ChatGPT verfügt jetzt über ein KI-Team, GPT-6 Astra Pro wurde aufgerüstet: Die Mitglieder erledigen ihre Aufgaben getrennt voneinander und können jederzeit den aktuellen Arbeitsfortschritt abfragen.
ChatGPT hat nun auch gelernt, „Verstärkung zu rufen“, um gemeinsam an Aufgaben zu arbeiten!
Am 16. Oktober kündigte OpenAI die Aktualisierung von GPT-6 Astra Pro in ChatGPT an:
Schnellere Antworten, verbesserte Fähigkeiten bei der Nutzung von Plugins und Tools sowie die Möglichkeit, mehrere Agenten dieselbe Aufgabe parallel bearbeiten zu lassen.
Übergeben Sie eine komplexe Aufgabe, und mehrere KI-Modelle können jeweils einen Teil übernehmen und gleichzeitig voranschreiten.
Sie können den Fortschritt jedes einzelnen im Gespräch verfolgen, abgeschlossene Aufgaben separat öffnen und die Ergebnisse prüfen.
Parallele Ausführung, Fortschrittsverfolgung und Ergebnisprüfung – diese Schritte wurden in einen einzigen Chat-Eingang integriert.
Derzeit wird dieses Update schrittweise für berechtigte Pro-Nutzer freigegeben. Ob Unternehmens- oder Teamkonten die Funktion nutzen können, hängt von den Administratoreneinstellungen und dem Erhalt der entsprechenden Push-Benachrichtigung ab.
Mit mehr KI-Modellen, die für Sie arbeiten, steigt auch die Anzahl der Aufgaben, die Sie überwachen müssen.
Der Netznutzer @Sebasti54919704 beschwerte sich: Parallele Agenten sind großartig, aber das Verfolgen jedes einzelnen Fortschritts ist der Teil, der ihn zur Verzweiflung bringt.
Er hat einfach seine Claude Code- und Codex-Sitzungen mit Sprachfunktion ausgestattet, sodass er per Sprachbefehl nach dem Fortschritt fragen und zwischen Sitzungen wechseln kann.
Gelegentlich widersprechen diese Agenten ihm sogar.
Mehrere KI-Modelle arbeiten gleichzeitig, während der Nutzer möglicherweise damit beschäftigt ist, den Fortschritt zu überwachen, Aufgaben anzutreiben und gelegentlich sogar mit den „Widersprüchen“ der KI umzugehen.
Ob ein KI-Team gut funktioniert, hängt auch davon ab, ob es dem Nutzer ermöglicht, weniger Zeit für das Nachfragen nach Fortschritten, die Übermittlung von Informationen und die Koordination von Aufgaben aufzuwenden.
Wie dieses KI-Team seine Arbeit aufnimmt
Der Eingang befindet sich auf der Chat-Registerkarte von ChatGPT.
Gemäß der offiziellen Hilfedokumentation wählen Sie im Modellmenü GPT-6 aus und ziehen dann den Schieberegler „Thinking“ auf die Stufe Pro – dann nutzen Sie GPT-6 Pro, das von GPT-6 Astra angetrieben wird.
Die Stufen Instant, Medium, High und Extra High werden von GPT-6 Sol angetrieben.
Die regulären Stufen von GPT-6 werden von Sol unterstützt, die Pro-Stufe von Astra.
Dieses Update enthält hauptsächlich drei wesentliche Änderungen.
Erstens: Schnellere Arbeitsweise.
Laut OpenAI sind die Antworten schneller. Konkrete Zahlen dazu, um wie viel sie beschleunigt wurden und wie viel Zeit bei der Bearbeitung einer Aufgabe eingespart werden kann, hat das Unternehmen bisher nicht veröffentlicht.
Zweitens: Verbesserte Tool-Nutzung.
Ob die KI eine Aufgabe abschließen kann, hängt auch davon ab, ob sie die Tools reibungslos nutzt.
Der Netznutzer @Rossisonx beschwerte sich, dass Plugins manchmal in Schleifen geraten, an Ort und Stelle hängen zu bleiben und scheinbar trotzdem das Nutzungsguthaben verbrauchen. Der Fortschritt der Aufgabe stagniert, während das Guthaben weiter abnimmt – das ist natürlich frustrierend.
OpenAI kündigte diesmal an, die Fähigkeiten zur Nutzung von Plugins und Tools zu verbessern. Ob die Wirkung eintritt, wird sich erst in der Praxis zeigen.
Wenn Tools auf externe Dienste zugreifen müssen, müssen Nutzer trotzdem zuerst ihr Konto verbinden und die Autorisierung abschließen – die KI kann nur innerhalb der gewährten Berechtigungen operieren.
