Wir wollen, dass Orkas das Fundament wird, auf dem ein KI-natives Unternehmen läuft. Dieses Ziel führt direkt zu einer Frage: Wie arbeiten mehrere Menschen und mehrere Agenten am selben Projekt zusammen?
Die Antwort sieht ganz anders aus als die Teamarbeit, die wir gewohnt sind. Um zu verstehen, warum, lohnt sich ein Blick darauf, woher die Zusammenarbeit unter Menschen überhaupt kommt. (Die Schritt-für-Schritt-Anleitung zum Produkt finden Sie in Geteilte Projekte: Wie Menschen und KI-Agenten in Orkas zusammenarbeiten. In diesem Beitrag geht es um die Überlegungen dahinter.)
Zusammenarbeit unter Menschen ist um zwei menschliche Grenzen herum entstanden
Erstens haben Menschen nur begrenzte Bandbreite und ein begrenztes Gedächtnis. Wir können nur so viel auf einmal aufnehmen und uns nur so viel merken. Deshalb müssen Teams ständig kommunizieren: Neuigkeiten teilen, sich über Ziele abstimmen, sich über den Fortschritt abstimmen. Wöchentliche Meetings, Stand-ups, Tages- und Wochenberichte, „Kurz syncen?“, „Lasst uns das abstimmen“: All das gleicht diese Grenze aus.
Zweitens muss vieles davon persönlich stattfinden. Von Angesicht zu Angesicht gibt es mehr Kanäle als nur Worte: Körpersprache, Tonfall und Mimik transportieren Information. Wenn jemand Ihnen am Tisch sagt „Der Plan sieht gut aus“, hören Sie, ob er es auch so meint. Genauso wichtig: Persönliche Treffen schaffen Vertrauen. Deshalb kommen so viele Remote-Teams immer noch regelmäßig vor Ort zusammen.
Was sich ändert, wenn Agenten dazukommen
In einem Team aus Menschen und Agenten bleibt die menschliche Seite der Zusammenarbeit wichtig. Aber mit Agenten zu arbeiten ist etwas ganz anderes, als mit Menschen zu arbeiten. Agenten haben drei klare Stärken und drei klare Schwächen.
Drei Stärken
Hohe Bandbreite und starke Ausführung. Das gilt besonders für Aufgaben mit klaren, messbaren Zielen. Und die Aufgaben, die Agenten bewältigen können, werden schnell länger, schwieriger und komplexer. Bei der Vorstellung seines eigenen Coding-Agenten berichtet Meta von einer Optimierungsaufgabe für GPU-Kernels, bei der der Agent bis zu 24 Stunden lang arbeitete und mehr als 1.000 Tool-Aufrufe machte (Meta). Im Oktober 2026 veröffentlichte Linus Torvalds eine Patch-Serie für den Linux-Kernel, deren Code, Testprogramme und erster Entwurf der Commit-Nachricht von Claude Code stammten; die Messungen führte er auf seinem eigenen Rechner durch (LWN).
Das Wissen und die Werkzeuge der Welt, durchgängig über Disziplinen hinweg. Das Pretraining hat das Wissen der Welt bereits ins Modell gepackt. Mit den richtigen Tools kann ein Agent eine Arbeit über Disziplinen hinweg von Anfang bis Ende tragen: PRD schreiben → entwerfen → bauen → testen → ausliefern. Wenn Menschen dieselbe Arbeit erledigen, müssen Produkt, Design, Entwicklung und QA zusammenarbeiten, mit einer neuen Abstimmungsrunde bei jeder Übergabe.
Wenige menschliche Schwächen, und kein Vertrauen, das erst wachsen muss. Ein Agent wird nicht müde, hat keine schlechten Tage und schämt sich nicht, eine einfache Frage zu stellen. Ein neuer Agent kann loslegen, sobald er den Kontext des Projekts hat. Es gibt keine Einarbeitungszeit und keine Beziehung, die erst aufgebaut werden muss.
