Claude steuert bis zu 1.000 Agenten: Die neue Welle der Automatisierung

Berlin, 10. Oktober 2026 – KI-Agenten waren 2026 das große Versprechen der Branche. Neue Produkte und Fallstudien zeigen nun, wie weit die Automatisierung im Alltag wirklich trägt – und wo sie an Grenzen stößt.

Ein Chef-Agent, tausend Helfer

Anthropic erweitert seine „Claude Managed Agents" um dynamische Workflows. Ein führender Agent erstellt einen Plan, verteilt Aufgaben an Sub-Agenten und führt deren Ergebnisse anschließend zusammen; pro Durchlauf können bis zu 1.000 Agenten parallel arbeiten.^[The Decoder – Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows – url: https://the-decoder.com/anthropics-claude-can-now-orchestrate-up-to-1000-ai-agents-in-parallel-through-dynamic-workflows/]

Ob sich das rechnet, ist umstritten: Ein leitender OpenAI-Ingenieur nannte Agentenschwärme jüngst eine massive Verschwendung von Tokens.^[The Decoder – Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows – url: https://the-decoder.com/anthropics-claude-can-now-orchestrate-up-to-1000-ai-agents-in-parallel-through-dynamic-workflows/] Anthropic verweist auf eigene Tests: In einer 116.000 Zeilen umfassenden Codebasis versteckte das Team 70 Fehler. Ein einzelner Agent fand pro Lauf zwischen 14 und 27, der Multi-Agent-Workflow stieß konstant auf 66.^[The Decoder – Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows – url: https://the-decoder.com/anthropics-claude-can-now-orchestrate-up-to-1000-ai-agents-in-parallel-through-dynamic-workflows/] Weil die Workflows „sehr viele Tokens" verbrauchen können, empfiehlt das Unternehmen, klein anzufangen.^[The Decoder – Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows – url: https://the-decoder.com/anthropics-claude-can-now-orchestrate-up-to-1000-ai-agents-in-parallel-through-dynamic-workflows/]

Ein Scanner für Open Source

Sicherheit ist das zweite Standbein: Mit „Cyber Mission" startet Anthropic ein Langzeitprogramm zum Schutz kritischer Infrastruktur und quelloffener Software. Das „Critical Infrastructure Defense Program" gibt Betreibern von Stromnetzen, Wassersystemen und Verkehrsnetzen Zugang zu Claude-Modellen, Ingenieuren und Bedrohungsanalysen; zu den Gründungspartnern zählen CrowdStrike, Palo Alto Networks, Deloitte und Rockwell Automation.^[The Decoder – Anthropic launches a free AI scanner for open-source projects – url: https://the-decoder.com/anthropic-launches-a-free-ai-scanner-for-open-source-projects/]

Ergänzend prüft ein kostenloser KI-Scanner Open-Source-Projekte regelmäßig auf Schwachstellen, erklärt sie und schlägt Patches vor. Anthropic erwartet eine Treffsicherheit von über 90 Prozent, weist aber darauf hin, dass die Berichte ohne menschliche Prüfung ausgeliefert werden und Fehler enthalten können. Das Argument des Unternehmens: Angreifer hätten längst mächtige KI-Modelle, Verteidiger aber noch keine vergleichbaren Werkzeuge.^[The Decoder – Anthropic launches a free AI scanner for open-source projects – url: https://the-decoder.com/anthropic-launches-a-free-ai-scanner-for-open-source-projects/]

Agenten im Unternehmensalltag

Dass die Technik längst in Betrieben ankommt, zeigen Fallstudien von OpenAI selbst: Der Sicherheitsanbieter Sophos verkürzte mit „OpenAI Daybreak" die Zeit für Bedrohungsanalysen um 96 Prozent und automatisiert 52 Prozent seiner MDR-Fälle, wobei die menschliche Aufsicht erhalten bleibt.^[OpenAI – Sophos cuts threat investigation time by 96% with OpenAI Daybreak – url: https://openai.com/index/sophos] Das Softwareunternehmen Asana machte seinen Browser-Agenten in Tests mit GPT-6 rund 76-mal günstiger und fünfmal schneller.^[OpenAI – Asana cuts model costs 76x in browser tests with GPT-6.1 Sol – url: https://openai.com/index/asana-browser-agent]

Doch die Automatisierung hat einen Preis: Wie eine Harvard-Auswertung von Daten aus mehr als 700 Softwarefirmen zeigt, steigt nach der Einführung von Coding-Agenten die Menge erzeugten Codes um rund 30 Prozent – die Zahl erledigter Arbeitspakete aber praktisch nicht. Der Grund liegt im Prüfprozess: Die Review-Zeit pro Pull-Request wächst um durchschnittlich 49 Prozent, und die Prüferinnen und Prüfer hinterlassen deutlich mehr Kommentare.^[Ars Technica – AI coding agents generate more code, but not more software – url: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-code-but-not-more-software/]

So verschiebt sich der Engpass: Nicht das Erzeugen von Arbeit ist knapp, sondern das Verlässlichmachen. Die neuen Agentenwerkzeuge machen genau das zum Geschäft – doch ob aus mehr Output auch mehr Ergebnis wird, entscheidet weiterhin der Mensch, der prüft.