Was ist KI-Agenten-Orchestrierung beim Coden?

Die Schicht, die mehrere Coding-Agenten an einer Aufgabe koordiniert: Etwas teilt die Arbeit auf, die Agenten teilen Zustand über Rückgabewerte, eine Aufgabenliste oder Nachrichten, und ihre Änderungen werden per Merge oder Review zusammengeführt, statt in einem Ordner zu kollidieren.

Mit welchem Orchestrierungsmuster sollte ich anfangen?

Beginnen Sie mit Orchestrator und Workern, etwa Claude-Code-Subagents, für Recherche und Review innerhalb einer Sitzung. Wechseln Sie zum Fan-out in Git-Worktrees, wenn mehrere Agenten gleichzeitig Code schreiben, und hängen Sie einen Merge-Schritt mit Testlauf an.

Sind Claude-Code-Agent-Teams produktionsreif?

Stand Oktober 2026 sind sie experimentell und standardmäßig aus. Sie werden über die Einstellung CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS aktiviert, und die Doku nennt Grenzen wie keine Sitzungsfortsetzung für In-Process-Teammates und ein Team pro Sitzung.

Warum kostet Multi-Agent-Orchestrierung so viel mehr?

Jeder Agent hat sein eigenes Kontextfenster und liest den benötigten Code erneut. Koordinationsnachrichten kosten zusätzlich Tokens. Laut Anthropic-Doku verbrauchen Agent-Teams deutlich mehr Tokens als eine einzelne Sitzung, also Teams klein halten und Ausgaben pro Agent deckeln.

Wie verhindere ich, dass zwei Agenten dieselbe Datei bearbeiten?

Geben Sie jedem schreibenden Agenten einen eigenen Git-Worktree und Branch, teilen Sie die Arbeit nach Ordnern auf und mergen Sie die Branches nacheinander, mit Tests auf dem gemergten Ergebnis. Regeln für Dateibesitz können zusätzlich Änderungen außerhalb der eigenen Pfade ablehnen.

KI-Agenten-Orchestrierung beim Coden: 5 Muster und Tools

KI-Agenten-Orchestrierung beim Coden bedeutet, mehrere Coding-Agenten an einer Aufgabe arbeiten zu lassen, ohne dass sie sich gegenseitig in die Quere kommen. Jedes Setup beantwortet drei Fragen: Wer teilt die Arbeit auf (Sie, ein Lead-Agent oder ein Planer), wie teilen die Agenten Zustand (Ergebnisse an den Aufrufer, eine gemeinsame Aufgabenliste oder direkte Nachrichten) und wie kommen ihre Änderungen zusammen (in einem Kontext, per Git-Merge oder per Review). Wer diese drei Fragen beantwortet hat, hat sein Muster gewählt; das Tool kommt danach.

Dieser Beitrag geht die fünf Orchestrierungsmuster durch, die für Coding-Agenten zählen, zeigt, was bei jedem schiefgeht, und welche Tools sie Stand Oktober 2026 umsetzen: Claude-Code-Subagents und Agent-Teams, Codex Cloud, Conductor, Claude Squad, Vibe Kanban und AgentVera. AgentVera betreibt diesen Blog, deshalb sagen wir auch, wo die anderen besser passen. Angaben zu Drittanbietern wurden in deren eigener Doku oder ihrem Repository geprüft.

Wenn Sie eher einen Tool-Vergleich suchen, lesen Sie die besten Tools für parallele KI-Coding-Agenten. Hier geht es um die Architektur darunter.

Die drei Entscheidungen hinter jedem Setup

Bevor es um Muster geht, lohnt es sich, die beweglichen Teile zu benennen:

Zerlegung: Wer macht aus „Abrechnung einbauen“ einzelne Aufgaben? Ein Mensch, der von Hand aufteilt, ist langsam, aber berechenbar; ein planender Agent ist schnell, schneidet aber manchmal an der falschen Stelle.
Gemeinsamer Zustand: Woher weiß Agent B, was Agent A getan hat? Von eng nach lose: ein Rückgabewert an den Aufrufer, eine gemeinsame Aufgabenliste mit Abhängigkeiten und freie Nachrichten zwischen Agenten.
Integration: Wie landet der Code? Rein lesende Arbeit liefert nur Text zurück. Schreibende Agenten teilen sich entweder einen Ordner (riskant) oder arbeiten in getrennten Git-Worktrees, deren Branches später gemergt werden.

