Claude Code & Agenten-Teams: Wie KI-Agenten die Arbeitswelt revolutionieren
Doris Margraf ·
Erfahren Sie, wie Anthropics Claude Code und autonome Agenten-Teams den Software-Markt verändern und was Unternehmen jetzt tun müssen.
Die Entwicklung der Künstlichen Intelligenz hat einen kritischen Wendepunkt erreicht. Während viele die aktuellen Fortschritte noch als reinen Hype abtun, verschiebt sich gerade das fundamentale Fundament unserer Arbeitsweise. Ein einziges KI-Tool – Claude Code von Anthropic – hat in kürzester Zeit bewiesen, dass KI-Agenten ihre Produktionsreife erreicht haben.
Auf ainow.ch beleuchten wir, wie diese neue Technologie funktioniert, warum sie die Finanzmärkte erschüttert und wie Unternehmen sogenannte Agenten-Teams in der Praxis einsetzen können.
Der KI-Schock: Milliardenverluste an der Börse durch autonome Agenten
Die Auswirkungen von autonomen KI-Systemen sind bereits messbar – und zwar an der Wall Street. Die Einführung von Claude Code löste Ende Januar einen historischen Ausverkauf bei Software-Aktien aus, bei dem an einem einzigen Tag fast 300 Milliarden Dollar an Wert vernichtet wurden. Der Grund: Die Erkenntnis, dass teure Spezialsoftware obsolet wird, wenn eine KI dieselbe Arbeit mit Open-Source-Plugins erledigen kann.
Noch aufschlussreicher war der darauffolgende Einbruch im Cybersecurity-Sektor. Dort radierte Claude Code weitere 15 Milliarden Dollar Marktwert bei Branchengrössen wie Crowdstrike und Cloudflare aus. Dem KI-Tool war es gelungen, völlig autonom über 500 bisher unbekannte Sicherheitslücken in Open-Source-Projekten aufzuspüren, deren Schweregrad zu bewerten und sofort Patches vorzuschlagen. Es handelte sich um Schwachstellen, die menschliche Sicherheitsexperten zuvor übersehen hatten.
Programmierer vor dem Aus? Der rasante Anstieg der KI-Autonomie
Um zu messen, wie gut KI-Agenten wirklich sind, nutzt die Organisation METR (Model Evaluation and Threat Research) den sogenannten Time Horizon Benchmark. Dieser misst, wie lange ein Agent autonom an Software-Aufgaben arbeiten kann, bevor er menschliche Hilfe benötigt.
Die Entwicklungskurve ist atemberaubend:
Ende 2022 (ChatGPT): ca. 30 Sekunden autonome Arbeitsfähigkeit.
November 2023 (Claude Opus 4.5): 320 Minuten.
Heute (Claude Opus 4.6): 870 Minuten.
Das bedeutet eine Verdopplung der autonomen Leistungsfähigkeit alle vier Monate. Hochrechnungen zufolge werden KI-Agenten bis 2027 in der Lage sein, einen kompletten 8-Stunden-Arbeitstag eines Entwicklers völlig selbstständig zu bestreiten. Schon heute ist Claude Code für 4 % aller öffentlichen GitHub-Commits verantwortlich; Experten prognostizieren einen Anstieg auf über 20 % bis Ende 2026.
Coding gilt in der Branche als «praktisch gelöst». Da Programmieren die Basis darstellt (und Mathematik als Asymptote für alle anderen Fähigkeiten fungiert), werden Branchen wie Jura, Finanzen und Datenanalyse als Nächstes revolutioniert.

Das Geheimnis der Leistungsfähigkeit: Subagents vs. Agenten-Teams
Wenn KI-Modelle komplexe Aufgaben am Stück lösen sollen, stossen sie schnell an die Grenzen ihres sogenannten Kontextfensters (standardmässig etwa 200'000 Token). Ist der Kontext voll, macht die KI Fehler oder vergisst Anweisungen. Anthropic löst dieses Problem durch striktes Kontext-Management in zwei Ausbaustufen: Subagents und Agenten-Teams.
1. Subagents: Die effiziente Aufgabendelegation
Bei Subagents steuert ein zentraler Lead-Agent den Prozess aus einem einzigen Chatverlauf heraus. Er delegiert Teilaufgaben an untergeordnete Subagents, die parallel zueinander arbeiten.
Jeder Subagent erhält ein eigenes, frisches Kontextfenster.
Es findet keine Kommunikation der Subagents untereinander statt.
Sobald das Ergebnis an den Lead-Agenten zurückgeliefert wird, wird der jeweilige Subagent (und sein Kontext) gelöscht.
