Subagents oder Skills: Wann ein einzelner AI Agent besser arbeitet

Nehmen wir an, Ihr Unternehmen handelt mit Elektrotechnik und hat für den Innendienst ein Agentensystem aufgebaut. Jede Abteilung hat ihren eigenen Agenten beigesteuert: Angebote, Lager, Rechnungen, Reklamationen. Darüber verteilt ein Orchestrator die Anfragen. Das System läuft, aber es ist langsam, die Antworten widersprechen sich, und jede neue Regel landet zwischen fünf System Prompts.

Anthropic stellt dieses Muster nun in Frage. Im Beitrag „Building agents: When to fold subagents into your main agent loop“ vom 22. Oktober 2026 berichtet Diane Sarkis aus Kundenprojekten: Ein einzelner Agent mit Skills schnitt häufig besser ab als ein einziger großer Prompt und als ein Verbund aus Subagents, meist auch bei geringeren Kosten und kürzerer Laufzeit pro Aufgabe. Ein Kunde, der beide Varianten verglich, maß beim einzelnen Agent Loop eine etwa doppelt so schnelle Laufzeit.

Ein Subagent ist ein eigenständiger Agent mit eigenem System Prompt und eigenem Context Window (Kontextfenster), den ein Hauptagent für eine Teilaufgabe startet und von dem er nur das Ergebnis zurückbekommt. Ein Skill ist ein Paket aus Beschreibung und Anweisungen, das der Hauptagent erst in seinen Kontext lädt, wenn er es braucht. Wann welche Form besser passt, lässt sich mit wenig Aufwand messen.

Warum Agententeams dem Organigramm gleichen

Solche Systeme entstehen laut Anthropic meist auf dieselbe Weise: Jedes Team baut seine eigenen Subagents, jemand setzt einen Orchestrator darüber, und am Ende ist die Agentenarchitektur eine Kopie des Organigramms. In der Softwareentwicklung ist das als Conway’s Law bekannt: Systeme bilden die Kommunikationsstruktur der Organisation ab, die sie baut.

Bei jeder Übergabe zwischen Agenten gehen Details verloren, weil der nächste Agent nur sieht, was ihm ausdrücklich mitgegeben wird. Und jedes Team ergänzt im gemeinsamen System Prompt noch einen Satz, bis sich die Regeln widersprechen. Anthropic nennt das Ergebnis „Frankenprompt“.

Walden Yan von Cognition hat das Übergabeproblem schon im Juni 2025 in „Don’t Build Multi-Agents“ beschrieben: Zwei Subagents bauen gemeinsam einen Flappy-Bird-Klon, und der Vogel des einen passt nicht zum Hintergrund des anderen. Beim Elektrohändler meldet der Lager-Agent „lieferbar“, dem Angebots-Agenten fehlt die Rahmenvereinbarung des Kunden, und im Angebot steht der Listenpreis.

Progressive Disclosure: Kontext nur bei Bedarf

Lange war das begrenzte Context Window der wichtigste Grund, Arbeit auf Subagents zu verteilen. Progressive Disclosure löst das auf andere Weise: Der Agent sieht zunächst nur eine kurze Beschreibung jedes Skills und Tools und lädt den vollständigen Inhalt erst, wenn eine Aufgabe ihn erfordert. Laut Claude-Code-Dokumentation kostet deshalb auch umfangreiches Referenzmaterial in einem Skill kaum etwas, solange es nicht gebraucht wird.

Am eigenen Produkt lässt sich die Wirkung ablesen. Für die leistungsfähigeren Modelle wurde der System Prompt von Claude Code um über 80 % gekürzt, darunter Teile zu Skills und Tools, die nun schrittweise nachgeladen werden. Wie sich ein überfülltes Kontextfenster auf die Qualität auswirkt, beschreibt unser Beitrag zum Context Engineering.

Warum die Harness mit dem Modell schrumpfen kann

Viele Subagents und lange System Prompts wurden für Modelle geschrieben, die eine Aufgabe ohne diese Stützen nicht geschafft hätten. Jediah Katz, früher im Harness-Team von Cursor, beschreibt in seinem Vortrag „Is the Agent Harness Dead?“ einen Kreislauf: Die Harness, also das Gerüst aus Prompts, Tools und Regeln rund um das Modell, gleicht Schwächen aus, neue Modelle lernen aus diesen Mustern, und danach kann ein Teil des Gerüsts weg. Katz verweist auf zwei Studien, in denen die Wahl der Harness die Coding-Ergebnisse neuerer Modelle kaum veränderte. Bei den Kosten pro Aufgabe zeigten sich dagegen deutliche Unterschiede.

Der Anthropic-Beitrag rät zu einem nüchternen Vorgehen: messen, jeweils nur eine Sache ändern, behalten, was sich bewährt. Ein Subagent ist in diesem Bild eine Stütze, die wegfallen kann, sobald der Hauptagent die Aufgabe selbst erledigt.

Welche Subagents Sie zusammenführen können

Anthropic empfiehlt, mit Subagents zu beginnen, die auf dem Ergebnis des jeweils anderen aufbauen, auf dieselben Daten zugreifen oder häufig gemeinsam aufgerufen werden. Beim Elektrohändler trifft das auf Angebot und Lager zu. Kaum ein Angebot entsteht ohne Bestandsabfrage, und beide lesen dieselben Artikelstammdaten.

Der Beitrag nennt auch die Fälle, in denen ein Subagent seinen Platz behält: wenn der Kontext des Hauptagenten messbar unter zu viel Material leidet, wenn mehrere Aufgaben parallel mit frischem Kontext laufen sollen oder wenn ein einzelner Agent bei der Tool-Auswahl danebengreift. Dazu kommt die modulare Vergabe von Berechtigungen: Ein Reklamations-Agent, der Gutschriften im ERP buchen darf, bleibt besser eigenständig, damit diese Berechtigung nicht beim Hauptagenten liegt.

