Claude Opus 4.8 Dynamische Workflows: Wie Hunderte von Subagenten tatsächlich arbeiten

Das bedeutendste Feature, das zusammen mit Claude Opus 4.8 eingeführt wird, ist keine Benchmark-Verbesserung – es sind dynamische Workflows, eine neue Fähigkeit in Claude Code, die den Umfang der Arbeit verändert, die eine einzelne Person an KI übergeben kann. Verfügbar in der Research Preview für Max-, Team- und Enterprise-Pläne, erlauben dynamische Workflows Claude, eine große Aufgabe zu planen, Hunderte paralleler Subagenten zu starten, die das Problem aus unabhängigen Blickwinkeln angehen, gegnerische Agenten einzusetzen, um die Ergebnisse der anderen zu widerlegen, und zu iterieren, bis die Antworten konvergieren – um dann die Ausgaben zu verifizieren, bevor Bericht erstattet wird. Der wichtigste Anwendungsfall: codebase-weite Migrationen über Hunderttausende von Codezeilen, vom Start bis zum Merge.

Für einen einzelnen Entwickler verändert das, was an einem Nachmittag möglich ist. Eine Framework-Migration, die eine Woche manueller Arbeit erfordern würde – Namespaces in 200 Dateien aktualisieren, Tests ausführen, Fehler beheben, sicherstellen, dass nichts kaputtgegangen ist – kann jetzt in einer einzigen Claude-Code-Sitzung stattfinden. Für Entwicklungsteams bedeutet es, repo-weite Refactorings, Abhängigkeitserneuerungen und großangelegte Migrationen auszulagern, die zuvor Wochen der Zeit von Senior-Entwicklern in Anspruch nahmen. Dies ist eine parallele Agenten-Orchestrierung, die vom Modell selbst skaliert und koordiniert wird, anstatt dass Sie jeden Agenten manuell verwalten müssen.

Wie dynamische Workflows tatsächlich funktionieren

Herkömmliches Claude Code arbeitet als einzelner Agent, der eine Aufgabe sequenziell abarbeitet: Dateien lesen, Änderungen vornehmen, Tests ausführen, Probleme beheben, wiederholen. Das funktioniert gut für fokussierte Aufgaben, stößt aber bei großangelegter Arbeit an Grenzen, wo die schiere Menge an Dateien und die Notwendigkeit, Änderungen über eine Codebasis hinweg zu koordinieren, einen einzelnen sequenziellen Agenten überfordern. Dynamische Workflows lösen dies, indem sie die Architektur von einem sequenziell arbeitenden Agenten zu vielen parallel unter Koordination arbeitenden Agenten verändern.

Wenn Sie Claude eine große Aufgabe geben, plant es zunächst die Arbeit – es zerlegt sie in Komponenten, die unabhängig voneinander bearbeitet werden können. Dann schreibt es dynamisch Orchestrierungsskripte, die Dutzende bis Hunderte paralleler Subagenten in einer einzigen Sitzung starten. Jeder Subagent arbeitet an seinem Teil des Problems. Entscheidend ist, dass Claude auch gegnerische Agenten einsetzt, deren Aufgabe es ist, zu versuchen, das zu widerlegen, was die anderen Agenten gefunden haben – ein eingebauter Skeptizismus-Mechanismus, der Fehler abfängt, bevor sie sich ausbreiten. Das System iteriert, wobei die Agenten die Arbeit der anderen verfeinern und hinterfragen, bis die Antworten zu einem einzigen koordinierten Ergebnis konvergieren, das Claude vor der Berichterstattung verifiziert.

Die Koordination findet außerhalb der Konversation statt, was bedeutet, dass der Plan auch über mehrtägige Ausführungsfenster hinweg auf Kurs bleibt. Der Fortschritt wird gespeichert, und der Auftrag ist fortsetzbar – wenn ein Lauf unterbrochen wird, macht er dort weiter, wo er aufgehört hat, anstatt von vorne zu beginnen. Diese Persistenz macht langlaufende, großangelegte Arbeit praktikabel: Sie müssen keine einzelne Sitzung überwachen, die fehlschlägt, wenn irgendetwas sie unterbricht.

