Die meisten fangen mit einem Coding-Agenten an und merken schnell, wie viel der allein schafft. Aber irgendwann kommt die Frage: Wird es schneller, wenn zwei oder drei Agenten gleichzeitig arbeiten? Heute baue ich daraus eine Landkarte. Erst die Regel, wann sich Parallelarbeit überhaupt lohnt. Dann das Prinzip, mit dem mehrere Agenten an derselben Codebasis arbeiten, ohne sich gegenseitig zu stören. Und zum Schluss ein Test, den ihr in einer Stunde durchspielen könnt. Servus, ich bin Lissy, und das ist die Daily AI News.
Ein einzelner Agent ist wie eine einzelne Person im Team: Erledigt zuverlässig, aber eins nach dem anderen. Solange die Aufgabe klein ist, ist das perfekt. Stellt er ein paar Stunden Arbeit dar, wird es spannend, weil heute kaum noch etwas daran hindert, mehrere Agenten anzusetzen, außer der eigenen Planung. Die Grundregel ist simpel: Zwei Aufgaben sind parallelisierbar, wenn sie nichts voneinander brauchen. Wenn Aufgabe B das Ergebnis von Aufgabe A braucht, bleibt es besser seriell. Wenn beide dieselbe Datei, dieselbe Datenbank oder dieselbe Konfiguration anfassen, auch. Dann arbeitet der zweite Agent gegen den ersten, und ihr zahlt doppelt für dieselbe Rechnung. Daraus folgt die Ablaufkarte für jede Parallelarbeit mit KI. Erstens zerlegen: die Arbeit in möglichst unabhängige Teilstücke schneiden. Zweitens isolieren: jedem Agenten eine eigene Arbeitskopie geben. Drittens parallel laufen lassen und beobachten. Viertens konsolidieren: die Ergebnisse zusammenführen und selbst prüfen. Die eigentliche Kunst ist also nicht, mehr Agenten zu starten, sondern die Arbeit so zu schneiden, dass die Teile nichts voneinander brauchen. Wer das einmal verstanden hat, kann mit jedem Werkzeug arbeiten, das diese vier Schritte unterstützt.
Dieses Muster zeigt diese Woche ein kleines Open-Source-Projekt mit dem Namen Pi-Cowboy. Es zerlegt große Jobs in Teilaufgaben, verteilt sie an parallele Agenten und setzt die Ergebnisse am Ende wieder zusammen. Die Agenten können Claude Code, Codex oder OpenCode sein, auch gemischt in derselben Sitzung. Das Entscheidende ist Schritt zwei, die Isolation. Jeder Agent arbeitet in einem eigenen Arbeitsverzeichnis, einem sogenannten Worktree, und jeder erledigt seine Aufgabe auf einem eigenen Zweig. So können mehrere Agenten gleichzeitig bauen, testen und Dateien ändern, ohne einander zu überschreiben. Die schöne Zahl aus der Projektbeschreibung: In einem Repository mit mehr als 150.000 Dateien und 27 Gigabyte Gesamtgröße belegt ein klassisches Worktree fast 480 Megabyte. Die Copy-on-Write-Variante, die sich die unveränderten Dateien mit dem Original teilt, nur 75 Megabyte. Genau deshalb wird hohe Parallelität praktisch: Der Speicherplatz wächst nicht mit jedem zusätzlichen Agenten mit. Und ihr seid nicht an das Projekt gebunden. Das Prinzip lässt sich mit Bordmitteln nachbauen, denn Worktrees gehören zum Standard-Werkzeugkasten von Git. Ein eigener Zweig pro Agent, ein eigenes Arbeitsverzeichnis pro Agent, fertig. Sobald die Agenten fertig sind, führt ihr die Zweige zusammen, prüft die Änderungen und räumt die Arbeitsverzeichnisse wieder weg. Genau diese Struktur, zerlegen, isolieren, parallel arbeiten, zusammenführen, macht aus mehreren Agenten ein Team statt ein Chaos.