Die wichtigste Kernänderung ist die parallele Arbeit mehrerer Agenten.
Wenn Sie beispielsweise eines von drei KI-Tools auswählen möchten, müssen Sie deren Funktionen, Preise und Nutzungsbeschränkungen vergleichen.
Die KI kann getrennt Informationen zu jedem Produkt sammeln und dann die Bedingungen für monatliche Zahlung, jährliche Zahlung, kostenlose Version und kostenpflichtige Version abgleichen.
Der Nutzer @rubenssoto_a teilte auch seinen Versuch mit:
Ich habe es gebeten, Recherchen durchzuführen und dann ein Produktanforderungsdokument sowie Aufgabenarbeitsaufträge auszugeben – das Ergebnis war hervorragend.
Von der Informationssuche über die Erstellung von Anforderungen bis zur Auflistung von Aufgaben können die Forschungsergebnisse direkt in den Ausführungsplan für den nächsten Schritt übergehen.
Die Arbeitsteilung der KI funktioniert aber genauso wie in menschlichen Teams: Aufgaben, die gleichzeitig erledigt werden können, werden parallel ausgeführt, Aufgaben mit sequenziellen Abhängigkeiten müssen nacheinander bearbeitet werden.
Beispielsweise müssen Sie zuerst Materialien lesen, dann den Plan festlegen und schließlich die Datei bearbeiten – der nächste Schritt erfordert das Ergebnis des vorherigen, auch wenn Sie mehrere KI-Modelle einsetzen, können Sie diesen Schritt nicht überspringen.
Nur wenn die echten parallelisierbaren Teile herausgearbeitet werden, lässt sich die Wartezeit verkürzen.
Nachdem die Aufgaben verteilt sind, muss der Fortschritt sichtbar sein.
Nutzer können die einzelnen Agenten im Hauptchat verfolgen und nach Abschluss die Ergebnisse öffnen und prüfen.
Der Netznutzer @wushanyunyu1 erwähnte diese Änderung und sagte: „Das verwandelt sich von reiner Chat-Kommunikation in Aufgabenverteilung.“
Seiner Meinung nach wird der nächste Wettbewerb darum gehen, die Arbeit mehrerer Agenten gut zu verwalten, um Fehler und Nacharbeiten zu minimieren.
Er möchte vor allem sehen, wie viel Nacharbeit tatsächlich anfällt, nachdem Pro-Nutzer eine Reihe echter Aufgaben damit erledigt haben.
Wenn mehrere KI-Modelle gleichzeitig Ergebnisse liefern, kann der Nutzer sie möglicherweise nicht alle auf einmal durchsehen.
Der Netznutzer @leolaoshuai warnte: „Der Engpass wird zu Ihrer Prüfgeschwindigkeit.“
Wenn jedes Ergebnis von Grund auf geprüft werden muss, kann die eingesparte Wartezeit vollständig für die Prüfung aufgewendet werden.
Sein Vorschlag lautet: Beschreiben Sie vor der Aufgabenverteilung klar, „wann eine Aufgabe als abgeschlossen gilt“, und fügen Sie bei der Lieferung Ergebnisse direkt überprüfbare Nachweise hinzu.
Die von den Agenten gelieferten Ergebnisse sollten nicht nur zum Öffnen und Anzeigen verfügbar sein, sondern idealerweise auch klar auflisten, was erledigt wurde und auf welcher Grundlage dies geschah – sodass der Nutzer weniger Zeit für das Durchsuchen und Abgleichen aufwenden muss.
Wie viele Agenten maximal gleichzeitig laufen können, ob die Arbeitsteilung standardmäßig ausgelöst wird und wie die Ergebnisse konkret zusammengeführt werden, wurde in dieser Ankündigung noch nicht näher erläutert.
Claude hat schon lange eine Agentenarmee aufgebaut
Der Netznutzer @FinallySomeRest schrieb im Kommentarbereich: „Das hat Claude schon lange.“
Wenn es darum geht, KI-Modelle in Teams zusammenarbeiten zu lassen, hat Claude schon lange praktische Erfahrungen gesammelt.
Das im Juni 2025 veröffentlichte Claude Research ermöglicht es bereits, dass ein Hauptagent mehrere Unteragenten anleitet, getrennt Recherchen durchzuführen und dann die Erkenntnisse zusammenzufassen.
