Dynamic Workflows verschieben den Agentenplan aus dem Kontext in ausführbaren Code

Bei Dynamic Workflows lässt Anthropic Claude ein Orchestrierungsprogramm in JavaScript schreiben, das Subagenten startet, Ergebnisse sammelt und den Informationsfluss steuert. Die Dokumentation nennt Dutzende bis Hunderte Agenten pro Lauf sowie ein Skript, das gelesen, gespeichert und erneut ausgeführt werden kann.

Claude hält die Koordination in einem Programm statt in einem langen Gespräch fest

Ein führender Agent entwirft zunächst den Ablauf und schreibt ein Programm zur Aufteilung der Arbeit. Eine Runtime startet anschließend Agenten für klar begrenzte Aufgaben und hält Zwischenergebnisse in Skriptvariablen. Der Hauptkontext muss dadurch nicht jeden Schritt aufnehmen, sondern nur das koordinierte Ergebnis.

Auf der AI Engineer New York zeigte Anthropic einen Scanner für eine Aktienbeobachtungsliste. Eine Phase verteilte Ticker auf Agenten mit getrennten Kontexten, eine spätere Phase prüfte deren Ergebnisse. Das Unternehmen nennt außerdem umfassende Codebase-Audits, Migrationen und Recherchen mit Quellenabgleich als Einsatzfelder.

Dynamic Workflows wurden am 28. Mai 2026 vorgestellt und sind laut der primären Anthropic-Seite inzwischen allgemein verfügbar. Sie stehen in Claude Code CLI, Desktop, der VS-Code-Erweiterung und über die API bereit, außerdem auf Amazon Bedrock, Google Cloud und Microsoft Foundry. Der Zugang ist an bezahlte Tarife oder API-Nutzung gebunden.

Ein wiederholbares Skript verändert vor allem die Arbeit technischer Leitung

Ein üblicher Subagent belässt den Plan im Gespräch. Ein Workflow verschiebt Schleifen, Verzweigungen und die Reihenfolge von Prüfungen in lesbaren Code. Ein Team kann denselben Ablauf erneut starten, bearbeiten und nachvollziehen, welche Phase ein Ergebnis erzeugt hat. Das ist betrieblich nützlicher als die Hoffnung, ein langer Prompt löse jedes Mal dasselbe Verhalten aus.

Für technische Leiter verlagert sich die Kontrolle auf eine andere Ebene. Sie müssen nicht jeden Zwischenschritt genehmigen, aber Aufgabengrenzen, Budget und Abnahmekriterien festlegen. Anthropic unterstützt auch unabhängige Prüfagenten. Dadurch kann die Kontrolle im Programm liegen statt am Ende eines Stapels von Ausgaben.

Mehr Agenten vervielfachen Kosten und ein falsch gesetztes Ziel

Anthropic warnt ausdrücklich, dass Workflows deutlich mehr Tokens als eine typische Claude-Code-Sitzung verbrauchen. Auf der Konferenz hieß es zudem, das Modell kenne sein Budget während des Laufs nicht, auch wenn Entwickler ein Sitzungsbudget setzen können. Ein falsches Ziel kann sich deshalb schnell und teuer auffächern.

Auch Sichtbarkeit garantiert keine Richtigkeit. Subagenten teilen ein Dateisystem, doch laut Präsentation kann ein Entwickler über die API keinen direkten Nachrichtenaustausch zwischen zwei Workflow-Subagenten anweisen. Die Qualität hängt weiter von Aufgabenzerlegung, Kontexttrennung, Tests und tatsächlich unabhängigen Prüfkriterien ab.

Tokenkosten und verworfene Befunde zeigen den wirklichen Nutzen

Eine sinnvolle Einführung muss mehr messen als die Zahl gestarteter Agenten. Relevant sind die Kosten pro abgeschlossener Migration, der Anteil im menschlichen Review verworfener Befunde, die Zeitersparnis bei wiederholten Läufen und die Fähigkeit zur Fortsetzung ohne Arbeitsverlust.

Das stärkste Signal liefern Teams, die einen gespeicherten Workflow wiederverwenden und so diszipliniert pflegen wie anderen Produktionscode. Endet jede große Aufgabe mit einem einmaligen Schwarm und manueller Aufräumarbeit, ist die Warteschlange lediglich von GitHub auf die API-Rechnung gewandert.

Liliths Urteil

Anthropic macht aus Agentenschwärmen einen ausführbaren Fahrplan. Ist die Strecke falsch, erreichen hundert Fahrgäste nur schneller den falschen Bahnhof.