Agenten und Sub-Agenten: Wie KI komplexe Aufgaben aufteilt
Wer eine Kostenanalyse über mehrere Standorte erstellt, kennt das: jeden Standort einzeln durcharbeiten, Ergebnisse zusammentragen, am Ende alles in einen Bericht gießen. Mit Sub-Agenten läuft das anders – mehrere parallele Arbeitsströme starten gleichzeitig, und wir bekommen am Ende ein zusammengeführtes Ergebnis. Wie das funktioniert, wie wir es gezielt auslösen und wo die Grenzen liegen.
Orcha Team
März 2026
Was Agenten anders machen
Im normalen Chat ist es wie ein Telefonat: wir fragen, Claude antwortet, wir fragen weiter. Ein Agent funktioniert anders – wir beschreiben, was wir brauchen, und Claude plant die Schritte, nutzt Werkzeuge (Dateien lesen, im Web recherchieren, rechnen) und liefert das Ergebnis. Wir beobachten und greifen ein, wenn nötig.
Kurz gesagt:
Chat-Modus
Wir fragen, Claude antwortet – Ping-Pong, ein Schritt nach dem anderen.
Agent-Modus
Wir beschreiben das Ziel. Claude plant die Schritte, führt sie aus, prüft Zwischenergebnisse und liefert das fertige Resultat.
Die meisten großen KI-Tools bieten inzwischen einen Agent-Modus an. Was Claude besonders macht: Sub-Agenten.
Und was sind Sub-Agenten?
Ein Sub-Agent ist ein Agent, der von einem anderen Agenten gestartet wird. Bei einer größeren Aufgabe zerlegt der Haupt-Agent diese in unabhängige Teile und startet für jeden Teil einen eigenen Sub-Agenten – die dann gleichzeitig arbeiten.
Jeder Sub-Agent hat:
- Seinen eigenen Kontext (also seinen eigenen „Arbeitsspeicher“ – er sieht nur, was er für seine Teilaufgabe braucht)
- Zugriff auf die gleichen Werkzeuge (Dateien, Web-Recherche, etc.)
- Ein klares Ziel, das er eigenständig verfolgt
Am Ende liefert jeder Sub-Agent sein Ergebnis zurück an den Haupt-Agenten, der alles zusammenführt.
Ein Beispiel
Das sieht dann so aus:
„Analysiere die Kostenentwicklung unserer fünf Standorte für Q4. Pro Standort: Personalkosten, Sachkosten, Abweichung zum Budget und die drei größten Kostentreiber.“
Ohne Sub-Agenten arbeitet Claude einen Standort nach dem anderen ab. Bei fünf Standorten dauert das – und die Qualität nimmt gegen Ende ab, weil der Kontext immer voller wird.
Mit Sub-Agenten startet Claude fünf parallele Analysen. Jeder Sub-Agent konzentriert sich nur auf seinen Standort, hat einen sauberen Kontext und liefert eine gründliche Analyse. Der Haupt-Agent fasst am Ende die Ergebnisse zusammen und identifiziert standortübergreifende Trends. Was nacheinander 12–15 Minuten dauern würde, ist in 3–4 Minuten erledigt.
Kernprinzip: Sub-Agenten lohnen sich immer dann, wenn eine Aufgabe in unabhängige Teile zerlegbar ist. Wenn Teil B von Teil A abhängt, arbeitet die KI nacheinander – und das ist auch richtig so.
Wann lohnen sich Sub-Agenten?
Die meisten KI-Tools entscheiden selbst, wann Sub-Agenten sinnvoll sind. Typische Situationen:
Lieferantenvergleich
Drei Angebote gleichzeitig analysieren: Preise, Konditionen, Zahlungsziele – und am Ende eine Empfehlung.
Monatsabschluss-Reports
Pro Kostenstelle einen eigenen Report erstellen – unabhängig voneinander, parallel statt nacheinander.
Budget-Abweichungsanalyse
Mehrere Abteilungen unabhängig bewerten und Muster identifizieren, die erst im Vergleich sichtbar werden.
Rechnungsprüfung in Batches
Große Rechnungsstäpel in Teilen prüfen und Auffälligkeiten zusammenführen.
So lösen wir Sub-Agenten gezielt aus
Wir müssen keine technischen Befehle kennen. Es reicht, die Aufgabe so zu formulieren, dass klar wird: hier kann gleichzeitig gearbeitet werden.
Gut formuliert
„Analysiere diese 4 Quartalsberichte jeweils einzeln und fasse dann die Trends zusammen.“
Gut formuliert
„Prüfe parallel die letzten drei Monatsabschlüsse auf Abweichungen über 5 % zum Plan.“
Gut formuliert
„Erstelle für jeden unserer 3 Standorte eine separate Kostenanalyse.“
Schlüsselwörter wie „jeweils“, „parallel“, „gleichzeitig“ oder „für jeden“ signalisieren der KI, dass Sub-Agenten sinnvoll sein könnten.
