- Mit agentenbasierten CLI-Tools wie Claude Code, OpenAI Codex und Cursor, die sich als Mainstream etablieren, nimmt die Nutzung „paralleler Coding-Agenten“ zu, bei der mehrere AI-Agenten gleichzeitig ausgeführt werden, um parallel zu arbeiten
- Viele Engineers steigern damit ihre Produktivität, und der Einsatz reicht über reine Entwicklung hinaus auf Research, Wartung und anweisungsbasierte Aufgaben
- Es gibt jedoch auch Bedenken, dass die Geschwindigkeit von Code-Reviews zum Engpass wird oder der Flow unterbrochen werden kann
- Gerade erfahrene Entwickler sind dank ihrer Fähigkeit, Multitasking und Code-Reviews zu kombinieren, tendenziell mit dem Einsatz paralleler Agenten vertraut
- Bei der Arbeit mit parallelen Agenten sind grundlegende Engineering-Praktiken wie Testing, kleine Arbeitseinheiten, Refactoring und Code-Review die Schlüsselelemente, um Zuverlässigkeit und Qualität zu sichern
Die Verbreitung paralleler AI-Agenten und der Wandel in der Entwicklungsweise
- Mit der Mainstreamisierung agentenbasierter CLI-Tools wie Claude Code, OpenAI Codex und Cursor zeichnet sich ein Trend ab, bei dem Engineers mehrere Agenten gleichzeitig starten und Aufgaben parallel bearbeiten
- Der Anthropic-Engineer Sid Bidasaria erwähnte in einem Gespräch, dass er mehrere Agenten parallel ausführt und so seine Produktivität gesteigert habe
- Der AI-Engineering-Experte Simon Willison beschreibt in seinem Beitrag „Embracing the parallel coding agent lifestyle“ Folgendes
- Anfangs war er skeptisch, weil das Review von AI-generiertem Code zum Engpass wurde, doch in den vergangenen Wochen hat er ganz natürlich begonnen, parallele Agenten zu nutzen
- Zwar kann er immer nur eine wichtige Änderung auf einmal reviewen und übernehmen, doch die Zahl der Aufgaben, die sich parallel anstoßen lassen, ohne die kognitive Belastung stark zu erhöhen, nimmt zu
- Der Einsatz paralleler Agenten ist besonders nützlich für Research, Wartungsarbeiten und anweisungsbasierte Aufgaben
Auswirkungen auf bestehende Software-Engineering-Praktiken
- Die Arbeit mit parallelen Agenten könnte das Potenzial haben, jahrzehntelange Praktiken im Software Engineering auf den Kopf zu stellen
- Wenn Engineers, die mehrere Agenten gleichzeitig laufen lassen, produktiver sind als Kollegen, die sich „single-threaded“ auf nur ein Problem konzentrieren, ist das gut denkbar
- Im Engineering vor dem AI-Zeitalter war es entscheidend, den Flow-Zustand aufrechtzuerhalten
- Komponenten verstehen → Lösung bauen, verifizieren und iterieren → Pull Request einreichen oder mergen und deployen
- Unterbrechungen in diesem Prozess stören die Konzentration, und der Wiedereinstieg kostet Zeit. Deshalb legen viele Entwickler großen Wert auf ungestörte Fokuszeit
- Das trifft jedoch nicht auf alle hochproduktiven Engineers zu; manche sind besonders stark in Multitasking und Kontextwechseln
- Der produktivste Engineer, den der Autor als Manager kannte, hat häufig den Kontext gewechselt und mehrere Aufgaben gleichzeitig bearbeitet
- Tagesablauf: Code-Review → Coding-Aufgabe → Stand-up → Coding
(tatsächlich mit ständigen Unterbrechungen durch Review-Anfragen, Hilfegesuche, Fragen von Managern usw.)
