Glossareintrag
Wir denken. KI tippt mit.
Ein Subagent bei KI (auch Sub-Agent oder Unteragent, englisch subagent) ist ein KI-Agent, den ein anderer Agent für eine abgegrenzte Teilaufgabe startet. Er arbeitet in einem eigenen Kontextfenster, folgt eigenen Anweisungen und darf nur die Werkzeuge benutzen, die ihm zugeteilt wurden. Ist die Arbeit erledigt, meldet er sein Ergebnis an den Auftraggeber zurück. Der Auftraggeber heißt je nach Hersteller Hauptagent, Leitagent (Lead Agent), Orchestrator oder Koordinator. Er führt das Gespräch mit dem Nutzer weiter und setzt die Ergebnisse seiner Helfer zusammen.
Anthropic schreibt in der deutschen Dokumentation zu Claude Code: „Jeder Subagent läuft in seinem eigenen Kontextfenster mit einem benutzerdefinierten Systemprompt, spezifischem Werkzeugzugriff und unabhängigen Berechtigungen.“ Cursor nennt in seiner Subagents-Dokumentation dieselben Merkmale (eigenes Kontextfenster, Rückgabe des Ergebnisses an den Elternagenten). Bei Google heißen Subagenten in der Dokumentation der Gemini CLI „Spezialisten“, die der Hauptagent für einen bestimmten Job anheuert. OpenAI spricht bei Codex und ChatGPT Work von „subagent workflows“. Microsoft beschreibt den Subagenten in der VS-Code-Dokumentation zu Subagents als unabhängigen Agenten, der fokussierte Arbeit erledigt und dem Hauptagenten berichtet.
Im Deutschen dominiert die Schreibweise Subagent mit dem Plural Subagenten, so steht es auch in Anthropics deutscher Dokumentation. Microsoft übersetzt seine „child agents“ in Copilot Studio mit „untergeordnete Agents“. Das Wort Unteragent kommt in deutschen Fachtexten nur vereinzelt vor. (Hinweis: In Googles Agent Development Kit bedeutet Sub-Agent etwas anderes. Ruft Agent A dort Agent B als Sub-Agent auf, geht die Verantwortung für die Antwort laut ADK-Dokumentation zu Agent-as-a-Tool vollständig auf Agent B über. Agent A ist dann „out of the loop“. Den Helfer, der sein Ergebnis zurückgibt, nennt das ADK „Agent-as-a-Tool“.)
Marvin Minsky verwendete das Wort schon 1986, lange vor den ersten Sprachmodellen. In seinem Buch „The Society of Mind“ beschreibt er den Verstand als Gesellschaft einfacher Agenten. Sein Beispiel-Agent „Builder“ baut Türme aus Bauklötzen und leistet das, was seine „subagents“ gemeinsam zustande bringen.
Subagenten lösen zuerst ein Platzproblem. Jede Suche, jede gelesene Datei und jedes Protokoll landen im Kontextfenster des Agenten, und mit wachsender Füllung sinkt die Qualität seiner Antworten (siehe Context Rot). Ein Subagent erledigt die Lesearbeit in einem separaten Fenster. Laut Anthropics Beitrag „Effective context engineering for AI agents“ verbraucht er dafür oft Zehntausende Tokens und gibt eine verdichtete Zusammenfassung von meist 1.000 bis 2.000 Tokens zurück. Die Claude-Code-Dokumentation zum Kontextfenster spielt ein kleines Beispiel durch. Der Subagent liest dort Dateien im Umfang von 6.100 Tokens, beim Hauptagenten kommen 420 Tokens an.
Technisch ist der Start eines Subagenten ein Werkzeug-Aufruf. In Claude Code heißt dieses Werkzeug „Agent“ (früher „Task“), die Gemini CLI bietet jeden Subagenten als Werkzeug unter seinem Namen an. Der Hauptagent schreibt einen Auftragstext. Laut Anthropics SDK-Dokumentation zu Subagents ist dieser Text alles, was der Subagent vom Hauptagenten erhält. Den bisherigen Gesprächsverlauf sieht der Subagent nicht. Dateipfade, Fehlermeldungen und bereits getroffene Entscheidungen müssen also im Auftrag stehen. Zurück kommt allein die Abschlussnachricht. Alle Zwischenschritte bleiben im Subagenten und verfallen mit ihm.