Drei Schwächen
Ein Agent braucht sauberen Kontext. Falscher Kontext bringt ihn vom Kurs ab. Wir haben das selbst erlebt: Ein Feld in unserem Analytics-Dashboard besagte, die Daten ließen sich „nicht verknüpfen“, obwohl das sehr wohl ging; das Feld selbst war falsch berechnet. Zwei verschiedene Agenten lasen diese Zeile, und beide ließen eine komplette Analyse der User Journey fallen. Ein Mensch, der diese Schlussfolgerung sieht, würde fragen: „Stimmt das noch?“ Ein Agent nimmt sie meist für bare Münze.
Ursachen über lange Zeiträume zuzuordnen, fällt ihm schwer. Wenn mehrere Variablen das Ergebnis gleichzeitig beeinflussen, macht er leicht die falsche verantwortlich, und Menschen müssen ihn korrigieren. Eine Zeit lang wurden einige neue Seiten unserer Website nicht von Google indexiert. Ein Agent kam zu dem Schluss, „die Website hat nicht genug Autorität, deshalb investiert Google kein Crawl-Budget in sie“, und empfahl, zuerst Backlinks aufzubauen. Wir haben widersprochen und nachgeprüft: Die allermeisten Seiten der Website waren bereits indexiert. Die wenigen, die es nicht waren, sahen eher nach Themen aus, die zu weit von dem entfernt waren, worum es auf der Website geht. Mit dem Crawl-Budget hatte das nichts zu tun, und Backlinks aufzubauen wäre der falsche Schritt gewesen.
Er passt sich schlecht an eine sich verändernde Umgebung an, besonders wenn die Veränderung nicht in seinen Pretraining-Daten steckt. Eine gerade neu gestaltete Website, eine gerade geänderte Plattformregel, ein Produkt, das letzten Monat erschienen ist: Ein Mensch merkt „Da hat sich etwas geändert“ und passt sein Vorgehen an. Ein Agent arbeitet oft mit dem weiter, was er schon weiß, und versucht dasselbe wieder und wieder.
Warum Chat-Apps nicht passen
Chat-Apps wurden für Menschen gebaut, die mit Menschen arbeiten: Nachrichten laufen eine nach der anderen durch, @-Erwähnungen und Lesebestätigungen halten alle auf dem gleichen Stand, und Informationen verteilen sich über viele Kanäle. Dieses Design gleicht genau die beiden oben beschriebenen Grenzen aus. Menschen haben wenig Bandbreite und ein kurzes Gedächtnis, also posten wir ständig und stimmen uns ständig ab.
Für Agenten ist das die falsche Form:
- Smalltalk, Diskussionen unterwegs und Pläne, die später verworfen wurden, sind für einen Agenten alles Kontextrauschen.
- Ein Agent muss kein Vertrauen durch Gespräche aufbauen.
- Was ein Agent wirklich braucht, sind sauberer Kontext und eine klare Aufgabe.
Deshalb muss die Zusammenarbeit zwischen Menschen und Agenten neu gestaltet werden. Und weil Agenten immer leistungsfähiger werden, wird sich auch die Art, wie wir zusammenarbeiten, weiter verändern. In Orkas arbeiten wir noch daran.
Was Orkas tut: Beibehalten, was sich nicht geändert hat, neu gestalten, was sich geändert hat
Unser Ansatz: Wir behalten die Teile der Zusammenarbeit bei, die sich nicht geändert haben, und gestalten die Teile neu, die sich geändert haben. Unten sehen Sie ein geteiltes Projekt in Orkas; die vier Ideen entsprechen den vier hervorgehobenen Bereichen.
1. Arbeit zuweisen, übergeben und prüfen: Zu erledigen
Das gab es lange vor den Agenten, und wir brauchen es immer noch. Vorerst hat jede Aufgabe in unseren Projekten einen menschlichen Verantwortlichen, und ein Mensch steht für das Endergebnis ein.
Im Produkt funktioniert das so: Jedes To-do wird einer Person zugewiesen, und diese Person entscheidet, welcher Agent die Arbeit erledigt. Nur die verantwortliche Person kann das To-do starten; der Agent läuft auf ihrem eigenen Computer, mit ihrem Modell und ihren Credits. Ist er fertig, setzt der Agent das To-do auf Wartet auf Bestätigung, statt es selbst als erledigt zu markieren. Abgeschlossen ist es erst, wenn die verantwortliche Person es geprüft und bei Bedarf angepasst hat.