Der Anwendungsfall der Codebase-Migration

Anthropics Hauptbeispiel ist die codebase-weite Migration, und es lohnt sich zu verstehen, warum dies die Killer-Applikation ist. Große Migrationen – das Aktualisieren einer Framework-Version, das Ändern einer Abhängigkeit im gesamten Codebestand, das repo-weite Refactoring eines Musters – sind genau die Art von Arbeit, die für Menschen mühsam, fehleranfällig und zeitaufwendig ist, aber konsistenten Regeln folgt, die parallelisiert werden können. Namespaces in 200 Dateien zu aktualisieren ist intellektuell nicht schwer; es ist nur viel sich wiederholende Arbeit, bei der ein Fehler den Build zerstören kann.

Mit dynamischen Workflows kann Claude Code diese Migrationen vom Start bis zum Merge durchführen, wobei die vorhandene Testsuite als Erfolgsmaßstab dient. Die Subagenten bearbeiten verschiedene Teile der Codebasis gleichzeitig, die gegnerischen Agenten fangen Inkonsistenzen ab, und das System verifiziert anhand Ihrer Tests, bevor es die Migration für abgeschlossen erklärt. Eine Laravel-Migration, die manuell eine Woche dauern würde, kann in einer einzigen Sitzung komprimiert werden. Dies knüpft direkt an den breiteren Trend an, den wir in The State of AI Coding Tools behandelt haben: KI bewegt sich von der Autovervollständigung zum agentischen Engineering, und dynamische Workflows sind das bisher deutlichste Beispiel dafür.

Die ehrlichen Einschränkungen

Dynamische Workflows sind leistungsstark, aber es handelt sich um eine Research Preview, und es gibt reale Vorbehalte. Erstens ist der Token-Verbrauch erheblich – Hunderte paralleler Subagenten über Stunden laufen zu lassen, erfordert proportional mehr Rechenleistung, was proportional mehr Tokens bedeutet. Dies ist erwartetes Verhalten, kein Fehler, aber es wirkt sich auf Kosten und Ratenlimits aus. Anthropic hat die Ratenlimits von Claude Code speziell angehoben, um dem höheren Token-Verbrauch von dynamischen Workflows und höheren Aufwandsstufen Rechnung zu tragen, aber Sie sollten dennoch damit rechnen, dass eine große Migration erhebliche Ressourcen verbraucht.

Zweitens ist es eine Research Preview mit Ecken und Kanten. Sowohl Anthropics eigene Anleitung als auch unabhängige Prüfer warnen davor, es ohne Überprüfung auf produktionskritische Migrationen loszulassen. Der Schritt „Verifizieren vor der Berichterstattung" und die gegnerischen Agenten reduzieren Fehler, beseitigen sie aber nicht. Für alles, wo ein Fehler schwerwiegende Konsequenzen hat, bleibt die menschliche Überprüfung der Ausgabe unerlässlich – dasselbe Prinzip, das für jeden KI-generierten Code gilt, angesichts der dokumentierten Sicherheitsrisiken von ungeprüftem KI-Code.

Drittens ist die Verfügbarkeit auf Max-, Team- und Enterprise-Pläne beschränkt (für Enterprise beim Start vom Administrator aktivierbar). Es ist nicht in niedrigeren Tarifen verfügbar, und das API-Zugriffsmodell unterscheidet sich je nach Plan. Wenn Sie einen Pro-Plan haben, haben Sie noch keinen Zugriff auf dynamische Workflows.

