Technischer Kontext
Ich habe mir das Release von OpenAI Codex rust‑v0.145.0 angesehen, und hier gibt es wirklich Substanz: Man hat nicht nur die UX verfeinert, sondern das opt‑in Multi‑Agent V2 stabilisiert. Für alle, die KI‑Automatisierung und Entwicklungspipelines bauen, ist das keine Kosmetik, sondern eine Änderung der Aufgabenausführung selbst.
Die entscheidende Neuerung ist für mich, dass Sub‑Agenten jetzt ein eigenes Modell und ein eigenes Reasoning‑Level zugewiesen werden können. Ein übergeordneter Agent kann also orchestrieren, während ich Kind‑Threads auf verschiedene Profile schicke – wo ich einen günstigen Durchlauf der Codebasis brauche oder einen leistungsfähigeren Agenten für komplexe Logik.
Das ist bedeutender, als es klingt. Bisher war die Modellauswahl in vielen Agent‑Szenarien zu sitzungsbasiert; jetzt rückt das Routing näher an die Ebene des konkreten Threads und der Teilaufgabe.
Das Zweite, was mir sofort ins Auge fiel, ist die Parallelverarbeitung. Codex V2 normalisiert die gleichzeitige Ausführung mehrerer Agenten in einem Projekt: Einer durchforstet die Repository‑Struktur, ein anderer prüft Abhängigkeiten, ein dritter setzt ein Feature‑Stück zusammen. Anschließend läuft alles in einer Antwort zusammen.
Außerdem im Release: Rollen sind zurück und die Agent‑Navigation wurde verbessert. Nach meiner Erfahrung ist das keine Kleinigkeit – es macht ein Multi‑Agent‑System überhaupt erst alltagstauglich. Wenn man nicht schnell erkennen kann, wer was tut, und sich nicht durch die Hierarchie bewegen kann, wird die schöne Agent‑Architektur schnell zum Chaos.
Aber man sollte es nicht romantisieren. Um V2 herum gibt es bereits Fragen zur Beobachtbarkeit: Je autonomer die Sub‑Agenten sind, desto dringender werden Audit, Debugging und Instruktionskontrolle zwischen den Agenten.
Was das für Unternehmen und Automatisierung bedeutet
Für Teams sehe ich drei Gewinne. Erstens: Es wird günstiger, eine gemischte KI‑Integration aufzubauen, bei der nicht jede Teilaufgabe über das teuerste Reasoning‑Profil läuft. Zweitens: Große Aufgaben, die sich ehrlich parallelisieren lassen, werden schneller abgearbeitet. Drittens: Die Architektur ähnelt mehr einer echten Entwicklungsorganisation mit einem Orchestrator und spezialisierten Ausführenden.
Wer verliert? Diejenigen, die hofften, Multi‑Agent allein würde das Chaos im Prozess beseitigen. Ohne Routing‑Regeln, Sandbox‑Beschränkungen und klare Beobachtbarkeit bricht das System in der Produktion schnell zusammen.
Wir bei Nahornyi AI Lab lösen genau solche Probleme in der Praxis: Wir aktivieren nicht einfach nur einen angesagten Agent‑Modus, sondern bauen KI‑Lösungen für Unternehmen so, dass sie steuerbar, prüfbar sind und das Budget nicht grundlos verbrennen. Wenn bei Ihnen ein Szenario gereift ist, in dem ein einzelner Assistent an seine Grenzen stößt, kann ich mit Ihnen gemeinsam die Architektur aufschlüsseln und eine KI‑Automatisierung bauen, die zu Ihrem echten Prozess passt – ohne spielzeugartige Agenten, nur um ein Häkchen zu setzen.