Vorteil: Man kann dieselbe Aufgabe theoretisch beliebig oft in gleichbleibend hoher Qualität wiederholen, ohne das primäre Kontextfenster zu überlasten.
2. Agenten-Teams: Die neue Ausbaustufe
Mit dem Update auf Claude Opus 4.6 wurden native Agenten-Teams eingeführt. Hierbei handelt es sich um mehrere separate Claude Code Instanzen, die parallel laufen.
Jeder Agent hat eine eigene Session und bleibt persistent aktiv.
Das Team kann untereinander kommunizieren. Ein Lead-Agent stellt Aufgaben bereit, die sich die Teammitglieder selbstständig herauspicken und gemeinsam bearbeiten.
Best Practice zur Kostensenkung: Der koordinierende Lead-Agent nutzt das leistungsstarke (aber teure) Opus 4.6 Modell auf «Low Effort», während die ausführenden Teammitglieder auf dem effizienteren Sonnet-Modell laufen. Da die Agenten keine Chat-Historie erben, muss der Kontext gezielt über den initialen Prompt (die Arbeitsanweisung) injiziert werden.
Praxisbeispiel «Paper Banana»: Wie KI-Teams menschliche Designer schlagen
Wie mächtig die Kommunikation innerhalb eines Agenten-Teams ist, zeigt ein Google-Paper namens «Paper Banana». Hierbei ging es um die Erstellung wissenschaftlicher Illustrationen – eine Aufgabe, bei der einfache Bildgeneratoren bisher an menschlicher Qualität scheiterten.
Google baute eine Pipeline aus fünf Agenten, die wie eine kleine Designagentur funktionierten: Ein Agent für die Eingabe, einer für die Informationsbeschaffung (Retrieval), ein Planer, ein Designer und – das war der Knackpunkt – ein Kritiker. Der Designer entwarf Bilder, und der Kritiker-Agent bewertete diese iterativ in mehreren Schleifen.
Das Ergebnis: In einem Blindtest schlug das KI-Agenten-Team menschliche Experten in 72,7 % der Fälle. Ohne die Iteration durch den Kritiker lag die Erfolgsquote bei nur 45,1 %; nach drei Feedback-Schleifen stieg sie auf über 60 % an.
Dieses System lässt sich direkt in Claude Code nachbauen und für Marketing-, Design- oder Programmier-Pipelines im eigenen Unternehmen adaptieren. Erfolgreiche Workflows können dann als «Skill» dauerhaft im Workspace gespeichert und per Befehl jederzeit wieder aufgerufen werden.
Das Ende der Benutzeroberfläche und der Handlungsbedarf für Unternehmen
Dieser technologische Sprung bringt einen gravierenden Wandel mit sich: Das Ende der traditionellen Nutzeroberfläche (UI). KI-Agenten leben nicht auf schönen Dashboards, sondern arbeiten direkt im Terminal (oft überwacht durch Tools wie tmux) und kommunizieren über APIs.
Für Unternehmen bedeutet das höchste Dringlichkeit. Wenn die eigene Software-Infrastruktur auf manuellen Klicks basiert und keine sauberen Schnittstellen (APIs) für KI-Agenten bietet, verliert man den Anschluss. Wettbewerber binden KI-Agenten in Minuten an ihr CRM oder ihre Buchhaltung an, weil die Systeme maschinenlesbar sind.
Zudem wird die Integration von sogenannten Open-Weight-Modellen (Open Source) immer relevanter. Vier der fünf meistgenutzten Modelle nach Tokenverbrauch sind bereits Open Source, da sie EU-konform (DSGVO) auf eigener Infrastruktur gehostet werden können – ein entscheidender Faktor für den europäischen und Schweizer Markt.
Fazit: Das Jahrzehnt der Agenten hat begonnen
Wir stehen am Beginn des «Jahrzehnts der Agenten». Die Faustregel für die Zukunft lautet: Alles, was man einem menschlichen Mitarbeiter durch Checklisten und Handbücher am Bildschirm beibringen kann, lässt sich heute schneller und skalierbarer an einen KI-Agenten delegieren.
Unternehmen, die es versäumen, diese Technologien (und den damit verbundenen Echtzeit-Wissensaustausch in «Bienenschwärmen») in ihre Prozesse zu integrieren, riskieren im KI-Zeitalter ihre Überlebensfähigkeit.
AI now unterstützt Ihr Unternehmen
Wollen Sie KI-Agenten und Agenten-Teams in Ihrem Unternehmen einsetzen? Unsere KI-Beratung hilft Ihnen, die richtigen Use Cases zu identifizieren und die passende Infrastruktur aufzubauen. Oder testen Sie unsere KI-Produkte wie die aibox für einen sicheren Einstieg.