Lerne, was KI-Agenten wirklich sind, wie Agent Teams funktionieren und wie du sie gezielt für deine Arbeit einsetzt
Klicken zum Vergrößern
KI-Agenten sind der nächste grosse Sprung nach Chatbots. Während ein Chatbot auf deine Fragen antwortet, kann ein KI-Agent eigenständig Aufgaben ausführen, Entscheidungen treffen und sogar mit anderen Agenten zusammenarbeiten. Claude Code, OpenClaw und ähnliche Tools zeigen bereits heute, was möglich ist -- und es verändert grundlegend, wie wir arbeiten.
In diesem Kurs lernst du, was hinter KI-Agenten steckt, welche Arten es gibt, wie Agent Teams funktionieren und wie du sie konkret für deine Arbeit nutzen kannst. Egal ob du Unternehmer, Entwickler oder Wissensarbeiter bist: KI-Agenten werden in den nächsten Jahren ein zentrales Werkzeug.
Ein KI-Agent ist ein System, das nicht nur auf Anfragen reagiert, sondern eigenständig handelt. Der entscheidende Unterschied zum Chatbot: Ein Agent kann planen, Werkzeuge nutzen und Ergebnisse über mehrere Schritte hinweg verfolgen.
Stell dir den Unterschied so vor:
Der Agent übernimmt also nicht nur eine einzelne Aufgabe, sondern orchestriert einen kompletten Workflow. Boris Jabes, Head of Claude Code bei Anthropic, beschreibt das so: Seit November hat er keine einzige Zeile Code mehr von Hand geschrieben -- alles läuft über KI-Agenten, die seine Anweisungen in fertige Pull Requests umsetzen.
Die unabhängige KI-Sicherheitsorganisation METR misst mit dem Time Horizon Benchmark, wie lange ein KI-Agent autonom an Softwareaufgaben arbeiten kann. Die Ergebnisse sind beeindruckend:
Die autonome Arbeitsfähigkeit verdoppelt sich alle vier Monate. Extrapoliert man diese Kurve, erreichen KI-Agenten 2027 die Fähigkeit, einen vollständigen 8-Stunden-Arbeitstag autonom durchzuarbeiten.
Ein einzelner Agent mit Zugriff auf bestimmte Werkzeuge. Beispiel: Claude Code im Standardmodus, der Code schreibt, Tests ausführt und Dateien bearbeitet -- alles in einem Kontextfenster.
Der zentrale Agent delegiert Teilaufgaben an spezialisierte Unteragenten. Jeder Subagent erhält ein eigenes Kontextfenster, arbeitet seine Aufgabe ab und liefert das Ergebnis zurück. Danach wird sein Kontextfenster gelöscht.
Vorteil: Du kannst die gleiche Aufgabe über 20 Mal bei gleichbleibender Qualität ausführen, weil das Hauptkontextfenster nicht vollläuft.
Einschränkung: Die Subagents können nicht untereinander kommunizieren. Die gesamte Koordination läuft über den Lead Agent.
Die neueste und mächtigste Variante. Hier laufen mehrere Claude-Code-Instanzen als eigenständige Sessions, die miteinander kommunizieren können. Der Lead Agent erstellt eine Aufgabenliste, und die einzelnen Team-Mitglieder picken sich Aufgaben heraus, tauschen Ergebnisse aus und verbessern sich gegenseitig.
Vorteile von Agent Teams:
Wichtig zu wissen: Agent Teams verbrauchen entsprechend mehr Ressourcen. Drei Agenten bedeuten dreifache Kosten.
Google hat mit dem Paper Banana Projekt gezeigt, wie Agent Teams wissenschaftliche Illustrationen erstellen können. Die Pipeline besteht aus fünf spezialisierten Agenten:
Das Ergebnis: In einem Blindtest schlägt das Agententeam menschliche Designer in 72,7% der Fälle. Der entscheidende Faktor war die Iteration zwischen Kritiker und Designer -- mit jeder Feedback-Runde wurde das Ergebnis messbar besser.
MetalSole demonstriert einen kreativen Einsatz von Agent Teams: Er hat ein Ideation-Team aufgebaut, bestehend aus einem Freethinker (erzeugt kreative Ideen), einem Grounder (prüft die Machbarkeit), einem Arbiter (trifft Entscheidungen) und einem Writer (dokumentiert die Ergebnisse).
Für die Umbenennung einer Anwendung arbeitete dieses Team über eineinhalb Stunden autonom und lieferte nicht nur einen guten Namen, sondern eine detaillierte Begründung mit Marktanalyse, bekannten Risiken und offenen Fragen. Die Qualität des Ergebnisses übertraf die Summe der einzelnen Teile.
1. Settings anpassen Aktiviere Agent Teams in deiner Claude Code Settings-Datei und stelle tmux als Standard ein.
2. Ordnerstruktur vorbereiten Erstelle einen Projektordner mit Input- und Output-Verzeichnissen. Lege Kontextdateien als Markdown ab -- das ist effizienter als PDF für die Agenten.
3. Den Initialprompt formulieren Der Prompt ist das Einzige, was in jeden Agenten als Kontext injiziert wird. Gib daher alles Wichtige mit:
4. Team starten und beobachten Mit tmux siehst du jeden Agenten in einem eigenen Fenster. Du kannst jederzeit einzelne Agenten ansprechen, ihnen Feedback geben oder Korrekturen vornehmen.
Die Faustregel von Everlast AI: Alles, was du einem neuen Mitarbeiter durch Checklisten, SOPs und Handbücher beibringen musst, ist heute einfacher einem KI-Agenten beizubringen. Dario Amodei, CEO von Anthropic, warnt, dass KI die Hälfte aller Einstiegspositionen im Bürobereich in ein bis fünf Jahren eliminieren könnte.
Andrew Karpathy beschreibt den "seltsamen Tod der User Interfaces": Agenten sind blind für schöne Oberflächen. Sie kommunizieren über APIs, nicht über Buttons. Unternehmen, deren Software keine Schnittstellen für Agenten bietet, werden massiv den Anschluss verlieren.
Steve Yegge, ehemaliger Softwareentwickler bei Google und Amazon, beschreibt Anthropics Arbeitsweise als "Hive" -- einen Bienenschwarm, in dem Informationen in Echtzeit fliessen und Produkte in Tagen statt Quartalen von der Idee zum Launch kommen. Das ist die Zielvision: Agenten, die permanent arbeiten, Ergebnisse teilen und sich gegenseitig verbessern.
KI-Agenten sind keine Zukunftsmusik mehr -- sie sind Realität. Die wichtigsten Punkte:
Im nächsten Kurs zeigen wir dir, wie du mit Agentic Workflows eigene Automatisierungen baust, die weit über klassische Workflow-Tools wie Make oder n8n hinausgehen.