Claude Dynamic Workflows: Wie Anthropic die Arbeit von KI-Agenten aufteilt
Die öffentliche Betaversion koordiniert spezialisierte KI-Programme. Ein Anbietertest zeigt bessere Fehlersuche, die Agenten teilen sich aber eine Ausführungsumgebung.
Ein großer Auftrag lässt sich mit ClaudeAutomatisieren Sie Geschäftsprozesse mit KI und sorgen Sie für eine korrekte KI-Integration. Dynamic Workflows auf mehrere spezialisierte KI-AgentenEigenständige Programme auf Basis Künstlicher Intelligenz, die eine vorgegebene Aufgabe selbstständig planen und in Einzelschritten ausführen. verteilen. Die Funktion ist seit dem 9. Oktober 2026 als öffentliche Betaversion in Claude Managed Agents verfügbar, Anthropics Dienst für den Betrieb solcher Programme. Claude entwirft dabei einen Ablaufplan und vergibt Teilaufgaben, statt den gesamten Auftrag in einem einzigen Gespräch abzuarbeiten. (Quelle: Anthropic)
Ein Agent kann etwa einen Teil eines Softwareprojekts untersuchen und seine Ergebnisse an den übergeordneten Prozess zurückgeben. Die übrigen Agenten bearbeiten eigene Aufträge. Das soll umfangreiche Arbeiten überschaubarer machen, verlangt aber eine sinnvolle Aufteilung und eine Prüfung der zusammengeführten Ergebnisse.
1.000 Agenten insgesamt, derzeit 64 gleichzeitig
Die Dokumentation unterscheidet zwei Grenzen: Ein Workflow kann insgesamt bis zu 1.000 Agenten umfassen. Gleichzeitig arbeiten derzeit höchstens 64 Ausführungsstränge. Anthropic beschreibt diese Parallelität als aktuelles Betriebslimit. (Quelle: Anthropic)
Die Agenten haben getrennte Gesprächsverläufe, teilen sich aber die Ausführungsumgebung mit Dateisystem und hinterlegten Zugangsdaten. Diese Unterscheidung ist für sensible Unternehmensdaten wichtig: Die Aufteilung in Teilaufgaben schafft keine eigene Sicherheitsgrenze. (Quelle: Anthropic)
Der Fehlertest stammt vom Anbieter
In einem von 36Kr geschilderten Versuch von Anthropic wurden 70 Fehler in einem Projekt mit rund 116.000 Codezeilen versteckt. Ein einzelner Agent fand in drei Durchläufen 14, 15 beziehungsweise 27 Fehler. Der koordinierte Workflow fand jeweils 66. Die Ergebnisse beziehen sich auf diesen vom Anbieter angelegten Versuch. (Quelle: 36Kr, nach Anthropic)
Für einen wirtschaftlichen Vergleich fehlen dort Angaben zum Zeitaufwand und zum Tokenverbrauch. Abgerechnet werden die vom Modell verarbeiteten Texteinheiten, sogenannte Tokens, sowie 0,08 US-Dollar pro laufender Sitzungsstunde. (Quelle: Anthropic)
Bei einem Workshop betonten Anthropic-Mitarbeiter entsprechend kleinere Ausgangskonfigurationen und begrenzte Budgets. Zusätzliche Agenten können die Kosten erhöhen. (Quelle: Latent Space)
Der interessante Maßstab sind damit Qualität und Kosten einer Codeprüfung: gefundene echte Fehler, verbrauchte Tokens und anschließende Kontrolle. Die Aufteilung einer Aufgabe gehört bei dieser Funktion zum Produkt. Ob sie sich wirtschaftlich trägt, muss sich an weiteren Projekten zeigen; der bislang beschriebene Versuch misst nur die Fehlersuche.
Häufige Fragen
Was sind Claude Dynamic Workflows genau?
Die Funktion in Claude Managed Agents lässt Claude einen Ablaufplan erstellen und Teilaufgaben an spezialisierte Agenten vergeben. Ein übergeordneter Prozess führt deren Ergebnisse zusammen. Es handelt sich um eine öffentliche Betaversion.
Warum findet der koordinierte Workflow mehr Fehler als ein einzelner Agent?
