Anthropic rät: ein KI-Agent statt vieler Subagenten
Von Jörg SchockGründer · testet Smart Home seit den ersten Funksteckdosen im eigenen Haus · davor 35 Jahre in verschiedenen Funktionen der Polizei
Kurz gesagt: Anthropic rät Unternehmen, viele spezialisierte Subagenten durch einen einzelnen Hauptagenten zu ersetzen, der Skills und Werkzeuge erst bei Bedarf lädt. In einem Kundenfall lief das System dadurch etwa doppelt so schnell. Subagenten bleiben für Parallelarbeit und überlastete Kontexte sinnvoll.
Symbolbild: KI-generiert
Wer KI-Agenten im Betrieb einsetzt, baut oft ein Team aus vielen Spezialisten: ein Agent für Recherche, einer für Rückfragen, einer für die Prüfung. Anthropic rät nun zum Gegenteil. In dem Fachartikel „Building agents: when to fold subagents into your main agent loop“ empfiehlt das Unternehmen, einen einzelnen Hauptagenten zu nutzen, der Wissen und Werkzeuge nur bei Bedarf nachlädt. Darüber berichtet zuerst The Decoder; wir haben zusätzlich Anthropics Originaltext gelesen.
Was Anthropic konkret sagt
Die Begründung stützt sich auf Erfahrungen aus mehreren Unternehmenseinsätzen. Ein einzelner Agent mit Skills habe dort oft besser abgeschnitten als ein einziger Riesen-Prompt und auch besser als eine Subagenten-Lösung, meist bei geringeren Kosten und kürzerer Wartezeit. Als Probleme vieler Subagenten nennt Anthropic Informationsverlust bei jeder Übergabe, wuchernde, sich überlappende Agenten, widersprüchliche Regeln im Systemprompt und zusätzliche Latenz. Ein Kunde habe seine Multi-Agent-Umgebung mit einer einzelnen Schleife verglichen und diese etwa doppelt so schnell gefunden. Dabei handelt es sich um eine Herstellerangabe zu einem einzelnen Fall, nicht um eine unabhängige Messung.
Ermöglicht wird der Umbau laut Anthropic durch neuere Modelle, die mehr Entscheidungen in einer Schleife treffen können, und durch „schrittweises Nachladen“: Skills und Werkzeuge kommen erst in den Kontext, wenn sie gebraucht werden. Damit entfalle der Hauptgrund, Aufgaben auf Subagenten zu verteilen, nämlich den Kontext klein zu halten.
Wann Subagenten trotzdem sinnvoll sind
Anthropic nennt drei Fälle: Der Kontext des Hauptagenten ist messbar überlastet, Aufgaben sollen parallel mit frischem Kontext laufen, oder ein Agent wählt bei zu vielen Werkzeugen nicht mehr zuverlässig das richtige. Als Faustregel gilt: Jenseits von 30 bis 50 Werkzeugdefinitionen leide die Auswahl. Blindes Zusammenlegen sei riskant, ein Test mit einem Support-Agenten habe die Antwortzeit gesenkt, aber einen funktionierenden Ablauf zerstört, weil der Hauptagent selbst antwortete, statt den Spezialisten zu fragen.
Migrationsleitfaden und Benchmarks
Für den Umbau empfiehlt Anthropic, zuerst etwa zehn Beispielfälle als Testsatz anzulegen, eng verzahnte Spezialisten zuerst zusammenzulegen und jeden Schritt einzeln gegen den Testsatz zu messen, mit mehreren Durchläufen pro Fall. Dazu bietet das Unternehmen ein Migrations-Kit auf GitHub an. Belastbare unabhängige Benchmarks speziell zu diesem Vergleich gibt es noch nicht. Eine Studie von Vals kam laut The Decoder zu dem Ergebnis, dass Agententeams zwar schneller sein können, aber keine bessere Qualität liefern; von 10 auf 30 oder 100 Agenten zu skalieren brachte keinen Vorteil, nur höhere Kosten.
Einordnung für Nutzer in Deutschland
Für deutsche Unternehmen, die gerade KI-Assistenten für Kundenservice oder Büroabläufe aufbauen, ist das eine praktische Entlastung: weniger Bausteine bedeuten weniger Wartung, geringere Token-Kosten und einheitlicheres Auftreten gegenüber Kunden. Der Rat kommt allerdings von einem Anbieter, der von effizienterer Modellnutzung selbst profitiert. Wer umbaut, sollte deshalb zuerst messen, statt der Empfehlung blind zu folgen.