Wie man dynamische Workflows nutzt

Wenn Sie einen berechtigten Plan haben, ist die Nutzung dynamischer Workflows unkompliziert: Weisen Sie Claude Code explizit an, einen Workflow für Ihre Aufgabe zu erstellen. Formulierungen wie „Erstelle einen Workflow für diese Migration" veranlassen Claude, die Auffächerung selbst zu planen, anstatt sequenziell zu arbeiten. Für beste Ergebnisse richten Sie es auf eine gut getestete Codebasis – die vorhandene Testsuite ist das, was Claude zur Erfolgsverifizierung verwendet, daher bedeuten umfassende Tests zuverlässigere Migrationen. Beginnen Sie mit einer unkritischen Migration, um das Verhalten zu verstehen, bevor Sie ihm wichtige Arbeit anvertrauen.

Klare Anweisungen sind für großangelegte agentische Aufgaben noch wichtiger, da sich Mehrdeutigkeit über Hunderte von Subagenten vervielfacht. Der kostenlose Prompt Optimizer hilft Ihnen, präzise Aufgabenbeschreibungen zu verfassen, die die Wahrscheinlichkeit verringern, dass Subagenten das Ziel falsch interpretieren, und TresPrompt bringt Prompt-Optimierung in Ihren Workflow. Für eine breitere Anleitung zu Claude Code lesen Sie unseren vollständigen Claude Code Guide.

Wie sich dynamische Workflows mit manuellen parallelen Agenten vergleichen

Entwickler, die bereits mit parallelen KI-Agenten gearbeitet haben, werden die Kernidee hinter dynamischen Workflows wiedererkennen, aber die Orchestrierung ist grundlegend anders. Bisher bedeutete das parallele Ausführen mehrerer Agenten, dass Sie – der Entwickler – die Orchestrierung entwerfen mussten: die Aufgabe aufteilen, Arbeit jedem Agenten zuweisen, ihre Ausgaben koordinieren, Konflikte behandeln und Ergebnisse verifizieren. Das funktionierte, war aber arbeitsintensiv und erforderte echtes Fachwissen im Multi-Agenten-Design. Die Orchestrierungslogik war Ihre Aufgabe. Dynamische Workflows verlagern diese Orchestrierung in das Modell selbst. Claude schreibt die Orchestrierungsskripte, entscheidet, wie die Arbeit aufgefächert wird, und verwaltet die Koordination – Sie beschreiben nur das Ziel.

Diese Verschiebung ist bedeutsam, weil sie die Hürde dramatisch senkt. Multi-Agenten-Orchestrierung war zuvor die Domäne von Entwicklern, die die Agentenarchitektur tiefgreifend verstanden. Jetzt ist die Fähigkeit für jeden verfügbar, der eine große Aufgabe klar beschreiben kann. Der gegnerische Widerlegungsschritt – bei dem Agenten versuchen, die Ergebnisse der anderen zu widerlegen – ist besonders wertvoll, weil es sich um einen ausgeklügelten Qualitätskontrollmechanismus handelt, den die meisten Entwickler nicht von Hand bauen würden. Indem Anthropic dies in den Workflow integriert, erhält jeder Benutzer Zugang zu einem selbstprüfenden System, das Fehler abfängt, bevor sie Sie erreichen.

Wo das in die Zukunft des Software Engineering passt

Dynamische Workflows sind ein konkretes Signal dafür, wohin sich KI-unterstütztes Engineering entwickelt: von einem Modell, das Ihnen beim Schreiben von Code hilft, zu einem System, das große Engineering-Operationen unter Ihrer Leitung ausführt. Das Erfolgsmuster im Jahr 2026 ist, wie wir in unserer Analyse der KI-Coding-Landschaft dargelegt haben, ein Control Stack – Projektregeln, wiederverwendbare Skills, begrenzte Subagenten und deterministische Werkzeuge rund um das Modell. Dynamische Workflows sind die Subagenten-Schicht dieses Stacks, produktisiert und zugänglich gemacht. Sie repräsentieren die Reifung des agentischen Codings von einer vielversprechenden Idee zu einer praktischen Fähigkeit, die echte, großangelegte Arbeit bewältigen kann.