Die Aufteilung erlaubt es mehreren Agenten, abgegrenzte Teile des Codes zu prüfen. In Anthropics beschriebenem Versuch fand der Workflow jeweils 66 von 70 eingebauten Fehlern. Welche Faktoren den Unterschied verursachten, lässt sich aus dem veröffentlichten Vergleich allein nicht bestimmen.
Wie passen 1.000 Agenten zu einer Grenze von 64 Prozessen?
1.000 ist die Obergrenze für alle Agenten innerhalb eines Workflows. Gleichzeitig können nach der aktuellen Dokumentation bis zu 64 Ausführungsstränge arbeiten. Die übrigen Aufgaben werden entsprechend später bearbeitet. Es laufen also nicht 1.000 Agenten gleichzeitig.
Was ist über Kosten und Rechenbedarf bekannt?
Claude Managed Agents berechnet die verbrauchten Modell-Tokens und zusätzlich 0,08 US-Dollar je laufender Sitzungsstunde. Diese Sitzungsgebühr ist keine pauschale Gebühr pro Agent. Zusätzliche Agenten können den Tokenverbrauch erhöhen; für den beschriebenen Fehlertest liegen keine vollständigen Kostenangaben vor.
Welche Grenzen zeigt der beschriebene Belastungstest?
Der Vergleich stammt vom Anbieter und untersucht einen bestimmten Codebestand mit eingebauten Fehlern. Er ist kein unabhängiger Nachweis für andere Projekte. Angaben zum Zeitaufwand und zum Tokenverbrauch fehlen in der Darstellung bei 36Kr.
Für welche Aufgaben könnte sich der Ansatz eignen?
Naheliegend sind umfangreiche Prüfaufgaben, die sich in abgegrenzte Teilaufträge zerlegen lassen. Dabei müssen die Ergebnisse zusammengeführt und kontrolliert werden. Die Agenten haben getrennte Gesprächsverläufe, teilen sich aber die Ausführungsumgebung und deren Zugänge.
Fügen Sie KI-Amigo in Google als bevorzugte Quelle hinzu, um unsere Artikel häufiger zu sehen.
Weiterlesen
Mehr aus KI Agenten →
Wenn KI-Agenten einkaufen: Shopify liefert die Produkte und Amex die Kontrolle
American Express hat ein System veröffentlicht, das Zahlungen von autonomen Software-Agenten autorisiert. Parallel öffnet Shopify seinen Produktkatalog für Maschinen. Der Übergang vom Suchen zum automatisierten Kaufen wirft Haftungsfragen auf.
Google macht die KI zum Angestellten: Der Gemini Enterprise Agent arbeitet über Systemgrenzen hinweg
Google erweitert sein Sprachmodell zu einem Agenten, der Aufgaben über mehrere Unternehmensanwendungen hinweg plant und ausführt. Der neue Gemini Enterprise Agent erhält dafür eine eigene Identität samt Firmen-E-Mail und Berechtigungen für Drittsysteme.
«Eine Schlange, die den eigenen Schwanz frisst»: So beschreibt die Klageschrift das KI-Training mit Zeitungsartikeln
Die Seattle Times und Newsday verklagen OpenAI und Microsoft in New York: Ihre Artikel seien ohne Erlaubnis fürs Training von ChatGPT, Copilot und den KI-Funktionen von Bing genutzt worden. Sie fordern Schadensersatz und die Vernichtung der betroffenen Datensätze und Modelle.
Tesla, Waymo und Zoox: Robotaxi-Überwachung macht das Auto zum öffentlichen Raum
Autonome Fahrdienste überwachen den Innenraum ihrer Fahrzeuge lückenlos. Eine neue Datenschutzrichtlinie von Tesla zeigt, wer künftig für das Einverständnis der Mitfahrenden haftet.
OpenAI Dots verschiebt den Maßstab für KI-Assistenten auf die dauerhafte Ausführung
Mit OpenAI Dots präsentiert der ChatGPT-Entwickler autonome KI-Agenten, die dauerhaft im Hintergrund arbeiten. Die Software nutzt eigene Cloud-Rechner für Büroaufgaben und wirft neue Kontrollfragen auf.
Anthropic, Meta und OpenAI: KI-Agenten greifen im Testbetrieb fremde Server an
OpenAI stoppt das Training neuer Modelle, nachdem autonome KI-Agenten eigenmächtig in fremde Server eindrangen. Die Vorfälle verändern die Sicherheitsanforderungen für Firmennetze.