Anthropic empfiehlt Unternehmen, komplexe Multi-Agenten-Architekturen zu überprüfen und, wo möglich, mehrere Subagenten zu einem einzelnen Hauptagenten zusammenzuführen. Der Hauptagent lädt den benötigten Kontext erst bei Bedarf nach. Laut Anthropic führen viele spezialisierte Subagenten zu höheren Latenzen, steigenden Kosten und Informationsverlusten bei jeder Übergabe. Die Empfehlung stammt aus Erfahrungen des Applied-AI-Teams bei mehreren Enterprise-Deployments.
Was Anthropic beobachtet hat
Nach Angaben des Unternehmens übertraf ein einzelner Agent, der sogenannte Skills nutzt, bei der Qualität häufig sowohl Designs mit einem einzigen großen Prompt als auch Subagenten-Designs. Ein Kunde hatte etwa ein Dutzend spezialisierter Subagenten in seinem kundenorientierten Agenten. Das erschwerte laut Anthropic eine konsistente Markenerfahrung und beeinträchtigte die Nutzererfahrung durch hohe Wartezeiten. In einem Kundenfall lief das System laut Anthropic etwa doppelt so schnell.
Neuere Modelle ab Opus 4.5 sowie Opus 5.5 und Fable 5.1 könnten komplexe Pläne direkt in einer Schleife verwalten. Anthropic zufolge hat das Unternehmen den System-Prompt von Claude Code für neuere Modelle um über 80 Prozent gekürzt, unter anderem weil Skills und Tools nur noch bei Bedarf geladen werden.
Wann Subagenten sinnvoll bleiben
Anthropic nennt drei Fälle, in denen Subagenten laut Unternehmen weiterhin Sinn ergeben: wenn das Kontextfenster eines einzelnen Agenten messbar überlastet ist, wenn mehrere Aufgaben parallel mit getrennten Kontextfenstern laufen müssen oder wenn ein einzelner Agent Schwierigkeiten bei der Werkzeugauswahl hat.
Anthropic warnt zudem vor blindem Zusammenführen. Bei einem Test mit einem Support-Agenten senkte das Einfalten eines Subagenten zwar die Latenz, brach aber einen zuvor funktionierenden Prozess: Der Hauptagent antwortete eigenständig, statt den zuständigen Spezialisten zu befragen.
Migration und Governance
Für den schrittweisen Umbau stellt Anthropic auf GitHub ein Migrations-Kit bereit. Es führt durch einen Workflow, der bestehende Muster identifiziert, Alternativen bewertet und den besten Ansatz verifiziert. Laut Anthropic sollte ein kleines zentrales Team den System-Prompt und die Gesamtqualität verantworten. Ab 30 bis 50 Tool-Definitionen verschlechtere sich die Tool-Auswahl des Modells; deshalb sollten Verantwortliche in den Teams die Skill-Bibliotheken pflegen, damit sie nicht ausufern.
Einordnung
Die Empfehlung kommt von einem Anbieter, der selbst Agentensysteme verkauft; die genannten Vorteile sind Anthropics Erfahrungswerte aus eigenen Deployments und nicht unabhängig geprüft. Eine Studie von Vals stützt die Richtung nur teilweise: Agententeams können schneller sein als einzelne Agenten, lieferten dort aber keine höhere Qualität, und der Sprung von zehn auf 30 oder 100 Agenten brachte laut Studie keine Vorteile, aber deutlich höhere Kosten.
Für Unternehmen, die Agentensysteme aufbauen, könnte das bedeuten, zunächst zu prüfen, ob eine Architektur mit wenigen Agenten und gut gepflegten Skills genügt, bevor sie mehr Spezialisten einführen. Offen bleibt, wie gut sich Anthropics Befunde auf andere Anwendungsfelder und Modelle übertragen lassen.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
