Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com15. November 2026 · Q011159

Fable 5.2 + Opus 5.5: How to Orchestrate a Team of AI Agents to Build Anything

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag schlägt vor, Fable 5.2 als Koordinator und Opus 5.5 als ausführende Unteragenten für Softwareprojekte einzusetzen, mit klar verteilten Aufgaben und vorheriger Abstimmung gemeinsamer Schnittstellen. Er erläutert zudem die Installation von Agenten-Fähigkeiten und nennt Koordination, Kontext, Tests, Ressourcen und Kosten als Herausforderungen; eigene Vergleichsmessungen führt er nicht an.

Mittel

Der Bericht empfiehlt, KI-gestützte Softwarearbeit in Planung und Umsetzung aufzuteilen: Fable 5.2 soll in Claude Code als Projektleitung Anforderungen und Architektur bearbeiten, Aufgaben an Opus-5.5-Unteragenten vergeben, ihre Ergebnisse prüfen und weitere Arbeit koordinieren. Dafür sollen Haupt- und Unteragenten ausdrücklich auf die jeweiligen Modelle eingestellt werden. Ein Prompt soll Fable vom eigenständigen Implementieren abhalten und zur Delegation anleiten. Bei parallel bearbeiteten oder voneinander abhängigen Komponenten seien Schnittstellen und Abhängigkeiten vorher abzustimmen.

Als Beispiel für größere Aufgaben dient eine SaaS-Anwendung mit Anmeldung, Dashboard, Zahlungs- und Datenbankfunktionen sowie Tests. Zusätzlich erläutert der Beitrag die Installation von Fähigkeiten aus dem GitHub-Projekt „Skills by Lennox Saint“ für Claude Code und Codex. Dem Bericht zufolge unterstützt der Installer Python 3, schützt standardmäßig bestehende Installationen und bietet eine Update-Option.

Der Autor verweist außerdem auf einen Anthropic zugeschriebenen Versuch mit über 1.000 Unteragenten, der in acht Tagen ein startfähiges Betriebssystem hervorgebracht haben soll. Zugleich nennt er Koordinations-, Kontext-, Test-, Ressourcen- und Kostenprobleme. Eigene Vergleichsdaten zur Wirksamkeit des vorgeschlagenen Ablaufs liefert der Beitrag nicht.

Ausführlich lesen

Der Bericht beschreibt einen Ansatz, bei dem ein KI-Modell ein Softwareprojekt plant und koordiniert, während spezialisierte Unteragenten die Implementierung übernehmen. Konkret schlägt der Autor vor, Fable 5.2 in Claude Code als übergeordneten „Orchestrator“ einzusetzen und Opus 5.5 als ausführende Arbeitsmodelle. Fable soll Anforderungen und Architektur verstehen, die Arbeit in voneinander abgrenzbare Aufgaben teilen, diese vergeben, Ergebnisse prüfen und bei Bedarf Folgeaufträge stellen.

Zur Einrichtung empfiehlt der Text, Fable 5.2 als Hauptmodell auszuwählen und die Unteragenten ausdrücklich auf Opus 5.5 festzulegen. Andernfalls könnten sie das Hauptmodell übernehmen, wodurch die vorgesehene Trennung entfällt. Ein vorgeschlagener Prompt weist Fable an, zu planen, Aufgaben zu verteilen und die Arbeit der Agenten zu kontrollieren, statt selbst mit dem Programmieren zu beginnen. Als Beispiel dient eine SaaS-Anwendung mit Anmeldung, Dashboard, Abonnements, Stripe-Anbindung, Adminbereich, Datenbank und automatisierten Tests. Der Bericht betont dabei, dass gemeinsame Dateien und voneinander abhängige Komponenten abgestimmt werden müssen: Schnittstellen und Abhängigkeiten sollten vor paralleler Arbeit feststehen.

Als ergänzende Ressource stellt der Beitrag das GitHub-Projekt „Skills by Lennox Saint“ vor. Die Anleitung beschreibt, wie man das Repository klont, eine ausgewählte Fähigkeit für Claude Code, Codex oder beide installiert und anschließend eine neue Sitzung startet, um sie aufzurufen. Laut Bericht benötigt der Installer Python 3, prüft auf vorhandene Installationen und überschreibt sie standardmäßig nicht. Mehrere Fähigkeiten lassen sich gemeinsam installieren; für Aktualisierungen könne eine vorherige Kopie in einen Sicherungsordner verschoben werden. Als wichtige Dateien des Projekts nennt der Text `AGENTS.md`, `catalog.json` und `llms.txt`, außerdem Befehle zum Auflisten und Anzeigen verfügbarer Fähigkeiten.

Zur Einordnung verweist der Autor auf einen von Anthropic berichteten Versuch mit mehr als 1.000 Unteragenten über acht Tage, der dem Bericht zufolge aus einem leeren Ordner ein startfähiges Betriebssystem hervorbrachte. Das wird als Demonstration möglicher Leistungen koordinierter Agenten angeführt, nicht als notwendige Größenordnung für den Alltag. Der Beitrag räumt praktische Herausforderungen bei Koordination, Kontext, Tests, gemeinsam genutzten Ressourcen und Kosten ein. Er präsentiert die Aufgabenteilung als Arbeitsweise, die der Autor zuerst ausprobieren würde; konkrete eigene Vergleichsmessungen oder Belege für eine generelle Überlegenheit gegenüber Einzelagenten enthält der Text nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die mittlere Zusammenfassung ist die geprüfte Fassung: Sie schreibt den 1.000-Agenten-Versuch fälschlich Anthropic zu, weshalb sie als nicht treu gilt; die kurze Zusammenfassung enthält diesen Fehler nicht und gibt die Kernaussagen sinngemäß korrekt wieder. Alle Einordnungen stützen sich auf den Bericht, der eine Anleitung zu Orchestrierung mit Claude Code ist und die Sicherheitsfragen der Sammelfragen kaum berührt.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Hinweis, dass der 1.000-Agenten-Versuch nur als berichtet gilt und nicht belegt ist.
  • Die Einschränkung des Autors, dass große Agentenzahlen nicht für jeden Entwickler nötig sind und schon wenige Spezialisten helfen.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Zuschreibung des Versuchs mit über 1.000 Unteragenten an Anthropic in der mittleren Zusammenfassung. Der Bericht nennt Anthropic nur im Zusammenhang mit dem Launch-Beitrag zu Orchestrierung als Anwendungsfall, den Versuch selbst nennt er als „reported“ ohne Urheber.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 45 %einzelne zitierbare Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 32 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 26 %gleiches Oberthema, hilft nicht
    • JEV 41 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 58 %einzelne zitierbare Belege
    • JEV 53 %beantwortet teilweise oder widerspricht
    • amos 26 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 24 %Hintergrund, keine Belege
    • Luna 41 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht

  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 28 %Hintergrund, keine Belege
    • Luna 65 %einzelne zitierbare Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 38 %nur am Rande erwähnt
    • drex 32 %nur am Rande erwähnt
    • d3-ultra 37 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 50 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 22 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →