Subagenten und parallele Arbeit in Claude Code: So führen Sie mehrere Aufgaben gleichzeitig aus

1. Was sind Subagenten in Claude Code: vom sequenziellen zum parallelen Denken

Eine Standard-Arbeitssitzung von Claude Code funktioniert in einem streng sequenziellen Modus (Single-Threaded Event Loop). Der Benutzer sendet eine Anfrage, der Agent liest den Kontext, führt eine Suche durch, bearbeitet Dateien, startet Linter oder Tests und erst nach Abschluss der gesamten Kette geht er zur nächsten Aufgabe über. Wenn ein Projekt skaliert wird und der Entwickler vor Dutzenden voneinander unabhängigen Aufgaben steht, führt dieser sequenzielle Ansatz zu unnötigen Zeitverzögerungen und einer schnellen Überlastung des Kontextfensters.

Um diese Einschränkung zu überwinden, wurde das Konzept der Subagenten in die Architektur von Claude Code integriert – isolierte, autonome Arbeitsinstanzen des Modells, denen unabhängige Fragmente der Gesamtaufgabe delegiert werden.

Schlüsselmerkmale eines autonomen Subagenten

• Eigenes isoliertes Kontextfenster: Der Subagent ist nicht mit der langen Dialoghistorie der Hauptsitzung belastet und konzentriert sich ausschließlich auf die zugewiesene Task.
• Gemeinsamer Zugriff auf das Dateisystem: Der Subagent kann die Verzeichnisstruktur, Projektkonfigurationen und Quellcodedateien mit denselben Rechten wie der Hauptprozess lesen.
• Asynchrone Ausführung: Mehrere Subagenten arbeiten gleichzeitig und verkürzen die gesamte Ausführungszeit (Wall-Clock Time) proportional zur Anzahl der parallelen Threads.
• Automatische Aggregation: Nach Abschluss der Arbeit erstellt der Subagent eine strukturierte Zusammenfassung, gibt sie an die Elternsitzung zurück und gibt die reservierten Ressourcen frei.

2. Kriterien für Parallelisierung: Wann Aufgaben aufteilen und wann sequenziell arbeiten

Parallelisierung ist kein universelles Allheilmittel. Ihre Effizienz hängt direkt vom Grad der gegenseitigen Unabhängigkeit der Aufgaben ab. Der Versuch, miteinander verbundene Schritte parallel auszuführen, führt unvermeidlich zu Race Conditions und logischen Kollisionen.

Wann Parallelisierung kontraindiziert ist

1. Kaskadierende Ergebnisabhängigkeiten: Wenn Schritt B die Ausgabedaten von Schritt A verwendet. Beispiel: Erst das Datenbank-Schema auditieren, die neue Struktur entwerfen und erst danach die Prisma-Migration generieren.
2. Gemeinsame Punkte der Dateimodifikation: Wenn Agent 1 und Agent 2 gleichzeitig versuchen, Änderungen in dieselbe Datei app.ts oder package.json einzufügen, wird einer der Schreibvorgänge überschrieben oder beschädigt.
3. Aufgaben, die iteratives menschliches Feedback erfordern: Wenn die Anforderungen nicht endgültig festgelegt sind und der Entwickler ständig den Kurs über Klärungsfragen korrigieren muss, sollte die Aufgabe in einer interaktiven Einzelsitzung verbleiben.

3. Architektur und Mechanik des Starts von Subagenten über das Task Tool

Im Inneren der Claude Code Engine erfolgt die Orchestrierung der Subagenten über das systemweite Task Tool. Wenn das Modell in der Hauptsitzung erkennt, dass die Aufgabe aus isolierten Komponenten besteht, initiiert es untergeordnete Hintergrundprozesse.

Der Benutzer muss normalerweise nicht manuell systemweite JSON-Anweisungen für das Task Tool aufrufen – es reicht aus, die Aufteilung in der Anfrage klar zu formulieren oder Claude Code die Aufgabe selbstständig dekomponieren zu lassen.

Architektur des Starts von Claude Code Subagenten und Aggregation der Ergebnisse in die Hauptsitzung ЗбільшитиArchitektur des Starts von Claude Code Subagenten und Aggregation der Ergebnisse in die Hauptsitzung

Lebenszyklus der parallelen Ausführung

1. Task-Disposition: Die Hauptsitzung erhält einen komplexen Prompt (z. B. das Schreiben von Tests für fünf Utilities: auth.ts, validation.ts, formatting.ts, api-client.ts, cache.ts).
2. Bildung untergeordneter Kontexte: Es werden separate Subagenten erstellt, jeder erhält eine persönliche Aufgabe und den Pfad zur Zieldatei.
3. Autonome Arbeit: Jeder Agent liest parallel den Quellcode seines Moduls, untersucht Datentypen, generiert den entsprechenden Testsatz und prüft dessen Ausführung.
4. Rückführung (Aggregation): Die Hauptsitzung wartet auf den Abschluss aller Threads, erhält die finalen Ausführungsstatus und präsentiert dem Entwickler einen konsolidierten Bericht.