Warum parallele Agenten gut zu Senior Engineers passen
- Es ist gut möglich, dass sich Senior-Engineers und darüber hinaus besonders natürlich an die Arbeit mit parallelen AI-Agenten anpassen
- Sie behalten die parallelen Workflows ihrer Teammitglieder im Kopf
- Sie führen Code-Reviews über 2 bis 5 Workstreams hinweg durch
- Sie haben gelernt, mit Unterbrechungen umzugehen und dennoch Fortschritt zu erzielen
- Sie können Kollegen klare Anweisungen geben und dadurch delegieren sowie dringende Aufgaben erklären
- Sie verfügen zudem über Schreibkompetenz und können dadurch effektiv schriftlich kommunizieren, etwa in Code-Reviews, RFC-Dokumenten, Tickets oder bei der Kritik an der Arbeit von Kollegen
- Mit AI-Agenten könnten Engineers, die ihre Produktivität steigern möchten, Eigenschaften entwickeln, die auch hervorragende technische Führungskräfte auszeichnen
- Bisher werden erfolgreiche Nutzer paralleler Agenten überwiegend unter Senior-Engineers und erfahreneren Kräften beobachtet
- Allerdings erwähnte Flask-Erfinder Armin Ronacher, dass er parallele Agenten nicht mehr so stark nutzt wie früher
- „Mein Kopf hat eine Grenze dafür, wie viel ich reviewen kann“
Die Zukunft paralleler Agentenarbeit und ihre Unsicherheiten
- Wir treten nun in eine neue Ära ein, in der jeder Entwickler mit Coding-Agenten parallel arbeiten kann
- Ob das Engineers tatsächlich produktiver macht oder ihnen nur das Gefühl von Produktivität gibt, bleibt unklar
- Es ist möglich, dass Engineers, die sich jeweils auf eine Sache konzentrieren, auf lange Sicht zuverlässigere Software produzieren
- Ebenso ist möglich, dass parallele Agentenarbeit mehr Probleme und Nacharbeit erzeugt und damit ihre Vorteile wieder aufhebt
- Dennoch ist zu erwarten, dass immer mehr Entwickler mit parallelen Agenten experimentieren werden
Die Bedeutung von Software-Engineering-Grundlagen bei der Arbeit mit AI-Agenten
- Auch beim Einsatz von AI-Agenten bleiben Grundlagenwissen und Disziplin im Software Engineering wichtig
- Testing: In allen Side-Projects werden Unit-Tests eingesetzt (ohne Verifikation wird der eigenen Arbeit nicht vertraut)
- Kleine, klar beschriebene Aufgaben: Aufgaben in kleinem Umfang formulieren und Beispiele mitgeben
- Refactoring: Bei jeder dritten oder vierten Aufgabe den Agenten anweisen, den von ihm geschriebenen Code zu refaktorieren (z. B. Methoden extrahieren oder in neue Klassen verschieben)
- Review: Die Arbeit des Agenten nachverfolgen
- Kleine Aufgaben selbst erledigen: Die IDE geöffnet lassen und Änderungen von nur wenigen Zeilen direkt selbst vornehmen, um das Gefühl für die Codebase zu behalten
- Andere Engineers berichten Ähnliches: Engineering-Praktiken, die den Agenten dazu „zwingen“, alle Tests zu bestehen, führen zu besseren Ergebnissen
- Da AI-Agenten nichtdeterministisch und bis zu einem gewissen Grad unzuverlässig sind, ermöglichen genau diese Praktiken einen wesentlich verlässlicheren und praxisnäheren Ansatz
7 Kommentare
Wie Armin Ronacher anmerkte, halte ich die kognitive Belastung der Prüfenden für den Engpass. Wenn man bereits mit Coding oder anderen Aufgaben ausgelastet ist, lässt sich das also gar nicht anwenden. Ich denke vielmehr, dass es sogar gegenteilige Effekte haben könnte, etwa unerwartete Qualitätseinbußen oder zusätzlichen Zeitaufwand für die Prüfung.
Ich befürchte, dass Multitasking unter dem Vorwand des AI-Einsatzes und höherer Produktivität für Entwickler zum Standard werden könnte.
Mit drei Agenten wie FE, BE und Data geht es noch, aber darüber hinaus kommt mein Gehirn nicht mehr mit T_T.
Dank KI ist ADHS jetzt also die neue Normalität? Man muss nicht einmal mehr ins Krankenhaus gehen?
Man behandelt sie wie unermüdliche Kollegen für Peer-Reviews, startet und beendet sie immer wieder und nutzt einfach mehrere gleichzeitig, hahaha
> Der produktivste Ingenieur, den ich als Manager kennengelernt habe, hat viel Context Switching betrieben und mehrere Aufgaben gleichzeitig erledigt
> Die Fähigkeit entwickelt, mit Unterbrechungen umzugehen und auch dann Fortschritte zu machen, wenn die Konzentration ständig gestört wird
vs
> Context Switching reduzieren, eine Sache abschließen und erst dann zur nächsten übergehen, und das Gedächtnis in externen Tools festhalten
> Häufiges Context Switching erhöht die Kontrollbelastung im präfrontalen und parietalen Kortex
> - https://de.news.hada.io/topic?id=24026
Persönlich verspüre ich zwar immer wieder den Drang zum Multitasking, aber weil es mich zu sehr erschöpft, versuche ich eher, vorsichtig damit umzugehen.
Ich glaube, eine einfache Methode, die man kontinuierlich durchhalten kann, ist am besten.
Das menschliche Gehirn arbeitet ja auch nicht parallel, haha. Wenn die Überprüfung am Ende sowieso nacheinander erfolgt, hat Parallelität letztlich keine besonders große Bedeutung.
Wenn man nicht wie ein Entwickler im Team denkt, sondern wie ein PM und parallel arbeitet, passt es in etwa.