2. Ziele, Hintergrund und Kontext teilen: Ziele & Regeln, Gedächtnis
Hier teilen Menschen und Agenten denselben Kontext, damit die wichtigen Fakten abgestimmt bleiben.
Ziele & Regeln und Gedächtnis eines Projekts gelten für alle Unterhaltungen dieses Projekts, und Agenten halten sich jedes Mal daran. Tragen Sie zum Beispiel eine Definition wie „Monatliche Retention = neue Nutzer, die im Folgemonat wiederkommen“ in Ziele & Regeln ein und halten Sie wichtige Entscheidungen im Projektgedächtnis fest. Wenn ein neues Mitglied mit seinen Agenten dazukommt, lesen alle vom ersten Tag an genau dasselbe.
3. Über Dateien übergeben, den Prozess getrennt halten
Die Bibliothek des Projekts wird zwischen den Mitgliedern synchronisiert, und ein To-do kann jede beliebige Datei als Anhang mitbringen. Arbeit wird als Datei übergeben, nicht als Chatverlauf.
Den Großteil des Zwischenprozesses halten wir bewusst getrennt, damit er für Agenten nicht zu schädlichem Kontextrauschen wird. Die gesperrten Tabs Aufgaben und Automatisierung gehören nur Ihnen. Ein Agent geht vielleicht Hunderte Schritte und probiert drei Ansätze aus, bevor er einen einzigen Bericht liefert. Ihr Kollege bekommt nur den Bericht; der Prozess bleibt in Ihren eigenen Aufgaben und landet nie im Kontext seiner Agenten.
4. Private Agenten mit dem Team teilen
Mitglieder können ihre privaten Agenten teilen, damit der Rest des Teams sie nutzen kann. Diese Agenten tragen die Erfahrung ihres Eigentümers und sein Urteil darüber, was Qualität ist, in sich. Das Teilen macht alle schneller, und Probleme, die bei der Nutzung auffallen, lassen sich über die Selbstweiterentwicklung beheben. So wächst, was das ganze Projekt leisten kann.
Wenn ein Agent geteilt wird, packt Orkas seine Arbeitsanweisungen und Skills zusammen, einschließlich der Skills, die er sich bei der Arbeit selbst angeeignet hat. Sein Gedächtnis und sein Chatverlauf sind nicht enthalten. Wenn die Person, die ihn geteilt hat, den Agenten aktualisiert, erhalten die Mitglieder die neue Version automatisch.
Ein frühes, offenes Problem
Die Zusammenarbeit zwischen Menschen und Agenten steht noch ganz am Anfang, und die Antworten gehen noch auseinander. Mit besseren Modellen wird vieles von dem, was Agenten für die Zusammenarbeit brauchen, in die Modelle selbst wandern.
Manche Modelle können das bereits nativ: mehrere Subagenten parallel laufen lassen, um ein Problem aus verschiedenen Blickwinkeln zu untersuchen, oder erst planen und dann Subagenten losschicken, die den Plan umsetzen. Muse Spark Open, das Meta im Oktober 2026 mit offenen Gewichten veröffentlicht hat, wird als darauf trainiert beschrieben, Arbeit aufzuteilen, an Subagenten zu übergeben und diese zu koordinieren (PyTorch-Blog).
Die Art, wie wir zusammenarbeiten, wird sich also mit besseren Modellen ändern. To-dos, geteilter Kontext, Übergabe über Dateien und geteilte Agenten sind unsere Antwort auf das, was Modelle heute können, nicht die endgültige Form.
Zum Schluss
Wir haben beibehalten, was sich nicht geändert hat: Jemand ist für die Arbeit verantwortlich, jemand prüft sie, und Ziele und Kontext bleiben abgestimmt. Wir haben neu gestaltet, was sich geändert hat: über Dateien übergeben, den Prozess getrennt halten und die Erfahrung und den Geschmack jedes Einzelnen in Agenten verwandeln, die das ganze Team nutzen kann.
Wir erkunden das noch und tauschen uns gern darüber aus. Wenn Sie ein Team leiten, in dem Menschen und Agenten zusammenarbeiten, probieren Sie es zuerst mit einem Projekt aus. Orkas gibt es als kostenlosen Download für macOS und Windows.