Weitere Gründe für den Einsatz:
Eigene Subagenten sind bei den Coding-Agenten einfache Textdateien. Claude Code, Cursor, die Gemini CLI und GitHub Copilot lesen Markdown-Dateien mit einem kurzen Kopfteil für Name, Beschreibung, Werkzeuge und Modell. Codex verwendet TOML-Dateien. Die Beschreibung entscheidet, wann der Hauptagent von sich aus delegiert. Claude Code, Codex und VS Code kennen die Hook-Ereignisse SubagentStart und SubagentStop. Cursor schreibt sie subagentStart und subagentStop. Damit lässt sich jeder Start und jedes Ende eines Subagenten protokollieren oder prüfen. Ob ein Subagent selbst Subagenten starten darf, regeln die Anbieter unterschiedlich. Claude Code erlaubt in der Voreinstellung drei Ebenen unter dem Hauptgespräch. Bei Cursor dürfen der Hauptagent und seine direkten Subagenten weitere Subagenten starten, deren Kinder nicht mehr. Die Gemini CLI verbietet die Verschachtelung als Schutz vor Endlosschleifen und ausuferndem Token-Verbrauch.
Abgrenzung zu verwandten Begriffen:
Der Preis für diese Arbeitsteilung sind Tokens. Anthropic hat für den Bericht „How we built our multi-agent research system“ nachgemessen. Ein einzelner Agent verbraucht rund viermal so viele Tokens wie ein Chat, ein System aus Leitagent und Subagenten rund fünfzehnmal so viele. OpenAI hält in seiner Dokumentation zu Subagents in ChatGPT Work und Codex fest, dass solche Abläufe mehr Tokens verbrauchen als ein vergleichbarer Lauf mit einem einzelnen Agenten, weil jeder Subagent eigene Modell- und Werkzeug-Arbeit leistet.
Ob sich der Aufwand lohnt, hängt von der Aufgabe ab. Ein Team von Google Research, Google DeepMind und dem MIT hat in der Studie „Towards a Science of Scaling Agent Systems“ 260 Konfigurationen verglichen. Das Ergebnis reicht von 80,8 Prozent Verbesserung bei einer gut teilbaren Finanzanalyse mit zentraler Koordination bis zu 70 Prozent Verschlechterung bei Planungsaufgaben ohne Koordinator, in denen jeder Schritt auf dem vorigen aufbaut. Arbeiten die Agenten ohne Koordinator nebeneinander, pflanzen sich Fehler innerhalb der Abläufe laut Studie 17,2-mal so stark fort. Mit einem Koordinator, der Zwischenergebnisse prüft, bleibt es beim Faktor 4,4. Die Berkeley-Studie „Why Do Multi-Agent LLM Systems Fail?“ hat über 1.600 Abläufe aus sieben Frameworks annotiert und daraus eine Systematik mit 14 Fehlerarten entwickelt. Sie fallen in drei Gruppen (Systementwurf, Missverständnisse zwischen den Agenten, fehlende Kontrolle des Ergebnisses).
Eine Gegenposition vertritt Cognition, dem Entwicklerstudio des Coding-Agenten Devin. Walden Yan warnte im Juni 2025 unter dem Titel „Don’t Build Multi-Agents“ vor parallel arbeitenden Subagenten. Jede Handlung enthalte stille Entscheidungen, und zwei Subagenten ohne gemeinsamen Kontext träfen widersprüchliche Entscheidungen. In seinem Beispiel soll ein Flappy-Bird-Spiel entstehen. Der erste Helfer missversteht die Teilaufgabe und baut einen Hintergrund im Stil von Super Mario, der zweite liefert einen Vogel, der nicht nach Spielgrafik aussieht. Im April 2026 hat Cognition im Beitrag „Multi-Agents: What’s Actually Working“ nachgelegt. Mehrere Agenten bewähren sich demnach, wenn nur einer schreibt und die übrigen Wissen beisteuern (z. B. als Prüfer mit frischem Kontext). Auch in Anthropics Recherche-System suchen und lesen viele Subagenten, den Bericht stellt der Leitagent allein zusammen.
