- Der Engpass bei parallelen Coding-Agents ist nicht das Modell, sondern die Aufmerksamkeit des Menschen, der alle Ergebnisse prüfen muss.
- Jeder Agent braucht einen abgeschlossenen Auftrag und eigene Dateigrenzen, sonst entstehen Kollisionen, die teurer sind als die Aufgabe selbst.
- Kurze Notizen pro Session und Telemetrie über offene Tasks machen Arbeit wiederaufnehmbar und Prioritäten begründbar.
- Review bleibt menschlich, konzentriert sich aber auf Grenzfälle, Datenzugriff, Fehlerbehandlung und Sicherheit.
- Das eigentliche Problem ist nicht die Rechenleistung
- Praktik 1: Aufmerksamkeit als Ressource behandeln
- Praktik 2: Den Kontext pro Agent abschließen
- Praktik 3: Dateigrenzen ziehen, bevor der Agent startet
- Praktik 4: Rückkehr in die Session billiger machen als Neustart
- Praktik 5: Telemetrie statt Bauchgefühl
- Praktik 6: Review bleibt menschlich, aber wird schmaler
- Praktik 7: Local-first als Standard für heikle Repositories
- Wie ein Team damit in der Praxis aussieht
- Fazit
- Häufige Fragen
Das eigentliche Problem ist nicht die Rechenleistung
Wer heute mit Codex und Claude Code arbeitet, merkt schnell: Der Engpass ist nicht das Modell, sondern die Aufmerksamkeit des Menschen. Jeder Agent liefert Ergebnisse, Rückfragen und Fehlermeldungen - alle an dieselbe Person, alle im gleichen Fenster, alle gleichzeitig.
Das führt zu drei typischen Schäden: Eine Aufgabe wird begonnen und nie geprüft. Ein Agent überschreibt Arbeit, die ein anderer gerade gemacht hat. Und am Abend weiß niemand mehr, wie viele Sessions eigentlich noch offen sind.
Was KI-Coding-Agenten grundsätzlich leisten und wo ihre Grenzen liegen, beschreibt KI-Coding-Agenten: Was Entscheider wissen. Hier geht es um den nächsten Schritt: mehrere Agents gleichzeitig zu führen. Die sieben Praktiken im Überblick:
| Praktik | Kern | Was Sie konkret festlegen |
|---|---|---|
| 1. Aufmerksamkeit | Prüfzeit ist eine Warteschlange mit begrenzter Kapazität | Liste offener Punkte, sortiert nach Blockierwirkung |
| 2. Kontext | Ein klar umrissener Auftrag pro Agent | Ziel, betroffene Dateien, Rahmenbedingungen, Definition von fertig |
| 3. Dateigrenzen | Keine überlappende Zuständigkeit | Welche Dateien und Verzeichnisse zu welchem Agent gehören |
| 4. Rückkehr | Wiederaufnehmen statt neu anfangen | Ziel, Erledigtes, nächster Schritt, Entscheidung mit Begründung |
| 5. Telemetrie | Zahlen statt Bauchgefühl | Offene Tasks, Dauer, Abbrüche, verbrauchter Kontext |
| 6. Review | Prüfung auf das fachlich Riskante | Grenzfälle, Datenzugriff, Fehlerbehandlung, Sicherheit |
| 7. Local-first | Heikler Code bleibt lokal | Vorab klären, welche Repositories nicht nach außen dürfen |
Praktik 1: Aufmerksamkeit als Ressource behandeln
Behandeln Sie Ihre eigene Prüfzeit wie eine Warteschlange mit begrenzter Kapazität. Praktisch heißt das: eine Liste offener Punkte, sortiert nach Blockierwirkung - nicht nach Ankunftszeit.
Wer zuerst das bearbeitet, was zuletzt reinkam, prüft viel und kommt nicht vorwärts. Wer zuerst prüft, was andere blockiert, kommt vorwärts.
Praktik 2: Den Kontext pro Agent abschließen
Jeder Agent braucht einen klar umrissenen Auftrag: Ziel, betroffene Dateien, Rahmenbedingungen, Definition von fertig. Ein Auftrag, der "mach das sauber" heißt, produziert Arbeit, die man nicht abnehmen kann.
