Mehrere KI-Agenten: Multitasking im Entwickleralltag?

Beim klassischen Zeitmanagement heißt es immer, Multitasking funktioniert beim Menschen nicht. Unser Kopf arbeitet nicht an mehreren anspruchsvollen Dingen gleichzeitig, sondern wechselt zwischen ihnen. Das ist eine Aussage, die ich jahrelang einfach hingenommen habe. Beim Programmieren hat sich das auch immer so angefühlt. Sobald ich versuche, zwei komplexe Probleme parallel zu bearbeiten, zerfällt die Arbeit in schnelles Umschalten. Die Qualität leidet, der Fokus bricht weg.

Mit KI-Coding verändert sich diese Situation auf eine Weise, die ich am Anfang nicht erwartet hatte. Ich kann mehrere KI-Agenten starten und ihnen unterschiedliche Entwicklungsaufgaben geben. Diese können tatsächlich gleichzeitig arbeiten. Ein Agent entwickelt ein Modul für die Medikamentenvergabe, ein anderer arbeitet an einem Kalendermodul, ein dritter kümmert sich um einen völlig anderen Teil der Anwendung. Die Aufgaben sind dabei bewusst so getrennt, dass die Agenten nicht gleichzeitig an denselben Programmteilen oder Dateien arbeiten. Dadurch entsteht spürbar mehr Output in derselben Zeit.

Das ist kein theoretisches Konstrukt, sondern im Arbeitsalltag direkt merkbar. Wenn ich vorher selbst Code geschrieben habe, war ich der limitierende Faktor. Jetzt laufen drei Prozesse parallel. Die Maschinen arbeiten tatsächlich parallel. Aber das wirft eine andere Frage auf: Was bedeutet das für mich als Entwickler, der diese Agenten steuert?

Die KI arbeitet parallel. Ich springe zwischen Kontexten.

Ich selbst sitze nicht plötzlich in drei Denkräumen gleichzeitig. Stattdessen wechsle ich zwischen ihnen hin und her. Agent A will eine fachliche Entscheidung zur Medikamentenvergabe. Agent B braucht Klarheit zum Kalender-Modul. Agent C hat in einem anderen Bereich eine Annahme getroffen, die ich prüfen muss.

Sobald ich zu einem Agenten zurückkehre, muss ich wieder hineindenken. Was war hier nochmal die Anforderung? Welche Architekturentscheidung liegt zugrunde? Was hat der Agent bereits verändert? Passt das noch zusammen? Gerade wenn mehrere solcher Streams parallel laufen, merke ich, dass der eigentliche Engpass nicht mehr das Tippen von Code ist, sondern das ständige Wieder-Einstellen auf einen neuen Kontext.

Vielleicht ist das also gar kein menschliches Multitasking. Vielleicht ist es eher beschleunigtes Context Switching. Die Vorstellung, dass KI mir erlaubt, mehrere Dinge gleichzeitig zu denken, trifft nicht zu. Sie erlaubt mir, mehrere Dinge gleichzeitig in Arbeit zu haben. Der Unterschied ist subtil, aber im Arbeitsgefühl deutlich spürbar.

Die Geschirrspüler-Illusion

Am Anfang wirkt die Vorstellung ziemlich verlockend. Man startet drei Agenten, legt sich zurück und macht in der Zwischenzeit einfach etwas anderes. Wie beim Geschirrspüler: anstellen, später wiederkommen, fertig. In der Praxis fühlt sich KI-Coding aber oft anders an.

Ein Agent hat Rückfragen. Ein anderer macht einen Plan, der nicht ganz in meine Richtung geht. Ein dritter stößt auf ein Problem und läuft ohne neue Richtung nicht weiter. Manchmal interpretiert ein Agent die Anforderungen anders, als ich es gemeint hatte. Manchmal dauert eine Aufgabe deutlich länger als gedacht.

Das heißt: Die Vorstellung vom ruhigen, automatischen Nebenherlaufen stimmt nur teilweise. Ja, es gibt Aufgaben, die wirklich gut alleine vor sich hin arbeiten können. Aber verlässlich ist das nicht in dem Sinne, dass ich einfach zwei Stunden komplett aus dem Prozess raus wäre. Oft genug brauche ich doch wieder eine Entscheidung, eine Korrektur oder eine neue Priorisierung.

KI-Agenten sind für mich deshalb keine drei Geschirrspüler, die man morgens einschaltet und abends ausräumt. Sie sind eher drei laufende Gespräche, die Aufmerksamkeit einfordern – nur eben zeitversetzt und parallel. Ich muss erreichbar bleiben für Rückfragen, auch wenn ich gerade an einem anderen Modul arbeite. Das unterbricht den Flow an der aktuellen Aufgabe.

Mehr Output heißt auch mehr Kontrolle

Der größte Unterschied zu früher ist für mich die Geschwindigkeit. Ich kann heute in kurzer Zeit deutlich mehr Code erzeugen lassen, als ich selbst schreiben würde. Das ist ein echter Vorteil. Ich will das gar nicht kleinreden. Gerade bei klar abgegrenzten Teilaufgaben ist die Produktivitätssteigerung real.

