KI-Agenten und Subagenten bei Codex – wie das Zusammenspiel funktioniert

In einem früheren Beitrag habe ich einen Überblick über die grossen KI-Agenten-Systeme gegeben – über OpenAI, Anthropic, Google und Microsoft und ihre jeweiligen Ansätze. Einer dieser Agenten verdient einen genaueren Blick, weil er zeigt, wohin sich die Technologie gerade bewegt: Codex, der Coding-Agent von OpenAI. Codex kann nämlich seit einiger Zeit etwas, das über einen einzelnen Agenten hinausgeht: Er kann Aufgaben an eigene Subagenten delegieren, die parallel und unabhängig voneinander arbeiten.

Das klingt zunächst nach einem Detail für Entwickler. Tatsächlich steckt dahinter aber ein Prinzip, das für das Verständnis moderner KI-Systeme insgesamt wichtig ist – und das in den nächsten Monaten in immer mehr Werkzeugen auftauchen wird. Dieser Beitrag erklärt in verständlicher Sprache, was Agenten und Subagenten bei Codex sind, wie das Zusammenspiel funktioniert und was Unternehmen daraus für die eigene KI-Nutzung mitnehmen können.

Kurz zur Einordnung: Was ein KI-Agent ist

Ein klassischer KI-Chatbot beantwortet eine Frage und wartet dann auf die nächste. Ein KI-Agent geht weiter: Er bekommt ein Ziel, zerlegt es selbst in Teilschritte, entscheidet, welche Werkzeuge er dafür braucht, und arbeitet die Aufgabe eigenständig ab. Codex ist ein solcher Agent, spezialisiert auf Software-Entwicklung. Man gibt ihm eine Aufgabe – etwa „finde den Fehler, der zum Absturz führt, und behebe ihn" –, und Codex liest den Programmcode, sucht die Ursache, schreibt eine Korrektur, testet sie und liefert das Ergebnis.

Solange eine Aufgabe überschaubar ist, funktioniert das gut mit einem einzigen Agenten. Aber viele reale Aufgaben sind gross und bestehen aus vielen Teilen, die eigentlich nichts miteinander zu tun haben. Genau hier kommen Subagenten ins Spiel.

Was Subagenten sind

Ein Subagent ist ein weiterer, eigenständiger Codex-Agent, den der Hauptagent für eine bestimmte Teilaufgabe startet. Man kann sich das wie einen Projektleiter vorstellen, der eine grosse Aufgabe erhält und sie an mehrere Spezialisten verteilt: Jeder bekommt einen klar umrissenen Auftrag, arbeitet für sich, und am Ende führt der Projektleiter die Ergebnisse zusammen.

OpenAI hat diese Funktion 2026 offiziell freigegeben. Die Idee dahinter ist, dass der Hauptagent nicht mehr alles nacheinander und in einem einzigen Gedankengang erledigen muss, sondern Arbeit gezielt auslagern kann. Codex bringt dafür drei vordefinierte Agententypen mit:

• Default – der Allrounder für einzelne, in sich geschlossene Aufgaben.
• Explorer – ein reiner „Leseagent", der einen Programmcode durchforstet, Zusammenhänge kartiert und einen kompakten Überblick zurückliefert, ohne selbst etwas zu verändern.
• Worker – der ausführende Agent, der konkrete Änderungen umsetzt und Code schreibt.

Neben diesen Standardtypen können Teams auch eigene Subagenten definieren – etwa einen spezialisierten „Prüfer" für Sicherheitsfragen oder einen Agenten, der ausschliesslich Dokumentation recherchiert. Diese eigenen Agenten werden in kleinen Konfigurationsdateien beschrieben, in denen festgelegt ist, wann der Agent eingesetzt werden soll, welches Modell er nutzt und mit welchen Anweisungen er arbeitet.

Wie die Delegation abläuft

Entscheidend ist: Codex startet Subagenten nicht wahllos, sondern nur, wenn man es ausdrücklich verlangt. Der Ablauf ist dabei immer derselbe. Der Hauptagent nimmt das übergeordnete Ziel entgegen, zerlegt es in Teilaufgaben und übergibt jede Teilaufgabe an einen passenden Subagenten. Diese Subagenten arbeiten dann gleichzeitig. Der Hauptagent wartet, bis alle ihre Ergebnisse geliefert haben, fügt sie zu einer stimmigen Gesamtantwort zusammen und präsentiert sie.

Ein anschauliches Beispiel: Man bittet Codex, eine geplante Code-Änderung nach sechs Kriterien zu prüfen – Sicherheit, Codequalität, mögliche Fehler, Zeitprobleme bei gleichzeitigen Abläufen, Stabilität der Tests und Wartbarkeit. Statt diese sechs Prüfungen nacheinander abzuarbeiten, kann Codex sechs Subagenten starten, von denen sich jeder um genau einen Punkt kümmert. Am Ende erhält man einen zusammengefassten Bericht – deutlich schneller, als wenn ein einzelner Agent die Punkte der Reihe nach durchgegangen wäre.

Warum das mehr ist als nur „schneller"

Der offensichtliche Vorteil ist Geschwindigkeit: Sechs Prüfungen gleichzeitig sind schneller als sechs nacheinander. Aber der eigentlich interessante Nutzen liegt woanders – beim sogenannten Kontext.