Schreiben Sie den Kontext so, dass eine andere Person ihn übernehmen könnte.
Der Test: Wenn der Auftrag nicht übertragbar formuliert ist, ist er nicht klar genug.
Wie Sie die Werkzeuge selbst dafür vorbereiten, zeigen Codex einrichten und Claude Code einrichten.
Praktik 3: Dateigrenzen ziehen, bevor der Agent startet
Die meisten Kollisionen entstehen nicht durch schlechte Prompts, sondern durch überlappende Zuständigkeit. Zwei Agents, die dieselbe Datei anfassen, erzeugen Konflikte, die teurer zu lösen sind als die Aufgabe selbst.
Legen Sie vor dem Start fest, welche Dateien und Verzeichnisse zu welchem Agent gehören. Wo Überlappung unvermeidbar ist, arbeiten Sie sequenziell statt parallel.
Praktik 4: Rückkehr in die Session billiger machen als Neustart
Eine unterbrochene Session ist eine Investition. Wenn die Rückkehr dorthin mehr kostet als ein neuer Anlauf, wird die Arbeit weggeworfen - und der Agent fängt wieder bei null an.
Halten Sie deshalb pro Session fest: Was war das Ziel, was ist erledigt, was ist der nächste Schritt, welche Entscheidung wurde warum getroffen. Drei Zeilen reichen, wenn sie geschrieben werden.
Praktik 5: Telemetrie statt Bauchgefühl
Wenn mehrere Agents parallel laufen, brauchen Sie Zahlen: Wie viele Tasks sind offen, wie lange schon, wie oft wurde abgebrochen, wie viel Kontext wurde verbraucht?
Ohne diese Zahlen können Sie weder priorisieren noch erklären, warum es langsamer wird. Ein Bauchgefühl skaliert nicht über zwei Agents hinaus.
Praktik 6: Review bleibt menschlich, aber wird schmaler
Mehr Agenten bedeuten mehr Code, der geprüft werden will. Die Antwort ist nicht, weniger zu prüfen, sondern die Prüfung auf das zu konzentrieren, was fachlich falsch sein kann: Grenzfälle, Datenzugriff, Fehlerbehandlung, Sicherheit.
Formatierung und Stilistisches gehören in automatisierte Prüfungen, nicht in die Aufmerksamkeitszeit eines Menschen. Wenn Sie solche Prüfstrecken und Review-Regeln für Ihr Team aufsetzen wollen, unterstützt Sie unsere Softwareentwicklung dabei.
Praktik 7: Local-first als Standard für heikle Repositories
Bei Code, der nicht in externe Dienste wandern darf, muss die Werkzeugkette lokal funktionieren - oder das Repository bleibt außen vor. Klären Sie das vorher, nicht mitten im Sprint.
Genau aus dieser Praxis ist MAICA entstanden: eine Attention-Schicht für parallele KI-Coding-Agents mit Human Attention Queue, Context Capsules, Return to Session und Cross-Agent-Telemetrie, local-first, für Claude Code und Codex. MAICA ist aktuell in privater Beta.
Wie ein Team damit in der Praxis aussieht
Ein funktionierendes Setup hat drei feste Elemente: eine gemeinsame Liste offener Prüfungen, eine Regel für Dateigrenzen und eine kurze Notiz pro Session. Alles andere - welches Modell, welche Einstellungen, welches Werkzeug - ist danach Detail.
Die Teams, die scheitern, scheitern selten an der Qualität der Agents. Sie scheitern daran, dass niemand die Warteschlange führt.
Wie Benachrichtigungen dabei helfen, eine wartende Session zu bemerken, beschreibt Claude Code Notifications (englisch). Wer diese Regeln im Team verankern will, kann sie in einem KI-Workshop gemeinsam erarbeiten oder die Einführung durch einen Interim CTO begleiten lassen.
Fazit
Parallele KI-Coding-Agents steuern heißt: Aufmerksamkeit einteilen, Kontext abschließen, Grenzen ziehen, Sessions wiederaufnehmbar machen, messen statt schätzen, Review fokussieren und bei heiklem Code lokal bleiben. Wer diese sieben Praktiken einhält, kann die Anzahl der Agents erhöhen, ohne dass die Qualität fällt.