Für Entwicklungsteams ist die strategische Implikation eine sorgfältige Überlegung wert. Aufgaben, die zuvor zu groß oder zu mühsam waren, um sie zu rechtfertigen – lange aufgeschobene Migrationen, Abhängigkeits-Upgrades, die jeder vermeidet, repo-weite Refactorings – werden machbar, wenn ein Ingenieur eine KI beaufsichtigen kann, die die mechanische Arbeit erledigt. Das ersetzt keine Ingenieure; es lenkt ihre Zeit von der mechanischen Ausführung hin zu Design, Überprüfung und Beurteilung. Die Rolle des Ingenieurs verschiebt sich dahin, zu definieren, was passieren soll, und zu verifizieren, dass es korrekt passiert ist, während die KI das arbeitsame Wie übernimmt. Gut eingesetzt, ist das ein echter Multiplikator für das, was ein kleines Team erreichen kann.

Häufig gestellte Fragen

Was sind dynamische Workflows in Claude Code?

Dynamische Workflows sind ein Research-Preview-Feature, das es Claude Code ermöglicht, eine große Aufgabe zu planen und Hunderte paralleler Subagenten in einer einzigen Sitzung auszuführen. Die Subagenten gehen das Problem aus unabhängigen Blickwinkeln an, gegnerische Agenten versuchen, ihre Ergebnisse zu widerlegen, und das System iteriert, bis die Antworten konvergieren, bevor es die Ausgaben verifiziert. Der Hauptanwendungsfall sind codebase-weite Migrationen über Hunderttausende von Codezeilen.

Welche Pläne haben Zugriff auf dynamische Workflows?

Dynamische Workflows sind für Claude Code in den Max-, Team- und Enterprise-Plänen verfügbar. Für Enterprise ist es beim Start vom Administrator aktivierbar. Es ist standardmäßig für Max- und Team-Pläne aktiviert und über die API verfügbar. Pro-Pläne haben in der ersten Version keinen Zugriff auf dynamische Workflows.

Verbrauchen dynamische Workflows viele Tokens?

Ja – wesentlich mehr als eine normale Claude-Code-Sitzung. Hunderte paralleler Subagenten über Stunden laufen zu lassen, erfordert proportional mehr Rechenleistung. Anthropic hat die Ratenlimits von Claude Code angehoben, um dem Rechnung zu tragen. Rechnen Sie damit, dass eine große Migration erhebliche Tokens verbraucht, also berücksichtigen Sie das in Ihrer Nutzungsplanung.

Kann ich dynamische Workflows für Produktionscode verwenden?

Mit Vorsicht. Es ist eine Research Preview mit Ecken und Kanten, und sowohl Anthropic als auch unabhängige Prüfer empfehlen, die Ausgaben zu überprüfen, bevor produktionskritische Änderungen gemerged werden. Die gegnerischen Agenten und der Verifikationsschritt reduzieren Fehler, beseitigen sie aber nicht. Beginnen Sie mit unkritischer Arbeit, stellen Sie sicher, dass Ihre Testsuite umfassend ist, und überprüfen Sie die Ergebnisse, bevor Sie ihnen wichtige Migrationen anvertrauen.

Wie starte ich einen dynamischen Workflow?

Weisen Sie in einem berechtigten Plan Claude Code explizit an, einen Workflow zu erstellen – Formulierungen wie „Erstelle einen Workflow für diese Aufgabe" veranlassen Claude, die parallele Auffächerung selbst zu planen. Richten Sie es auf eine gut getestete Codebasis, da Claude die vorhandene Testsuite zur Erfolgsverifizierung nutzt. Der Auftrag ist fortsetzbar, sodass ein unterbrochener Lauf dort weitermacht, wo er aufgehört hat.

Offenlegung: Einige Links in diesem Artikel sind Affiliate-Links. Wir empfehlen nur Tools, die wir persönlich getestet haben und regelmäßig nutzen. Siehe unsere vollständige Offenlegungsrichtlinie.