Claude · Foto: Lachlan Hardy, CC BY 2.0

SkillClaude SkillsLizenz: MITfrei kopierbar

dispatching-parallel-agents

Zuletzt aktualisiert: 13. September 2026

⬇ Als Datei laden

⧉ –× kopiert⬇ –× heruntergeladenBewertung:

Typ

Skill

Lizenz

MIT

Quelle

obra/superpowers ↗

Anwendungsfeld

Claude Skills

Alle, die Wartezeit sparen und unabhängige Aufgaben parallelisieren wollen.

Voraussetzungen

Zugriff auf eine Umgebung, in der sich mehrere Agenten gleichzeitig starten lassen
Mindestens zwei Teilaufgaben, die sich klar auf echte Unabhängigkeit prüfen lassen

Einordnung

Das Muster ist einfach anzuwenden, bringt aber nur bei tatsächlich unabhängigen Teilaufgaben einen Zeitgewinn.

Zeigt, wann und wie man 2+ unabhängige Aufgaben an parallele Agenten verteilt.

Für wen: Alle, die Wartezeit sparen und unabhängige Aufgaben parallelisieren wollen.

Im Detail

Dieser Skill beschreibt, wann sich mehrere unabhängige Aufgaben an separate Agenten verteilen lassen, statt sie nacheinander abzuarbeiten. Voraussetzung ist, dass die Teilaufgaben keinen gemeinsamen Zustand teilen und sich nicht gegenseitig bedingen, zum Beispiel verschiedene Testfehler in unterschiedlichen Dateien oder getrennte Subsysteme. Jeder Agent bekommt einen präzise zugeschnittenen Kontext statt der vollen Sitzungshistorie, damit er fokussiert bleibt und der eigene Kontext des Koordinators nicht mit Zwischenergebnissen überfrachtet wird. Der Nutzen liegt vor allem in der Zeitersparnis bei mehreren getrennten Fehlern oder Recherchen und in saubererer Kontextverwaltung. Ungeeignet ist das Muster, wenn Aufgaben voneinander abhängen oder denselben Code gleichzeitig verändern würden.

Schritt für Schritt

Teilaufgaben daraufhin prüfen, ob sie wirklich unabhängig sind — kein gemeinsamer Zustand, keine Reihenfolge-Abhängigkeit
Für jede Teilaufgabe einen in sich geschlossenen, präzisen Auftrag formulieren, da Agenten keinen gemeinsamen Sitzungskontext teilen
Alle passenden Agenten gleichzeitig statt nacheinander starten
Ergebnisse der Agenten einsammeln und zu einer Gesamtantwort zusammenführen
Werden während der Arbeit doch Abhängigkeiten sichtbar, auf sequenzielle Bearbeitung umschwenken

Beispiel aus der Praxis

Schlagen drei Testdateien mit vermutlich unterschiedlichen Ursachen fehl, startet man für jede Datei einen eigenen Agenten gleichzeitig statt die Fehler nacheinander zu untersuchen — alle drei Analysen liegen dadurch gleichzeitig statt seriell vor.

Praxis-Tipp

Formulieren Sie für jeden Agenten eine in sich geschlossene Aufgabenbeschreibung mit allen nötigen Dateipfaden und Zielen, zum Beispiel ‘Untersuche, warum test_auth.py fehlschlägt’ getrennt von ‘Untersuche, warum test_payment.py fehlschlägt’.

Stolperfallen

Werden Aufgaben mit versteckten Abhängigkeiten parallelisiert, können Agenten widersprüchliche oder sich überschneidende Änderungen produzieren. Da Agenten keinen Sitzungskontext erben, führt ein zu knapp formulierter Auftrag leicht zu Ergebnissen, die am eigentlichen Ziel vorbeigehen.

Siehe auch

Lizenz & Quelle

Lizenz: MIT
Quelle: obra/superpowers

Häufige Fragen.

Wann lohnt sich Parallelisierung nicht?

Wenn die Teilaufgaben voneinander abhängen oder sich gegenseitig beeinflussen könnten — dann sind sequenzielle Skills wie writing-plans oder executing-plans die bessere Wahl.

Brauche ich dafür zusätzliche Werkzeuge?

Nein, die Skill beschreibt nur das Entscheidungskriterium und Muster für den Einsatz vorhandener Agenten-Fähigkeiten.

Wie viele Agenten sollte ich gleichzeitig starten?

Das Material nennt keine feste Zahl — richten Sie sich nach der Anzahl wirklich unabhängiger Teilaufgaben.

Inhalt ansehen (SKILL.md)

Lade …

Erfahrungen & Kommentare.

Funktioniert der Skill bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.

Lade Kommentare …