Jeder KI-Agent hat ein begrenztes „Arbeitsgedächtnis", das sogenannte Kontextfenster. Alles, was der Agent gerade bearbeitet – die Aufgabe, der gelesene Code, Zwischenergebnisse, frühere Anweisungen – belegt Platz in diesem Gedächtnis. Wird es zu voll, verliert der Agent den Faden, übersieht Details oder vermischt Dinge, die nicht zusammengehören. Fachleute sprechen von „Context Rot" – das Ergebnis wird mit zunehmender Überladung schlechter.

Subagenten lösen dieses Problem elegant. Jeder Subagent hat sein eigenes, sauberes Arbeitsgedächtnis, das nur mit seiner konkreten Teilaufgabe gefüllt ist. Der Explorer-Agent etwa durchsucht einen riesigen Programmcode und liefert dem Hauptagenten am Ende nur eine kompakte Zusammenfassung zurück – nicht den gesamten gelesenen Inhalt. So bleibt das Arbeitsgedächtnis des Hauptagenten übersichtlich und konzentriert, auch wenn die Gesamtaufgabe sehr gross ist. Das Ergebnis ist nicht nur schneller, sondern oft auch gründlicher und zuverlässiger.

Kontrolle behalten: Steuerung, Grenzen und Sicherheit

Ein berechtigter Einwand lautet: Wenn ein Agent selbstständig weitere Agenten startet, die parallel arbeiten – behält man da noch den Überblick? Codex ist genau darauf ausgelegt, dass die Kontrolle beim Menschen bleibt.

Zum einen kann man jederzeit einsehen, welche Subagenten gerade laufen, einzelne von ihnen gezielt mit neuen Anweisungen steuern oder abgeschlossene Agenten beenden. Zum anderen gibt es fest eingebaute Grenzen. Standardmässig dürfen höchstens sechs Agenten gleichzeitig arbeiten, und ein Subagent darf normalerweise nicht selbst wieder eigene Subagenten starten. Das verhindert, dass sich die Zahl der Agenten unkontrolliert vervielfacht.

Auch die Sicherheitsregeln bleiben konsistent: Jeder Subagent erbt die Berechtigungen und Einschränkungen der Hauptsitzung. Wenn der Hauptagent nur eingeschränkten Zugriff hat, gilt das automatisch auch für alle seine Subagenten. Und Aktionen, die eine ausdrückliche Freigabe erfordern – etwa das Löschen von Dateien oder das Veröffentlichen von Änderungen – lassen sich weiterhin an eine menschliche Bestätigung binden.

Wofür sich das Prinzip besonders eignet

Subagenten spielen ihre Stärke immer dann aus, wenn eine Aufgabe gross ist und sich sauber in unabhängige Teile zerlegen lässt. Typische Beispiele aus der Praxis sind umfangreiche Prüfungen nach mehreren Kriterien, das Durchsuchen und Zusammenfassen grosser Codebestände, das gleichzeitige Anpassen vieler Dateien bei einer Umstellung oder wiederkehrende Prüfungen, die auf viele einzelne Elemente angewandt werden – etwa „prüfe diese vierzig Dateien nach demselben Muster".

Weniger geeignet ist der Ansatz, wenn eine Aufgabe stark zusammenhängt oder ein durchgängiges, abwägendes Urteil verlangt – etwa grundlegende Entscheidungen über den Aufbau eines Systems. Solche Fragen lassen sich nicht sinnvoll in unabhängige Häppchen zerlegen, und hier bleibt der Mensch – oder ein einzelner, fokussierter Agent – die bessere Wahl.

Was Unternehmen daraus mitnehmen können

Auch wenn Codex ein Werkzeug für die Software-Entwicklung ist, steckt hinter Subagenten ein Muster, das für die KI-Nutzung im ganzen Unternehmen relevant ist. Die Erkenntnis lautet: Grosse Aufgaben werden nicht dadurch bewältigt, dass man einer einzelnen KI immer mehr auf einmal zumutet, sondern dadurch, dass man sie in klar umrissene Teilaufgaben zerlegt und gezielt verteilt. Genau dieses Prinzip – Aufteilen, delegieren, zusammenführen – findet sich zunehmend in Agenten-Plattformen aller grossen Anbieter wieder, nicht nur bei OpenAI.

Für Unternehmen ergeben sich daraus drei praktische Einsichten. Erstens: Wer KI produktiv einsetzen will, sollte lernen, Aufgaben gut zu strukturieren – eine klar formulierte, aufteilbare Aufgabe liefert bessere Ergebnisse als ein vager Rundumauftrag. Zweitens: Mehr Autonomie bedeutet nicht weniger Kontrolle, wenn die Werkzeuge – wie Codex – von Anfang an Grenzen, Einsicht und Freigaben mitbringen. Drittens: Die Kosten hängen direkt davon ab, wie intensiv man solche Mehr-Agenten-Abläufe nutzt. Ein klar abgegrenztes Pilotprojekt ist auch hier der beste Weg, um den realen Nutzen und die realen Kosten einzuschätzen, bevor man breit ausrollt.

Die Entwicklung geht eindeutig in Richtung Systeme, die selbstständig planen, delegieren und im Team arbeiten. Man muss diese Werkzeuge nicht selbst programmieren, um von ihnen zu profitieren. Aber es lohnt sich, das Grundprinzip zu verstehen – denn es prägt, wie wir in den nächsten Jahren mit KI arbeiten werden.