4. Gemeinsamer vs. isolierter Kontext: Was sehen Subagenten

Die häufigste Fehlerquelle bei Einsteiger-Entwicklern ist die Annahme, dass Subagenten eine telepathische Verbindung untereinander haben oder alles wissen, was im 50. Schritt des Hauptdialogs besprochen wurde. Tatsächlich hält sich das Modell an eine klare Politik der Gedächtnistrennung.

Gemeinsamer und isolierter Kontext von Subagenten: Was allen Agenten zugänglich ist und was privat bleibt ЗбільшитиGemeinsamer und isolierter Kontext von Subagenten: Was allen Agenten zugänglich ist und was privat bleibt

Sicherstellung der Sicherheit beim Dateischreiben (Write Ownership)

Um Beschädigungen der Codebasis bei paralleler Arbeit zu vermeiden, halten Sie sich an das Prinzip des einzelnen Dateibesitzers:

5. Muster für die Formulierung von Prompts zum Start paralleler Agenten

Obwohl Claude Code Heuristiken zur Erkennung paralleler Aufgaben besitzt, beseitigt eine explizite Anweisung zur gleichzeitigen Ausführung jede Mehrdeutigkeit und optimiert die Dispositionszeit.

Beispiele für effektive Anfragenformulierung

6. Vier Schlüsselarchitekturen für parallele Arbeit: Fertige Patterns

Die praktische Erfahrung der Teamautomatisierung mit Claude Code hat vier hocheffiziente architektonische Patterns für die parallele Orchestrierung kristallisiert.

Research Fan-Out (Paralleles Recherchieren)

Wird verwendet, wenn für eine technische Entscheidung mehrere alternative Bibliotheken, Technologien oder Architekturansätze gleichzeitig analysiert werden müssen. Jeder Agent recherchiert einen spezifischen Stack nach standardisierten Kriterien (Pro, Contra, Lizenzkompatibilität, Bundle-Größe), woraufhin die Hauptsitzung eine Vergleichsmatrix synthetisiert.

Audit Swarm (Multidisziplinäres Audit)

Eines der ressourcenschonendsten Patterns hinsichtlich der Zeitersparnis. Anstatt dass ein Agent das gesamte Repository viermal hintereinander für verschiedene Prüfungen liest, werden vier spezialisierte Agenten gleichzeitig gestartet. Da das Audit ausschließlich im Read-only-Modus erfolgt, besteht kein Risiko von Konflikten beim Dateischreiben.

Batch Processor (Batch-Refactoring)

Wird bei großen Migrationen angewendet, wenn eine identische Transformation auf einem großen Array unabhängiger Dateien durchgeführt werden muss:

• Konvertierung veralteter React Class-Komponenten in Functional Hooks im Verzeichnis src/components/.
• Umschreiben von Tests von Jest auf Vitest.
• Aktualisierung der Imports alter Utilities nach deren Auslagerung in ein Monorepo.

Feature Sprint (Parallele Entwicklung unabhängiger Features)

Die gleichzeitige Entwicklung mehrerer autarker UI-Module oder API-Endpunkte. Zum Beispiel:

• Agent 1 implementiert den Dark-Mode-Toggle (ThemeToggle.tsx + entsprechender Context).
• Agent 2 entwickelt das globale Suchformular (SearchBar.tsx + Search-Hook).
• Agent 3 erstellt das Dropdown-Menü für Benachrichtigungen (NotificationsDropdown.tsx).

7. Paralleler Start über CLI: Headless-Modus und Flag -p

Neben der interaktiven Claude Code Sitzung existiert ein mächtiges Werkzeug für die Systemautomatisierung – der Start von Claude im Headless-Modus (nicht-interaktiv) über das Flag -p (--print). In diesem Modus erhält der Agent den Prompt als Kommandozeilenargument, führt die Aufgabe in einem isolierten Terminalprozess aus und druckt das Ergebnis.

Dies ermöglicht die Nutzung der Standard-Funktionen für Hintergrundprozesse in Unix-ähnlichen Shells (&) sowie des Synchronisations-Utilities wait.

Vorteile der CLI-Parallelisierung

• Null menschliche Aufsicht: Ideal für nächtliche CI/CD-Skripte, die Vorbereitung von Testsätzen oder die Vorabgenerierung von Dokumentation.
• Echte OS-Isolation: Jeder claude-Prozess läuft in einem separaten Adressraum des Betriebssystems.
• Logging in Dateien: Die Ausgabe jedes Prozesses kann leicht in eine eigene Log-Datei umgeleitet werden: claude -p "..." > logs/auth.log 2>&1 &.

