Agententeams kosten bis zu 5,1-mal mehr und helfen selten

Worum es geht

Vals AI hat untersucht, ob mehrere KI Agenten beim Bau kleiner Webanwendungen bessere Ergebnisse liefern als ein einzelner Agent. Dafür ließ das Evaluationsunternehmen GPT-6 Sol und Claude Opus 5.5 im Vibe Code Bench antreten, jeweils allein und als Team sowie mit mittlerem und maximalem Denkaufwand. Die Primäranalyse erschien am 9. Oktober 2026.

Das Ergebnis bremst eine verbreitete Erwartung: Teams verbrauchten laut Vals AI das 1,8 bis 5,1 Fache der Kosten einzelner Agenten. Von vier direkten Vergleichen brachte nur GPT-6 Sol mit mittlerem Denkaufwand einen statistisch signifikanten Vorteil. Der Abstand betrug 7,3 Punkte. Bei maximalem Denkaufwand war für keines der beiden Modelle ein belastbarer Teamvorteil zu sehen.

Was der Vergleich tatsächlich macht

Vibe Code Bench prüft, wie gut Modelle aus einer Aufgabenbeschreibung eine funktionierende Webanwendung erstellen. Vals AI verglich dabei dieselben Modellfamilien unter zwei Bedingungen: Ein Agent bearbeitete die Aufgabe allein, oder mehrere Agenten teilten die Arbeit auf. Zusätzlich wurde der Denkaufwand variiert. So sollte sichtbar werden, ob Koordination einen eigenen Qualitätsgewinn bringt oder vor allem mehr Rechenbudget verbraucht.

Entscheidend ist die Trennung von Punktzahl und Kosten. Ein Team kann mehr Versuche gleichzeitig starten, Lösungen vergleichen und Arbeit aufteilen. Jeder zusätzliche Agent erzeugt aber eigene Modellaufrufe, liest Kontext und muss Ergebnisse abstimmen. Dieser Koordinationsaufwand zählt mit. Vals AI berichtet deshalb nicht nur die erreichte Qualität, sondern auch die Kosten pro Anwendung.

Die Untersuchung zeigte keinen pauschalen Nachteil von Teams. Bei GPT-6 Sol mit mittlerem Denkaufwand war der Zuwachs messbar. Der Befund lautet vielmehr: Mehr Agenten sind kein automatischer Qualitätsregler. Modell, Aufgabe, Denkaufwand und Budget bestimmen gemeinsam, ob sich die Aufteilung lohnt.

Warum das wichtig ist

Agententeams werden zunehmend in Entwicklungswerkzeugen und internen Automatisierungen eingesetzt. Die Hoffnung ist verständlich: Wenn mehrere Menschen parallel schneller arbeiten können, müssten mehrere Agenten ebenfalls mehr schaffen. Bei Modellen entsteht jedoch zusätzlicher Aufwand, weil Teilaufgaben abgegrenzt, Zwischenstände übertragen und widersprüchliche Lösungen zusammengeführt werden müssen.

Für Unternehmen und einzelne Entwickler ist das eine Kostenfrage. Wer fünfmal so viel Modellbudget ausgibt, erwartet mehr als einen kleinen oder statistisch unsicheren Qualitätsgewinn. Der Vergleich legt nahe, zuerst einen starken Einzelagenten mit klarer Aufgabe und ausreichendem Denkaufwand zu testen. Ein Team ist dann sinnvoll, wenn die Arbeit wirklich parallelisierbar ist oder Zeit wichtiger ist als der niedrigste Preis.

Die unabhängige Berichterstattung von The Decoder ordnet den Test ähnlich ein: Mehr Agenten können Geschwindigkeit kaufen, ohne automatisch die Endqualität zu erhöhen. Auch andere veröffentlichte Versuche zeigen abnehmende Gewinne bei sehr großen Teams. Das macht die Vals Ergebnisse relevant für reale Budgets, ersetzt aber keine Messung im eigenen Arbeitsablauf.

Einfach erklärt

Ein Agententeam ist wie eine Gruppe, die gemeinsam einen Koffer packt. Wenn eine Person Kleidung, eine andere Technik und eine dritte Dokumente übernimmt, kann es schneller gehen. Wenn aber alle denselben Koffer gleichzeitig umsortieren, entstehen Rückfragen, doppelte Arbeit und Konflikte. Mehr Hände helfen nur, wenn die Aufteilung zur Aufgabe passt.

Praktisches Beispiel

Ein kleines Softwareteam möchte zehn einfache interne Webanwendungen erstellen. Angenommen, ein Einzelagent kostet pro Anwendung 20 Euro und erreicht die gewünschte Qualität bei acht von zehn Aufgaben. Ein Agententeam mit dem von Vals AI beobachteten Höchstfaktor von 5,1 würde unter derselben vereinfachten Annahme bis zu 102 Euro pro Anwendung kosten.

Wenn das Team weiterhin acht brauchbare Anwendungen liefert, steigt die Gesamtrechnung von 200 auf 1.020 Euro, ohne zusätzlichen Nutzen. Liefert es neun statt acht, kostet die eine zusätzliche brauchbare Anwendung in diesem Beispiel 820 Euro mehr. Das ist kein Ergebnis der Studie, sondern eine Rechenhilfe: Vor dem Einsatz sollte ein Team festlegen, welche Qualitätssteigerung oder Zeitersparnis die Mehrkosten rechtfertigt.

Einordnung und Grenzen

• Vibe Code Bench untersucht den Bau kleiner Webanwendungen. Die Ergebnisse lassen sich nicht automatisch auf Recherche, Mathematik, Sicherheitsanalysen oder lange Softwareprojekte übertragen.
• Verglichen wurden GPT-6 Sol und Claude Opus 5.5 unter bestimmten Einstellungen. Andere Modelle, Rollenverteilungen oder Koordinationsverfahren können anders abschneiden.
• Die Studie misst einen begrenzten Satz von Aufgaben und Kosten zu einem bestimmten Zeitpunkt. Preise, Modelle und Werkzeuge ändern sich.
• Ein statistisch nicht signifikanter Unterschied beweist nicht, dass Teams niemals helfen. Er zeigt, dass der beobachtete Vorteil in diesem Test nicht belastbar genug war.

SEO- und GEO-Schlüsselbegriffe

KI Agenten, Agententeams, Multi Agent Systeme, Vibe Code Bench, Vals AI, GPT-6 Sol, Claude Opus 5.5, Coding Agents, Modellkosten, Softwareentwicklung