Die meisten Orchestrierungsfehler entstehen, wenn einer dieser Punkte unausgesprochen bleibt, zum Beispiel wenn zwei Agenten beide glauben, ihnen gehöre die Router-Datei.

Fünf Orchestrierungsmuster

1. Orchestrator und Worker

Ein Agent behält das Gespräch und schickt fokussierte Aufträge an Worker. Jeder Worker startet mit frischem Kontext, erledigt eine Sache und liefert eine Zusammenfassung zurück. Der Aufrufer sieht nie das vollständige Protokoll des Workers, nur das Ergebnis.

Stark bei: Recherche, Codesuche, Review, Testanalyse. Alles, wobei der Worker viel liest und wenig berichtet.
Schwach bei: parallelem Schreiben. Worker bearbeiten meist denselben Checkout wie der Aufrufer.
Beispiel: Claude-Code-Subagents.

2. Lead und Teammates mit gemeinsamer Aufgabenliste

Ein Lead-Agent legt Aufgaben mit Abhängigkeiten an; Teammates übernehmen Aufgaben, schließen sie ab und schreiben sich direkt. Der Zustand steckt in der Aufgabenliste, nicht im Kopf eines einzelnen Agenten, sodass ein Teammate eine Aufgabe greifen kann, die vor einer Minute frei geworden ist.

Stark bei: Arbeit, die sich unterwegs ändert, etwa wenn ein Tester einen Bug direkt an den Entwickler zurückgibt, ohne dass Sie vermitteln.
Schwach bei: Kosten und Dateisicherheit. Teammates in einem gemeinsamen Ordner können sich gegenseitig überschreiben.
Beispiel: Claude-Code-Agent-Teams; AgentVeras Agent-Nachrichten und Aufgabenliste.

3. Fan-out in Worktrees, dann Merge

Ein Planer zerlegt eine Änderung in unabhängige Teile. Jeder Teil läuft in eigenem Worktree und Branch, und die fertigen Branches werden nacheinander in einen Integrations-Branch gemergt; am Ende laufen die Tests.

Stark bei: großen Änderungen mit trennbaren Teilen: API, UI, Migration.
Schwach bei: Teilen, die heimlich voneinander abhängen. Der Konflikt zeigt sich beim Merge statt beim Bearbeiten.
Beispiel: Conductor, Claude Squad und Vibe Kanban liefern die Worktrees; AgentVeras paralleles Team ergänzt Planer und Merge. Hintergrund in Git-Worktrees für parallele Agenten.

4. Übergaben in einer Kette

Der Planer übergibt an den Umsetzer, der Umsetzer an den Reviewer. Jeder Schritt bekommt die Ausgabe des vorherigen und sonst nichts. Das ist das Planer-Umsetzer-Reviewer-Setup, das die meisten zuerst ausprobieren.

Stark bei: wiederkehrenden Aufgaben, bei denen Sie den Plan lesen wollen, bevor Code entsteht.
Schwach bei: Tempo. Nichts läuft parallel, und eine vage Übergabe verdirbt alle folgenden Schritte.
Beispiel: ausführlich in KI-Agenten-Workflows und KI-Agenten-Teams.

5. Best-of-N

Dieselbe Aufgabe geht an mehrere Versuche, und Sie oder ein Reviewer-Agent behalten den besten. Koordination gibt es keine, und genau darum geht es.

Stark bei: harten Bugs und unscharfer UI-Arbeit, bei der die erste Antwort oft nicht die beste ist.
Schwach bei: Kosten, grob N-mal so viele Tokens, plus Review-Zeit.
Beispiel: codex cloud exec --attempts oder zwei verschiedene CLIs mit demselben Prompt in getrennten Worktrees.