Wichtig: Ein Subagent liest oft Webseiten und Dateien, die kein Mensch geprüft hat. Steht dort ein versteckter Befehl, kann er im Abschlussbericht beim Hauptagenten landen (siehe Prompt Injection). Anthropic beschreibt dieses Risiko im Beitrag „How we contain Claude“ als „trust escalation“. Es entsteht, wenn der Hauptagent den Bericht für vertrauenswürdiger hält als rohe Werkzeug-Ausgaben, nur weil er aus dem eigenen System stammt. Claude Code durchsucht jeden Abschlussbericht auf eingeschleuste Anweisungen, bevor der Hauptagent ihn liest. Ein zweiter Schutz sind knappe Rechte. Ein Subagent für Recherche benötigt keinen Schreibzugriff.
Subagenten arbeiten in vielen KI-Tools im Hintergrund, ohne dass das Wort in der Oberfläche steht. Wer in Claude die Funktion „Recherche“ einschaltet (Anthropics Variante von Deep Research), startet laut Anthropics Technikbericht zum Recherche-System einen Leitagenten, der die Frage zerlegt und mehrere Subagenten parallel suchen lässt. In ChatGPT Work lässt sich die Arbeitsteilung laut OpenAI ausdrücklich verlangen. Wer ChatGPT bittet, unabhängige Teile an Subagenten zu delegieren, sieht deren Aktivität und Ergebnisse im Chat. Der Agent Manus setzt mit „Wide Research“ für jeden Eintrag einer langen Liste einen eigenen Agenten mit frischem Kontextfenster ein. Damit wird laut Manus Eintrag Nummer 250 so gründlich bearbeitet wie der erste.
Beispiel aus einem SHK-Unternehmen: Drei Wärmepumpen-Hersteller sollen verglichen werden, jeweils mit Förderfähigkeit, Schallwerten und Lieferzeit. Das sind drei unabhängige Leseaufgaben, also der Fall, in dem sich Subagenten bewähren. Jeder Helfer liest die Unterlagen eines Herstellers und liefert eine halbe Seite zurück. Das Angebot an den Kunden schreibt danach ein einziger Agent mit allen drei Zusammenfassungen vor sich. Bei einer kurzen Einzelfrage oder einer Kalkulation, in der jeder Schritt auf dem vorigen aufbaut, bringen Subagenten keinen Vorteil und kosten nur zusätzliche Tokens.
Subagenten in Automations-Baukästen ohne Programmierung:
Der praktische Gewinn liegt hier bei den Rechten. Ein Agent, der Kundenanfragen per E-Mail beantwortet, bekommt z. B. einen Sub-Agenten für die Terminprüfung, der nur den Kalender lesen darf, und einen zweiten, der nur die Preisliste kennt. Keiner der beiden kann E-Mails versenden oder Kundendaten ändern. Microsoft rät zur Aufteilung in mehrere verbundene Agents, sobald ein Agent seine vielen Werkzeuge nicht mehr zuverlässig auseinanderhält.
Wer mit Claude Code, Cursor oder Codex arbeitet, legt wiederkehrende Helfer als Datei an, z. B. einen Prüfer, der jede geänderte Seite der Firmen-Website auf defekte Links und fehlende Bildbeschreibungen durchsieht und nichts verändern darf. Subagenten zählen laut Kosten-Dokumentation von Claude Code auf das Nutzungslimit des Abos, parallele Läufe verbrauchen es entsprechend schneller. Welche Stellschrauben es dafür gibt, zeigt der Artikel Claude Code Token sparen.