Wir können auch direkt sagen, dass Sub-Agenten verwendet werden sollen:
Direkte Anweisung
„Nutze Sub-Agenten, um diese 4 Quartalsberichte gleichzeitig zu analysieren.“
Direkte Anweisung
„Starte für jede Kostenstelle einen eigenen Sub-Agenten, der Ist-Kosten, Plan-Kosten und die Top-3-Abweichungen analysiert.“
Das ist oft der zuverlässigste Weg: Wenn wir wissen, dass eine Aufgabe gleichzeitig bearbeitet werden kann, sagen wir es der KI einfach direkt.
Warum sich das lohnt
Höhere Qualität
Jeder Sub-Agent hat seinen eigenen Kontext und konzentriert sich voll auf eine Teilaufgabe – genau wie ein Spezialist im Team. Ein einzelner Agent, der 5 Themen nacheinander bearbeitet, verliert mit jedem Thema etwas Fokus. Das Ergebnis mit Sub-Agenten: gründlichere Analysen und weniger übersehene Details.
Geschwindigkeit
Bei 5 unabhängigen Teilaufgaben kann die Bearbeitungszeit um den Faktor 3–5 sinken. Was nacheinander 15 Minuten dauert, ist parallel in wenigen Minuten erledigt.
Transparenz
Wir sehen, welche Teilaufgaben laufen, und können jederzeit eingreifen oder nachsteuern.
Skalierung
Aufgaben, die für einen einzelnen Agenten zu umfangreich wären, werden handhabbar – weil die Komplexität auf mehrere Schultern verteilt wird.
Token-Verbrauch beachten
Tokens sind die Abrechnungseinheit bei KI-Diensten – vereinfacht: je mehr Text die KI verarbeitet, desto höher die Kosten. Sub-Agenten verbrauchen mehr Tokens als ein einzelner Agent, weil jeder seinen eigenen Kontext aufbaut. Fünf Sub-Agenten verbrauchen etwa das 2–3-Fache. Bei Claude Max (ab 100 $/Monat) ist das im monatlichen Limit enthalten.
Wann Sub-Agenten nicht sinnvoll sind
Nicht jede Aufgabe profitiert von gleichzeitiger Bearbeitung:
- Aufgaben mit Abhängigkeiten – wenn Schritt 2 das Ergebnis von Schritt 1 braucht, muss nacheinander gearbeitet werden
- Kurze, einfache Aufgaben – eine einzelne E-Mail schreiben braucht keinen Sub-Agenten
- Kreative Arbeit mit einem roten Faden – ein durchgängiger Text sollte von einem Agenten geschrieben werden, damit Stil und Argumentation konsistent bleiben
Generell gilt: Je mehr Schritte ein Agent selbstständig macht, desto wichtiger wird unsere Kontrolle. Sub-Agenten sind kein Autopilot – sie sind wie ein Team, an das wir delegieren, aber dessen Ergebnisse wir prüfen. Besonders bei finanziellen Daten sollten wir die Zusammenfassung des Haupt-Agenten immer gegen die Quelldaten plausibilisieren.
Wo gibt es Sub-Agenten?
Sub-Agenten sind ein relativ neues Feature und noch nicht überall verfügbar:
- Claude Cowork – der interaktive Arbeitsmodus von Claude, in dem er Dateien lesen, im Web recherchieren und länger an Aufgaben arbeiten kann. Nutzt Sub-Agenten automatisch bei komplexen Aufgaben (erfordert Claude Max, ab 100 $/Monat)
- ChatGPT Deep Research – ein Modus, in dem ChatGPT selbstständig mehrere Quellen durchsucht und einen ausführlichen Bericht erstellt. Startet dabei parallele Recherche-Stränge
- Claude Code / Cursor / Windsurf – Entwicklertools, die Sub-Agenten für parallele Code-Aufgaben einsetzen
Die Details unterscheiden sich je nach Tool, aber das Grundprinzip ist immer dasselbe: komplexe Aufgaben in unabhängige Teile zerlegen, parallel bearbeiten und die Ergebnisse zusammenführen.
Abgrenzung zur klassischen Automatisierung
Kein Entweder-oder
Regelbasierte Tools (If-Then) und RPA-Bots folgen festen Abläufen – ändert sich etwas, brechen sie. Workflow-Tools wie Make oder Zapier verbinden Systeme, treffen aber keine eigenen Entscheidungen. KI-Agenten verstehen Kontext und passen sich an – auch bei Ausnahmen, die kein Regelwerk vorhergesehen hat. Sub-Agenten skalieren diesen Vorteil, indem sie komplexe Aufgaben parallel bearbeiten. In der Praxis ergänzen sich alle Ansätze: feste Regeln für stabile Prozesse, Workflow-Tools für Systemverbindungen, und KI-Agenten dort, wo Urteilsvermögen gefragt ist.
Ähnliche Artikel
Mehr aus unserer Community: Intro zu Claude – Chat, Cowork & Code · Vom Chat zum Autopilot · KI als Kollege einsetzen
Neue Tipps direkt in Ihren Posteingang
Abonnieren Sie unseren Newsletter und erhalten Sie praktische KI-Tipps für Ihren Arbeitsalltag.