Die Muster im Vergleich

Muster	Wer teilt auf	Gemeinsamer Zustand	Wie der Code landet	Hauptrisiko
Orchestrator und Worker	Der aufrufende Agent	Ergebnisse an den Aufrufer	Checkout des Aufrufers	Worker ändern Dateien des Aufrufers
Lead und Aufgabenliste	Lead-Agent	Aufgabenliste plus Nachrichten	Meist ein Ordner	Überschreiben, Token-Kosten
Fan-out und Merge	Planer oder Sie	Vorab geschriebener Plan	Branches mit Check gemergt	Späte Merge-Konflikte
Übergabekette	Sie, beim Entwurf	Ausgabe des vorigen Schritts	Branch des letzten Schritts	Langsam, vage Übergaben
Best-of-N	Niemand	Keiner	Sie wählen einen Diff	N-fache Kosten

Was schiefgeht und was dagegen hilft

Konflikte

Zwei Agenten in einem Ordner bearbeiten früher oder später dieselbe Datei. Die Gegenmittel bauen aufeinander auf: ein Worktree pro schreibendem Agenten, eine Aufteilung nach Ordnern statt nach Features, ausdrücklicher Dateibesitz und ein Merge nach dem anderen auf den aktuellen Stand, damit der zweite Merge den ersten sieht. Eine Merge-Queue ist dieser letzte Schritt, sauber umgesetzt.

Kosten

Jeder Agent liest den Code, den er braucht, erneut, und jede Nachricht zwischen Agenten kostet Tokens. Laut Anthropic-Doku verbrauchen Agent-Teams deutlich mehr Tokens als eine einzelne Sitzung, empfohlen wird ein Start mit 3 bis 5 Teammates. Halten Sie die Zahl der Agenten klein, geben Sie Workern ein günstigeres Modell, wo die Doku das erlaubt, und setzen Sie ein Limit pro Agent, damit eine Schleife nicht das Tagesbudget verbrennt.

Drift und Schleifen

Ein Agent kann vom Plan abweichen, denselben fehlschlagenden Befehl zwanzig Minuten lang wiederholen, oder zwei Agenten stellen sich ständig dieselbe Frage. Klare Abnahmekriterien pro Aufgabe, ein ausdrückliches Signal für „fertig“ oder „hänge fest“, Nachrichtenlimits und ein Wächter, der wiederholte Befehle erkennt, fangen das meiste davon ab.

Vertrauen zwischen Agenten

Wenn Agenten sich Nachrichten schicken können, ist eine Nachricht von einem anderen Agenten keine Nachricht von Ihnen. Behandeln Sie sie als Eingabe, nicht als Erlaubnis: Ein Agent sollte keinen Branch löschen oder auf main pushen, nur weil ein anderer Agent darum bittet.

Die Tools, den Mustern zugeordnet

Claude-Code-Subagents (Orchestrator und Worker)

Subagents sind Markdown-Dateien mit YAML-Frontmatter in .claude/agents/ (Projekt) oder ~/.claude/agents/ (Benutzer). Jeder läuft in seinem eigenen Kontextfenster und gibt sein Ergebnis an den Aufrufer zurück; der Verbrauch zählt auf dieselben Limits. Mit tools oder disallowedTools schränken Sie einen Subagent ein, mit model wählen Sie das Modell. Stand Oktober 2026 können Subagents standardmäßig bis zu drei Ebenen tief eigene Subagents starten, gesteuert über CLAUDE_CODE_MAX_SUBAGENT_SPAWN_DEPTH (der Wert 1 schaltet das Verschachteln ab).

---
name: test-triager
description: Führt die fehlschlagenden Tests aus und meldet die Ursache. Nach einem roten CI-Lauf verwenden.
tools: Read, Grep, Glob, Bash
model: sonnet
---
Führe die fehlschlagenden Tests aus, finde den ersten echten Fehler und melde Datei, Zeile und Ursache in höchstens 15 Zeilen. Bearbeite keine Dateien.

Claude-Code-Agent-Teams (Lead und Aufgabenliste)

Agent-Teams sind Stand Oktober 2026 experimentell und standardmäßig aus. Eine Sitzung ist der Lead; jeder Teammate ist eine eigene Claude-Code-Instanz mit eigenem Kontext. Die Teammates teilen eine Aufgabenliste mit den Zuständen ausstehend, in Arbeit und erledigt sowie Abhängigkeiten, übernehmen Aufgaben selbst und schreiben sich direkt. Aktiviert wird das in der settings.json:

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

Teammates laufen standardmäßig im selben Prozess oder in geteilten Fenstern mit tmux oder iTerm2. Die Doku nennt echte Grenzen: keine Sitzungsfortsetzung für In-Process-Teammates, der Aufgabenstatus kann hinterherhinken, ein Team pro Sitzung, keine verschachtelten Teams und ein fester Lead. Außerdem warnt sie, dass zwei Teammates in derselben Datei sich überschreiben, also nach Dateien aufteilen. Mit den Hooks TeammateIdle, TaskCreated und TaskCompleted setzen Sie Regeln durch; Exit-Code 2 blockiert die Aktion.