Jetzt wird es konkret, denn die Entscheidung, ob Parallelarbeit für euch etwas bringt, findet ihr in einer einzigen Stunde heraus. Vorbereitung: Ihr braucht ein Projekt mit zwei Aufgaben, die wirklich nichts miteinander zu tun haben. Zum Beispiel eine Funktion umbauen und ein Testskript ergänzen. Minute null bis fünfzehn: Ihr legt zwei Worktrees an, zum Beispiel mit dem Befehl git worktree add, und schreibt zwei Aufgabenbeschreibungen, die explizit nur die eigenen Dateien nennen. Minute fünfzehn bis fünfundvierzig: Ihr startet einen Agenten pro Worktree und lasst beide parallel laufen. Ihr beobachtet, ob sie zügig vorankommen oder ob sie ständig aufeinander warten. Minute fünfundvierzig bis sechzig: Ihr führt beide Zweige zusammen, lasst die Tests laufen und erklärt jede Änderung selbst in einem Satz. Die Erfolgsschwelle: Der Merge geht ohne Konflikte durch, die Tests bleiben grün, und ihr versteht jede Zeile, die in euer Projekt wandert. Das Abbruchkriterium: Wartet ein Agent auf Dateien des anderen, oder verbringt ihr mehr Zeit mit dem Auflösen von Konflikten als mit der eigentlichen Arbeit, dann zurück auf einen einzelnen Agenten. Die typischen Fehler sind die gleichen wie in der Theorie. Gleiche Dateien anfassen lassen, Schnittstellen nicht festlegen, Aufgaben viel zu groß schneiden. Und die klare Entscheidung: Selbst testen. Eine Stunde reicht, um zu wissen, ob zwei Agenten bei euch mehr schaffen als einer.
Der Engpass bei mehreren Agenten ist selten die Technik, sondern der Mensch, der das Ergebnis verantwortet. Drei Agenten liefern in derselben Zeit drei Ergebnisse, und irgendwer muss alle drei lesen, verstehen und abnehmen. Es gibt einen Satz, der gerade in der Agenten-Szene kursiert: Man kann das Denken auslagern, aber nicht das Verstehen. Wenn ihr also mehrere Agenten parallel arbeiten lasst, wächst gleichzeitig eure Verantwortung für das Gesamtbild. Viele übersehen genau das. Sie freuen sich über drei fertige Teilaufgaben und merken erst beim Zusammenführen, dass niemand das Ganze wirklich kennt. Deshalb gilt die Hausregel: Parallelisieren nur, wenn ihr das Sichten der Ergebnisse parallel schafft. Wer die Ergebnisse nur nacheinander lesen kann, hat durch den dritten Agenten vor allem mehr Rückstand. Im Teambetrieb gilt derselbe Grundsatz übrigens ganz unabhängig von KI. Mehr Auftragnehmer heißt nicht mehr Tempo, wenn nur eine Person abnimmt. Also: Erst die eigene Kapazität ehrlich anschauen, dann die Agenten loslassen.
Drei kurze Beobachtungen aus der Tool-Welt, die ihr direkt testen könnt. Erstens WhatsApp MCP. Ein kleiner Server, der KI-Agenten das Lesen eigener WhatsApp-Nachrichten ermöglicht, und zwar nur lesend, ohne Business-API und ohne eigenen Server. Läuft kostenlos auf Cloudflare Workers, gedacht für Einzelnutzer. Wer seinem Agenten Zugriff auf Messenger-Verläufe geben will, ohne einer Plattform die Hand zu reichen, bekommt das hier als Baukasten. Zweitens Connecting Captions. Eine Mac-App für Live-Untertitel und Übersetzung, die komplett auf dem Gerät läuft. Rund 200 Millisekunden Verzögerung, 25 Sprachen, kein Audio verlässt den Rechner. Wer Meetings dokumentieren will, ohne Tonaufnahmen in die Cloud zu schicken, findet hier einen lokalen Weg. Drittens CallSitter. Ein kleiner Bot, der Anrufe annimmt und mit mutmaßlichen Betrügern redet, bis denen die Zeit ausgeht. Klingt nach Spielerei, trifft aber ein echtes Problem, denn Telefonbetrug zielt gezielt auf Selbstständige und kleine Betriebe. Kostenlos ausprobierbar, und selbst wenn er nur einmal einen Scammer beschäftigt, war es das schon wert.
Wenn ich den Tag in einen Satz packen müsste: Mehrere Agenten sind kein Turbo, sie sind ein Team, und Teams brauchen saubere Arbeitsteilung. Nehmt diese Woche eine Stunde, legt zwei Worktrees an, gebt zwei Agenten zwei getrennte Aufgaben und schaut, was am Ende zusammenpasst. Danach wisst ihr, ob Parallelarbeit für euch Tempo bringt oder nur doppelte Arbeit. Und wenn ihr es ausprobiert, schreibt mir eine Mail, die Adresse steht in den Shownotes. Ich bin gespannt, ob bei euch zwei Agenten mehr schaffen als einer. Pfiat euch und bis morgen, eure Lissy.