Der Hauptagent verteilt Rechercheaufgaben, mehrere Unteragenten suchen parallel und fassen dann die Erkenntnisse zusammen. (Quelle: Anthropic)
Am 17. September 2026 begann die öffentliche Testphase des neuen Claude Code Projects, das die Zusammenarbeit auf kontinuierlich laufende Projekte ausweitet.
Sie geben im Projektchat das Ziel an, Claude übernimmt die Aufgabenteilung, koordiniert mehrere Threads und sammelt Projekterinnerungen. Cloud-Threads können weiterarbeiten, auch wenn Sie Ihren Laptop zuklappen.
Am 10. Oktober kündigte das Unternehmen an, die Pro- und Max-Nutzer auf der Warteliste für Projects freizugeben.
Gleichzeitig startete die öffentliche Testphase des dynamischen Workflows Managed Agents, bei dem ein Bug-Suchtest veröffentlicht wurde:
In 116.000 Codezeilen waren 70 Bugs voreingebettet. Ein einzelner Agent fand bei drei Durchläufen jeweils 14, 15 und 27 Bugs; mit dem dynamischen Workflow wurden bei allen drei Durchläufen 66 Bugs gefunden.
Von der parallelen Informationssuche bis zur Koordination mehrerer Aufgabenlinien übernehmen sowohl Claude als auch ChatGPT immer mehr Aufgaben der Arbeitsteilung und Zusammenarbeit.
Was die Frage betrifft „Wer macht was, was kommt zuerst und wie werden die Ergebnisse verbunden“, unterscheiden sich die Implementierungsarten und veröffentlichten Details der verschiedenen Anbieter noch voneinander.
Wenn die KI Aufgaben selbst verteilen und Ergebnisse ordnungsgemäß zusammenfügen kann, müssen Menschen seltener als Übermittler fungieren.
Parallele Arbeit muss am Ende zusammenpassen
Aber die Aufteilung der Aufgaben ist erst der Anfang.
Wenn mehrere KI-Modelle dieselben Materialien durchsuchen, scheinen sie zwar fleißig zu arbeiten, betreiben aber in Wirklichkeit Doppelarbeit.
Wenn ein Zweig mit aktuellen Daten arbeitet, während ein anderer noch auf alte Bedingungen verweist, kann der zusammengefügte Bericht widersprüchlich sein.
Anthropic hat bei der Vorstellung des Multi-Agent-Recherchesystems eine Lektion geteilt:
Der Hauptagent hat die Aufgaben nicht spezifisch genug beschrieben, sodass zwei Unteragenten dieselbe Richtung doppelt untersucht haben, während ein anderer sich mit Problemen aus anderen Jahren befasst hat.
Deshalb muss bei der Arbeitsteilung klar angegeben werden: Was jeder sucht, in welchem Umfang und in welchem Format die Ergebnisse abzuliefern sind. Je unklarer die Aufgabengrenzen sind, desto wahrscheinlicher kommt es zu doppelten Suchvorgängen oder zum Auslassen wichtiger Inhalte.
Nach Abschluss der parallelen Suche müssen die Ergebnisse abgeglichen werden.
Der Netznutzer @878967502Teamo sagte offen: „Die Parallelisierung an sich ist nicht schwer – das Schwierige ist die Zusammenführung am Ende.“
Er wünscht sich, dass man neben dem Fortschritt auch direkt erkennen kann, wo die Ergebnisse mehrerer Zweige in Konflikt stehen.
Beim Schreiben von Berichten müssen Datenzeiträume, Preisbedingungen und Vergleichsmaßstäbe einheitlich sein; beim Programmieren müssen Schnittstellen und Benennungen zueinander passen.
Sonst müssen Menschen nach Abschluss der parallelen KI-Arbeit weiter Fehler suchen, Lücken füllen und die Ergebnisse neu zusammenfügen.
Anthropic weist auch in der offiziellen Beschreibung zu Claude Code darauf hin, dass Schritte mit engen sequenziellen Abhängigkeiten nicht zwangsläufig aufgeteilt werden sollten – mehrere Agenten, die gleichzeitig dieselbe Datei bearbeiten, erzeugen leicht Konflikte.
Bei zu kleinen Aufgaben kann der Aufwand für Arbeitsteilung und Übergabe die durch Parallelisierung eingesparte Zeit zunichte machen.
Die Funktion ist großartig
Aber beachten Sie auch das Nutzungsguthaben
Ob Sie die Funktion nutzen können und wie viel, ist die nächste Rechnung, die Nutzer aufstellen müssen.
Gemäß der offiziellen Hilfedokumentation können Plus-Nutzer Astra in Work und Codex nutzen, aber GPT-6 Pro nicht im Chat verwenden.
Dieses Multi-Agent