Aber mit mehr Output kommt auch mehr Verantwortung auf mich zurück. Wenn drei Agenten Code liefern, muss ich auch drei Ergebnisse verstehen, bewerten und einordnen. Ich will wissen: Passt die Umsetzung zur Architektur? Sind die fachlichen Annahmen nachvollziehbar? Hat die KI eine saubere Entscheidung getroffen oder nur etwas plausibel Aussehendes gebaut? Entstehen technische Schulden, die ich später teuer bezahle? Verstehe ich den Code überhaupt noch gut genug, um ihn vertreten zu können? Funktioniert das nicht nur im offensichtlichen Fall, sondern auch bei Sonderfällen?

Für mich ist genau das die Verschiebung: Der Flaschenhals ist nicht mehr nur, wie schnell ich selbst implementieren kann. Der Flaschenhals ist stärker geworden, wie viel ich gleichzeitig sauber überblicken, kontrollieren und verantworten kann.

Der eigentliche neue Engpass

Früher war Entwicklung unter anderem dadurch begrenzt, wie schnell ich selbst analysieren, entwerfen und programmieren konnte. Heute kann Code wesentlich schneller entstehen. Das klingt erstmal nach reiner Beschleunigung – und das ist es auch. Aber die Grenze verschiebt sich.

Nicht mehr nur: Wie schnell kann ich etwas bauen? Sondern: Wie viel von dem, was parallel entsteht, kann ich noch sinnvoll verstehen?

Das ist kein negatives Bild. Eher das Gegenteil: Es zeigt, dass Kontrolle weiterhin zentral bleibt. Ich sehe mich nicht als jemanden, der von KI ersetzt wird, sondern als jemanden, der mehr koordinieren, bewerten und zusammenführen muss als vorher. Manchmal fühlt sich das fast wie ein neues Arbeitsmodell an. Nicht weniger Arbeit, sondern anders verteilte Arbeit.

Ich muss vor dem Start der Agenten die Aufgaben so vorbereiten, dass sie klar abgegrenzt sind. Pflichtenhefte für Kundenanforderungen werden soweit erstellt, dass eine KI damit arbeiten kann. In diesen Zeitfenstern werden dann KI-Agenten mit diesen Aufgaben gestartet. Danach folgt die Kontrolle der durchgeführten Code-Anpassungen: ob das in die Architektur passt, ob Entscheidungen getroffen worden sind, die vielleicht noch korrigiert werden müssen. Danach ausführlicher Test der implementierten Funktionen.

Dieser Vorbereitungsaufwand und der Kontrollaufwand sind real. Sie fressen einen Teil der Zeit auf, die durch die Parallelisierung gewonnen wird. Aber netto bleibt trotzdem mehr Output. Nur ist es ein anderer Typ von Arbeit.

Wie sich das am Ende eines Tages anfühlt

Ein Tag mit mehreren parallelen Agenten kann sehr produktiv sein. Es entsteht viel. Mehr als ich früher in derselben Zeit allein gebaut hätte. Das ist beeindruckend. Gleichzeitig merke ich am Ende des Tages auch eine andere Art von Belastung. Nicht unbedingt im Sinne von Erschöpfung, eher als Folge vieler kleiner Wechselbewegungen.

Ich arbeite gerade tief in einem Modul. Dann braucht ein anderer Agent eine Entscheidung. Also Kontext wechseln. Antwort geben. Zurück zum ersten Thema. Kurz darauf ist der dritte Agent fertig und muss geprüft werden. Wieder ein neuer mentaler Rahmen. Dann will ein weiterer Teil eingeordnet werden.

Das ist nicht dramatisch. Aber es ist auch nicht die still fokussierte, lineare Arbeit, die man sich von KI manchmal erhofft. Der Output steigt, aber die geistige Last verschiebt sich. Weniger selbst tippen, mehr koordinieren, prüfen, einordnen.

Ich habe feste Zeit-Slots in meinem Kalender oder in meinem Arbeitsablauf vorgesehen, in denen ich diese Kontrollen und Entscheidungen mache. Das hilft, das ständige Unterbrochen-Werden etwas zu strukturieren. Aber es ändert nichts daran, dass ich über den Tag verteilt mehrere Kontexte parallel im Kopf behalten muss. Nicht um sie gleichzeitig zu bearbeiten, sondern um sie jederzeit abrufen zu können, wenn ein Agent eine Rückfrage stellt.

Vielleicht ist das die eigentliche Frage

Wenn Multitasking beim Menschen ein Mythos ist, was bedeutet es dann, wenn die Werkzeuge um uns herum tatsächlich parallel arbeiten können?

Meine bisherige Antwort ist keine klare Ja-oder-Nein-Antwort. Eher eine Beobachtung: KI macht Multitasking für Menschen nicht wirklich möglich. Sie macht es eher so, dass wir schneller zwischen mehreren Kontexten hin- und herspringen.

Die Maschinen arbeiten parallel. Der Mensch hält die Linien zusammen.

Und genau in diesem Spannungsfeld verändert sich gerade mein Arbeitsalltag als Entwickler am stärksten. Ich produziere mehr Code, aber ich verbringe auch mehr Zeit damit, diesen Code zu verstehen und einzuordnen. Die Arbeit wird nicht unbedingt leichter, sie wird anders.

Mich interessiert besonders, wie andere Entwickler das erleben: Fühlt sich paralleles Arbeiten mit mehreren KI-Agenten für euch eher wie echte Parallelität an – oder eher wie ein deutlich beschleunigtes, anspruchsvolleres Context Switching?