Neu in Siesta AI: Subagents für zuverlässige Delegation

Komplexe Aufgaben scheitern selten, weil das Modell „nicht schlau genug“ ist. Sie scheitern, weil ein einzelner Agent überlastet wird: zu viele Schritte, zu viele Tool-Aufrufe, zu viele Entscheidungen und keine saubere Möglichkeit, die Arbeit aufzuteilen. Subagents lösen dieses Problem, indem ein primärer Agent fokussierte Teile einer Aufgabe intern delegiert und die Ergebnisse anschließend zu einer finalen Ausgabe zusammenführt.

Dieses Update erklärt, was Subagents sind, wann Delegation hilft und wie Delegationsmuster genutzt werden, die in realen, sicherheitsbewussten Workflows zuverlässig bleiben.

Subagents innerhalb eines Agenten-Workflows

Subagents sind spezialisierte Helferagenten, die ein primärer Agent starten kann, um einen klar abgegrenzten Teil einer größeren Aufgabe zu erledigen. Stellen Sie sich das wie eine interne Teamstruktur vor:

• Der primäre Agent verantwortet das Ziel, die Rahmenbedingungen und die finale Antwort.
• Subagents übernehmen klar abgegrenzte Arbeitspakete und berichten zurück.

Der Mehrwert ist nicht „mehr KI“. Der Mehrwert ist Ausführungsqualität: weniger Kontextballast in einem Thread, klarere Verantwortlichkeiten und bessere Abschlussquoten bei mehrstufiger Arbeit.

Wann Delegation hilft – und wann nicht

Subagents funktionieren am besten, wenn eine Aufgabe natürliche Trennlinien hat, etwa Recherche plus Synthese, Anforderungen extrahieren plus Deliverable schreiben, einen Plan erstellen plus Outputs produzieren oder Varianten generieren plus die beste auswählen. Weniger hilfreich sind sie, wenn die Aufgabe eine einzige, eng gekoppelte Schleife ist, in der jeder Schritt vom vorherigen abhängt, oder wenn alle Entscheidungen denselben gemeinsamen Kontext erfordern. In diesen Fällen kann Delegation eher Overhead hinzufügen als ihn zu reduzieren. Der praktische Trade-off ist einfach: Subagents senken die kognitive Last im Hauptthread, erhöhen aber den Koordinationsbedarf – der primäre Agent muss Arbeit klar zuschneiden und verifizieren, was zurückkommt.

Ein praxistaugliches Delegationsmuster, das zuverlässig bleibt

In Siesta AI folgt effektive Delegation meist einem einfachen Ablauf. Zuerst rahmt der primäre Agent die Aufgabe: das gewünschte Ergebnis, Constraints (Format, Compliance-Anforderungen, Brand Voice) und was „fertig“ bedeutet. Danach teilt er die Arbeit in unabhängige Blöcke. Jeder Subagent sollte einen engen Scope, explizite Inputs und ein erforderliches Ausgabeformat erhalten – das verhindert „hilfreiche, aber unbrauchbare“ Antworten, die sich nicht in den Haupt-Workflow zurückführen lassen.

Dann führen Subagents mit begrenztem Kontext aus. Sie sollten nicht automatisch die gesamte Konversation oder den gesamten Workspace-Kontext erhalten; ihnen nur das Nötige zu geben hält sie fokussiert und reduziert irrelevantes Überschwappen. Abschließend validiert und merged der primäre Agent: Er prüft Konsistenz, löst Konflikte zwischen Subagent-Outputs und liefert ein kohärentes Deliverable. Eine nicht offensichtliche Implikation für Enterprise-Teams: Delegation geht oft weniger um reine Geschwindigkeit als um Reviewbarkeit. Kleinere Sub-Tasks lassen sich leichter testen, standardisieren und auditieren – wichtig, wenn Agenten reale Geschäftsprozesse berühren.

Governance: delegieren, ohne die Kontrolle zu verlieren

Delegation kann riskant wirken, wenn jeder Subagent jedes Tool aufrufen kann. Ein sichereres Muster ist, Subagents mit Skills und Tool-Berechtigungen auszurichten, sodass jeder eine klare Rolle und strikt begrenzten Zugriff hat. Zum Beispiel kann ein Recherche-Subagent interne Quellen lesen, Ergebnisse zusammenfassen und belegte Notizen erstellen – aber er darf nicht veröffentlichen, keine E-Mails senden und keine Datensätze in Business-Systemen anlegen. Ein Publishing-Subagent kann Inhalte formatieren und ein CMS-Payload vorbereiten, aber nur nach Freigabe und ohne Berechtigung, Live-Seiten zu ändern. Ein Jira-Subagent kann Tickets erstellen, aber nur in vordefinierten Projekten mit Pflichtfeldern und Templates – sodass er keine Arbeit am falschen Ort anlegt. Ein Finance-Ops-Subagent kann aus exportierten Daten eine Abstimmungszusammenfassung entwerfen, aber er darf keine Zahlungen auslösen. Ein Support-Subagent kann Ticket-Antworten vorschlagen und Kategorien taggen, aber er darf keine Nachrichten extern versenden. So bauen Teams Workflow-Automation mit KI, ohne eine Blackbox zu schaffen. Es spiegelt die Funktionstrennung wider, die Sie auch bei menschlichen Teams durchsetzen würden: klare Verantwortlichkeiten, kontrollierte Berechtigungen und vorhersehbare Outputs.

Was als Nächstes zu tun ist

Wenn Sie Agenten bereits für reale Workflows einsetzen, sind Subagents der nächste Schritt zu zuverlässigerer Ausführung. Starten Sie mit einem wiederholbaren Prozess, der sich natürlich in zwei oder drei Teile aufspaltet, definieren Sie die Grenzen klar und entscheiden Sie vorab, was jeder Subagent lesen darf und was er tun darf.

Wenn Sie Subagents in einer sicheren, enterprise-tauglichen Umgebung in Aktion sehen möchten, sehen Sie sich eine Demo an: https://siesta.ai/demo