8. Token-Ökonomie, API-Limits und Kostenoptimierung

Parallele Arbeit spart drastisch Ingenieurszeit, erfordert jedoch strenge finanzielle Kontrolle. Jeder Subagent erstellt sein eigenes Kontextfenster, daher erhöht der parallele Start von $N$ Agenten den Tokenverbrauch ungefähr um den Faktor $N$.

Vier Regeln zur Kontrolle des Token-Budgets

1. Eng definiertes Scope: Geben Sie dem Agenten keinen allgemeinen Auftrag wie „Mach Ordnung in den Projekttests“. Formulieren Sie konkret: „Schreibe 3 Unit-Tests für die Funktion parseJwt in src/utils/auth.ts“.
2. Dateifilterung: Wenn das Projekt große Verzeichnisse enthält (z. B. generierte Typen oder Mocks), stellen Sie sicher, dass sie in .gitignore oder .claudeignore aufgenommen sind, damit Subagenten keine unnötigen Megabytes Text lesen.
3. Nutzung von -p für triviale Aufgaben: Der nicht-interaktive Start verhindert die Ansammlung von Gesprächshistorie und gibt das Ergebnis ohne unnötigen Dialogballast aus.
4. Zusammenlegung zu kleiner Tasks: Einen separaten Subagenten für die Änderung einer einzigen CSS-Zeile zu erstellen, ist unwirtschaftlich – die Initialisierungskosten der Sitzung übersteigen den Nutzen.

9. Praktischer Workshop: Schrittweise Implementierung von Tests bis zum Audit Swarm

Festigen wir das erworbene Wissen in einem realen praktischen Workshop mit schrittweiser Ausführung.

Schritt 1. Auswahl isolierter Module und Vorbereitung

Wählen Sie in Ihrem Repository drei Utility-Module aus, die keine zyklischen oder gegenseitigen Imports haben:

• src/utils/auth.ts
• src/utils/validation.ts
• src/utils/formatting.ts

Stellen Sie sicher, dass die entsprechenden Testdateien fehlen oder aktualisiert werden müssen.

Schritt 2. Formulierung und Start des parallelen Prompts

Öffnen Sie eine interaktive Claude Code Sitzung im Terminal des Projekts und geben Sie eine strukturierte Anfrage ein:

Schritt 3. Monitoring und Überprüfung der Ergebnisse

Beobachten Sie die Konsolenausgabe. Sie werden sehen, wie Claude Code untergeordnete Tasks initiiert, den Code jedes Moduls unabhängig verarbeitet und die Beendigung jedes Unterprozesses signalisiert.

Nach Abschluss führen Sie die Prüfung in Ihrem Terminal aus:

Alle drei neuen Testsätze sollten die Validierung erfolgreich bestehen, ohne Konflikte in der Codebasis.

Schritt 4. Start des Audit Swarm zur Qualitätsbewertung

Der nächste Schritt ist das Testen des analytischen Patterns Audit Swarm. Senden Sie folgende Anfrage:

10. Zusammenfassende Cheatsheet und Checkliste für die Bereitschaft zur Parallelisierung

Speichern Sie diese Checkliste vor dem Start umfangreicher paralleler Pipelines in Claude Code.

Checkliste für die Bereitschaft zum parallelen Start

• Unabhängigkeit der Tasks: Keine Aufgabe wartet auf ein Zwischenergebnis eines anderen parallelen Agenten.
• Isolation des Dateischreibens: Jeder Agent schreibt Daten in seine eigene neue oder isolierte Datei; kein Kampf um gemeinsame Konfigurationsdateien.
• Enge Formulierung der Prompts: Klare Eingabe- und Ausgabedateien, Technologie-Stack und Erfolgskriterien sind definiert.
• Wirtschaftliche Rechtfertigung: Der Vorteil durch verkürzte Ausführungszeit übersteigt die Kosten für die Duplizierung des Basiskontexts.
• Vorbereitung der Umgebung: Alle externen schweren Verzeichnisse sind über .claudeignore aus dem Kontext ausgeschlossen.

Schnelle Matrix zur Werkzeugwahl

11. Empfohlene weiterführende Materialien

Um Ihr Wissen über die Arbeit mit dem Claude-Ökosystem und der Prozessautomatisierung zu vertiefen, empfehlen wir unsere neuen Guides:

• 🚀 Claude Code Projects: Wie ein KI-Agent ein Team autonomer Agenten koordiniert →
• 📊 Claude + Excel für Logistiker: 10 fertige Szenarien für Tarif- und Kostenaudits →
• ⚡ Claude + Notion für Business: Automatisierung von CRM und Aufgaben in 30 Minuten →
• 🤖 Autonomer KI-Operator in Telegram 24/7: Architektur und 10 funktionierende Szenarien →