Codex Cloud (Fan-out und Best-of-N, remote)

Codex Cloud führt Aufgaben in einer von Ihnen eingerichteten Cloud-Umgebung aus, jede in ihrem eigenen Workspace, und arbeitet weiter, während Ihr Laptop schläft. Sie prüfen den Diff, bitten um Nachbesserungen und öffnen dann einen PR oder wenden ihn lokal an. Der Befehl codex cloud ist Stand Oktober 2026 als experimentell gekennzeichnet:

codex cloud exec --env ENV_ID --attempts 3 "Behebe den wackligen Datumstest in billing/"
codex cloud list --env ENV_ID
codex apply TASK_ID   # wendet den Diff lokal an; Exit-Code ungleich 0, wenn git apply scheitert

--attempts akzeptiert 1 bis 4 und ist das einfachste Best-of-N, das es gibt. Codex Cloud ist die bessere Wahl, wenn die Arbeit von Ihrem Rechner weg soll; es führt nur Codex aus.

Conductor (Fan-out, Mac)

Conductor führt Claude Code, Codex, Cursor und OpenCode parallel aus, jede Aufgabe in einem eigenen Workspace mit eigenem Branch, Terminal und Diff, danach folgen Review, PR, Merge und Archivieren. Es läuft nur auf dem Mac. Tarife Stand Oktober 2026: Free, Pro für 50 $ im Monat und Teams für 60 $ pro Nutzer und Monat. Wenn Ihr ganzes Team auf macOS arbeitet und Sie eine ausgereifte Fan-out-Oberfläche wollen, ist es eine starke Wahl.

Claude Squad (Fan-out, Terminal)

Claude Squad ist eine Terminal-Oberfläche, die Claude Code, Codex, Gemini, Aider, OpenCode oder Amp in getrennten Worktrees innerhalb von tmux ausführt. Es steht unter AGPL-3.0 und braucht tmux und die GitHub CLI; unter Windows läuft es in WSL.

brew install claude-squad
cs              # standardmäßig Claude Code
cs -p "codex"   # ein anderer Agent

n startet eine Sitzung, Enter verbindet, Ctrl-q trennt und s committet und pusht. Wer im Terminal lebt, bekommt hier die schlankeste Option.

Vibe Kanban (Fan-out, Board)

Vibe Kanban macht aus Aufgaben Karten, und jede Karte bekommt einen Workspace mit eigenem Branch, Terminal und Dev-Server; Diff-Kommentare gehen an den Agenten zurück, der auch PRs öffnen kann. Unterstützt werden Claude Code, Codex, Gemini CLI, Copilot, Amp, Cursor, OpenCode, Droid, CCR und Qwen Code. Laut README wird das Projekt eingestellt, betrachten Sie es Stand Oktober 2026 also als von der Community gepflegt (Apache-2.0, npx vibe-kanban).

AgentVera (alle fünf, lokal)

AgentVera ist eine Desktop-App für macOS, Windows und Linux, die viele Coding-CLIs nebeneinander ausführt, und kann deshalb jedes der Muster abbilden statt nur eines:

Orchestrator und Worker: Mit Agenten, die Agenten öffnen (standardmäßig an), startet ein Agent Helfer über die Tools spawn_agent, wait_agent, agent_status, message_agent und stop_agent. Ein Helfer kann jede installierte CLI sein, in einem eigenen Worktree auf einem oto/…-Branch arbeiten und erscheint unter seinem Elternagenten. Standardmäßig darf jeder Agent 3 Helfer öffnen, insgesamt laufen höchstens 6; Helfer können selbst keine Agenten öffnen.
Lead und Aufgabenliste: Agent-Nachrichten geben jedem Agenten send_message, reply_message, wait_reply und eine gemeinsame Aufgabenliste (task_add mit Zuständigem und Abhängigkeiten, task_claim, task_done, task_release). Sind die Abhängigkeiten einer Aufgabe erledigt, wird sie bereit und der Zuständige benachrichtigt. Das funktioniert CLI-übergreifend, Claude Code kann also eine Aufgabe an Codex geben.
Fan-out und Merge: Ein paralleles Team (Pro- und Team-Tarif) teilt eine Aufgabe in bis zu 8 Teile mit Abnahmekriterien und erwarteten Dateien, führt sie in eigenen Worktrees aus, standardmäßig 3 gleichzeitig und höchstens 6, und mergt sie in einen Integrations-Branch. Der Check ist der Testbefehl des Projekts; ein Integrationsagent behebt Konflikte und Fehler, und das Team hält an, wenn der Check nach zwei Korrekturrunden noch rot ist.
Schutz gegen die Fehlerarten: Dateibesitz lehnt Claude-Code-Änderungen außerhalb der Pfade eines Besitzers per Hook ab; die Merge-Queue mergt einen Branch nach dem anderen auf den aktuellen Stand; Token-Budgets (standardmäßig aus) begrenzen einen Agenten pro Turn und pro Tag; und der Supervisor markiert Agenten, die denselben Befehl 5-mal in 15 Minuten ausführen, 3 Turns in Folge denselben Fehler bekommen oder 20 Minuten lang keine Datei ändern.

Diese Funktionen arbeiten nur lokal: Von Agenten geöffnete Helfer und Nachrichten umfassen keine SSH-Agenten. Wenn Aufgaben bei zugeklapptem Laptop in der Cloud weiterlaufen sollen, passt Codex Cloud besser.

So wählen Sie ein Muster

Ist die Arbeit vor allem Lesen? Orchestrator und Worker. Subagents reichen.
Sollen mehrere Agenten gleichzeitig Code schreiben? Fan-out in Worktrees mit Merge-Schritt. Keinen gemeinsamen Ordner.
Ändern sich die Aufgaben, je mehr Sie lernen? Ein Lead mit gemeinsamer Aufgabenliste, bei 3 bis 5 Agenten.
Läuft dieselbe Aufgabe jede Woche? Eine Übergabekette mit Freigabe vor dem Code-Schritt.
Ist das Problem schwer und die Antwort unklar? Best-of-N, und die Kosten bewusst in Kauf nehmen.

Dann das Tool nach Plattform wählen: Conductor nur auf dem Mac, Claude Squad fürs Terminal, Codex Cloud, wenn die Arbeit remote laufen soll, AgentVera, wenn Sie mehrere CLIs und Muster in einer Desktop-App auf jedem Betriebssystem wollen.

Eine kleine Orchestrierung zum Ausprobieren

Das kleinste sinnvolle Fan-out braucht nur Git und zwei CLIs:

git worktree add ../app-api -b feat/api
git worktree add ../app-ui -b feat/ui
(cd ../app-api && claude "Füge den /invoices-Endpunkt hinzu. Ändere nur src/api/.")
(cd ../app-ui && codex "Baue die Rechnungsseite gegen den /invoices-Vertrag. Ändere nur src/ui/.")
git checkout -b integrate/invoices
git merge feat/api && npm test
git merge feat/ui && npm test

Die Regeln, die das funktionieren lassen, stehen in den Prompts: ein Ordner pro Agent, ein vereinbarter Vertrag zwischen ihnen und ein Testlauf nach jedem Merge. Alles, was ein Tool darauf setzt (Planung, Aufgabenlisten, ein Supervisor, eine Queue), automatisiert eine dieser Zeilen. Mehr zum Nebeneinander von Claude Code und Codex steht in Parallele Coding-Agenten.

Fazit

Bei der KI-Agenten-Orchestrierung beim Coden geht es weniger um das Tool als um drei Entscheidungen: wer die Arbeit aufteilt, wo der gemeinsame Zustand liegt und wie der Code landet. Orchestrator und Worker passen zum Lesen, eine Aufgabenliste zu wechselnder Arbeit, Fan-out mit Merge zu großen trennbaren Änderungen, Übergabeketten zu wiederkehrenden Aufgaben und Best-of-N zu harten Problemen. Was auch immer Sie wählen: Sichern Sie sich vom ersten Tag an gegen Konflikte, Kosten und Drift ab.

Wenn Sie mehrere Muster an einem Ort ausprobieren möchten, laden Sie AgentVera herunter und starten Sie mit zwei Agenten und einer gemeinsamen Aufgabenliste, bevor Sie ein paralleles Team einschalten.