die agentic Ära: Sie zertifiziert, dass Sie Claude-basierte agents architekturieren und betreiben können, nicht nur über AI reden. Die fünf Domänen — agentic architecture, Claude Code, prompting und structured output, tool/MCP design und context/reliability — sind die tatsächlichen skills, die hinter dem erfolgreichen Einsatz von agents stecken. Wenn Ihre Arbeit in diese Richtung geht, ist es eine lohnenswerte Qualifikation, und der schnellste Weg dorthin ist das Üben der Szenarien, bis das richtige Design offensichtlich ist.