Agenten und Sub-Agenten: Wie KI komplexe Aufgaben aufteilt

Zuerst: Was ist ein Agent?

Im normalen Chat ist es wie ein Telefonat: wir fragen, die KI antwortet, wir fragen weiter. Das funktioniert gut für einzelne Fragen – aber bei mehrstufigen Aufgaben wird es mühsam, weil wir jeden Schritt selbst steuern müssen.

Ein Agent funktioniert anders: Wir beschreiben das Ziel, und die KI plant die Schritte selbst. Sie liest Dateien, recherchiert, rechnet – und liefert am Ende das Ergebnis. Wir beobachten und greifen ein, wenn nötig.

Chat-Modus

Wir fragen, die KI antwortet – Ping-Pong, ein Schritt nach dem anderen.

Agent-Modus

Wir beschreiben das Ziel. Die KI plant die Schritte, führt sie aus und liefert das fertige Resultat.

Zurück zum Beispiel mit der Kostenanalyse: Ein Agent könnte die fünf Standorte selbstständig durcharbeiten – aber er macht das nacheinander. Bei umfangreichen Aufgaben wird der Kontext dabei immer voller, und die Qualität nimmt gegen Ende ab. Genau hier kommen Sub-Agenten ins Spiel.

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 die KI einen Standort nach dem anderen ab – und die Qualität nimmt gegen Ende ab, weil der Kontext immer voller wird.

Mit Sub-Agenten laufen fünf Analysen parallel. Jeder Sub-Agent hat einen sauberen Kontext und nur seinen Standort im Blick. Der Haupt-Agent führt 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. Schlüsselwörter wie „jeweils“, „parallel“, „gleichzeitig“ oder „für jeden“ signalisieren der KI, dass hier gleichzeitig gearbeitet werden kann. Noch zuverlässiger: Sub-Agenten direkt anfordern.

Gut formuliert

„Analysiere diese 4 Quartalsberichte jeweils einzeln und fasse dann die Trends zusammen.“

Direkte Anweisung

„Starte für jede Kostenstelle einen eigenen Sub-Agenten, der Ist-Kosten, Plan-Kosten und die Top-3-Abweichungen analysiert.“

Warum sich das lohnt

Höhere Qualität

Jeder Sub-Agent hat seinen eigenen Kontext und konzentriert sich voll auf eine Teilaufgabe. Ein einzelner Agent, der fünf Themen nacheinander bearbeitet, verliert mit jedem Thema etwas Fokus.

Geschwindigkeit

Bei fünf unabhängigen Teilaufgaben kann die Bearbeitungszeit um den Faktor 3–5 sinken.

Token-Verbrauch beachten

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 Pauschal-Abos der großen KI-Anbieter 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 inzwischen in allen großen KI-Tools angekommen – die Umsetzung unterscheidet sich, das Grundprinzip ist dasselbe:

Claude Cowork – der interaktive Arbeitsmodus von Claude, in dem er Dateien lesen, im Web recherchieren und länger an Aufgaben arbeiten kann. Startet Sub-Agenten automatisch bei komplexen Aufgaben. Verfügbar in allen bezahlten Claude-Plänen (Pro, Max, Team, Enterprise)
ChatGPT – der Agent-Modus von ChatGPT nutzt parallele Arbeitsstränge, und Codex Subagents (für Entwickleraufgaben) verteilt Arbeit auf spezialisierte Unter-Agenten
Google Gemini – Gemini Enterprise und die Entwicklertools unterstützen Multi-Agent-Workflows mit parallelen Sub-Agenten
Microsoft Copilot – Copilot Studio nutzt ein Orchestrator-Subagent-Pattern, in dem ein Haupt-Agent spezialisierte Teil-Agenten koordiniert
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.