Am deutlichsten zeigt sich der Nutzen bei paralleler Recherche. Anthropics Multi-Agent-Recherchesystem mit Claude Opus 4 als leitendem Agenten und Claude Sonnet 4 als Subagents schnitt im Juni 2025 in einer internen Recherche-Evaluation um 90,2 % besser ab als ein einzelner Agent mit Claude Opus 4. Solche Systeme verbrauchen laut Anthropic allerdings etwa 15-mal so viele Tokens wie ein Chat. Für eng verzahnte Schritte mit viel Abstimmung lohnt sich dieser Aufwand selten.

So testen Sie das Zusammenführen

Vor dem Umbau brauchen Sie ein kleines Eval, also feste Testaufgaben mit Prüfkriterien. Anthropic hält zehn ausgewählte Beispielaufgaben für einen ausreichenden Start und rät, jede Aufgabe mehrmals laufen zu lassen. Halten Sie fest, ob der richtige Subagent aufgerufen wurde und ob das Ergebnis die Kriterien erfüllt.

In Claude Code besteht eine Subagent-Datei aus einer Beschreibung und einem System Prompt, ein Skill aus einer Beschreibung und Anweisungen. Der System Prompt des Subagents wird zum Inhalt einer neuen SKILL.md, die Beschreibung sagt künftig, was der Skill tut und wann er gebraucht wird. Verschieben Sie die alte Subagent-Datei in einen anderen Ordner und wiederholen Sie dieselben Aufgaben in einer frischen Sitzung. Der Subagent bleibt nur, wenn die zusammengeführte Version schlechter abschneidet, so die Regel aus dem Anthropic-Beitrag. Nehmen Sie sich dabei immer nur einen Subagent vor, sonst bleibt offen, welche Änderung gewirkt hat.

Auch Skills und CLAUDE.md gehören zur Harness

Dieselbe Logik gilt für alles, was Ihr Agent bei jeder Anfrage mitliest. Laut Claude-Code-Dokumentation belegt jeder Skill in der Liste in jedem Turn Platz im Kontext, auch wenn Claude ihn nie verwendet. Der Befehl /skill-doctor zeigt, was jeder Skill kostet und wie oft er genutzt wird, als Grundlage für Ihre Entscheidung, welche Sie abschalten. Für Ihre CLAUDE.md oder AGENTS.md hilft eine Frage pro Zeile: Würde das aktuelle Modell das auch ohne Anweisung tun?

Skills können außerdem unnötige Arbeit erzeugen. Forschende von Microsoft Research, Microsoft und zwei Universitäten stellen in einer Studie vom August 2026 fest, dass Skills Prüflisten und Bauanleitungen oft in Pflichtarbeit verwandeln. Häufigste Ursache übertriebener Prozeduren war überflüssige Verifikation mit 67 Fällen. Verlangt ein Skill immer die komplette Testsuite, läuft sie womöglich auch bei einer geänderten Button-Beschriftung. Lassen Sie dem Modell Spielraum, den Aufwand an die Aufgabe anzupassen.

Kürzen allein senkt die Rechnung allerdings nicht. Xiaonan Xu und Wenjing Wu haben im Juli 2026 Skills um bis zu 54 % gekürzt, und die Kosten pro Aufgabe blieben gleich oder stiegen leicht. Ein Skill ist nur ein kleiner, größtenteils gecachter Teil dessen, was der Agent verarbeitet.

Was für Subagents spricht

Eine Studie vom September 2026 kommt bei langen Agentenaufgaben zum umgekehrten Ergebnis: Werden Skill-Pakete als Subagents mit frischem Kontext ausgeführt, schneiden sie besser ab als geladene Skills, sofern die Pakete klare Ein- und Ausgaben definieren. Der Preis sind zusätzliche Tokens für die Abstimmung. Der Anthropic-Beitrag wiederum beruht auf Erfahrungen aus Kundenprojekten. Ob die Empfehlung für Ihr System gilt, zeigt erst Ihre eigene Messung.

Für den Elektrohändler könnte das Ergebnis so aussehen: Angebot und Lager werden zu Skills eines Hauptagenten, der Reklamations-Agent bleibt wegen seiner Buchungsrechte eigenständig, und für die Suche in Herstellerdatenblättern startet der Hauptagent bei Bedarf parallele Subagents.

Häufige Fragen zu Subagents und Skills

Was ist der Unterschied zwischen einem Subagent und einem Skill? Ein Subagent arbeitet in einem eigenen Context Window und gibt dem Hauptagenten nur sein Ergebnis zurück. Ein Skill wird in den Kontext des Hauptagenten geladen, sobald er gebraucht wird. Bis dahin sieht der Agent nur die kurze Beschreibung.

Sind Subagents damit überholt? Für parallele Recherche, getrennte Berechtigungen und materialreiche Aufgaben bleiben sie sinnvoll. Zusammenführen lohnt sich bei Subagents, die eng zusammenarbeiten und dieselben Daten nutzen.

Wie viele Testfälle brauche ich für den Vergleich? Anthropic hält zehn gut ausgewählte Beispiele für einen ausreichenden Start, jeweils mehrfach ausgeführt. Wichtiger als die Menge ist, dass die Fälle Ihre typischen Anfragen abdecken.

Sie planen AI Agents für Ihr Unternehmen oder wollen ein bestehendes Agentensystem vereinfachen? Wir helfen Ihnen, die passende Architektur zu finden und mit Evals abzusichern.