Ratgeber
ChatGPT, Claude und Codex als Team koordinieren: Warum ein einzelner Chat nicht ausreicht
Drei starke KI-Tools sind noch kein Team. Was fehlt, ist kein viertes Tool, sondern eine Struktur: klare Rollen, festgehaltene Übergaben und eine Qualitätskontrolle, die nicht das eigene Werk prüft.
Das Problem: Drei starke Tools, kein gemeinsames System
Was passiert, wenn mehrere KI-Tools ohne Struktur zusammenarbeiten
Wer mit ChatGPT, Claude und einem dritten Werkzeug parallel arbeitet, kennt den Bruch: Eine Entscheidung, die in einer ChatGPT-Session gefallen ist, kennt Claude nicht. Claude weiß nicht, was als Nächstes umgesetzt werden soll. Das dritte Tool weiß nicht, was bereits geprüft wurde. Jede Session beginnt von vorn — und keine weiß, wann sie stoppen muss.
Das Ergebnis sind überschriebene Arbeit, verlorene Übergaben, doppelte Aufwände und unkontrollierte Ausführung. Nicht weil die Tools schwach wären, sondern weil sie als Einzelkämpfer laufen statt als Team.
Warum ein einzelner ChatGPT-Chat das Problem nicht löst
Ein einzelner, langer Chat fühlt sich nach Zusammenhang an, ist aber kein System. Er hält keinen nachvollziehbaren Projektstand, keine getrennten Rollen und keine unabhängige Prüfung. Sobald die Arbeit mehrere Sitzungen, mehrere Tools oder mehrere Tage umfasst, fällt der lose Chat-Kontext auseinander — genau dort, wo Koordination beginnen müsste.
Was KI-Koordination für Gründer bedeutet
Koordination ist keine Plattform — es ist eine Methode
Die meisten Artikel zu Multi-Agent-Koordination beschreiben Enterprise-Plattformen — Workflow-Engines, Agenten-Frameworks, API-Orchestrierung. Für einen Gründer mit einem Texteditor ist das überdimensioniert. Koordination lässt sich auch dateibasiert lösen: Rollen, Übergaben und gemeinsamer Kontext als Markdown-Dateien, die in jedes Projekt passen und mit jedem KI-Tool funktionieren. Kein Plattform-Lock-in, keine API, kein Abo.
Die zwei Ebenen: Projekt-Seite und KI-Team-Seite
Ein funktionierendes System hat zwei Ebenen. Die Projekt-Seite hält fest, worum es geht: Kontext, Entscheidungen, aktueller Status. Die KI-Team-Seite hält fest, wer wie arbeitet: Rollen, Routing, Übergaben, Stop-Regeln. Erst beide zusammen ergeben Koordination — die eine sagt, was zu tun ist, die andere, wer es mit welchem Werkzeug bearbeitet. Wie der Projektkontext überhaupt entsteht, beschreibt der Guide KI-Projektkontext aufbauen. Welche Datei dabei welche Rolle übernimmt — Agenten-Instruktion oder toolneutraler Projektstand —, klärt der Guide AGENTS.md, CLAUDE.md und PROJECT_CONTEXT.md.
Entscheidungsrahmen: ein Agent, ein Workflow oder ein Team?
Bevor du koordinierst: brauchst du überhaupt mehrere Agenten?
Koordination ist kein Selbstzweck. Bevor du Rollen verteilst, lohnt die ehrliche Frage, wie viel Struktur die Aufgabe wirklich braucht. Mehr Agenten sind nicht automatisch besser — jede zusätzliche Instanz bringt Abstimmungsaufwand, mehr Limits und mehr Stellen, an denen Kontext verloren geht. Der folgende Rahmen ordnet sechs Konstellationen ein, von „ein Agent reicht" bis „autonome Arbeit mit menschlicher Freigabe", jeweils mit dem passenden Risiko-Indikator und einer Stop-Regel.
Tabelle horizontal scrollbar — auf dem Smartphone seitlich wischen.
| Konstellation | Wann sinnvoll | Risiko-Indikator | Stop-Regel |
|---|---|---|---|
| Ein einzelner Agent | Klar abgegrenzte Aufgabe, geringes Risiko, leicht verifizierbar | Wird zu Overengineering, wenn man künstlich aufteilt | Bei unklarem Auftrag pausieren, nicht eskalieren |
| Sequenzieller Workflow | Aufgabe hat klare Phasen (erst Research, dann Umsetzung) | Übergabe zwischen den Phasen geht verloren | Ohne dokumentierte Übergabe nicht in die nächste Phase |
| Zwei spezialisierte Tools | Umsetzung und unabhängige Prüfung trennen | Dasselbe Tool prüft sich selbst | Reviewer ≠ Autor; sonst kein „bestanden" |
| Parallele Agenten | Unabhängige Teilaufgaben auf getrennten Dateien | Zwei Agenten ändern dieselbe Datei | Keine parallele Arbeit ohne Isolation (Branch/Worktree) |
| Autonome Agenten | Wiederholbare Aufgabe mit klaren Grenzen und Tests | Keine Stop-Regeln, kein Verifikationsschritt | Bei schwer umkehrbarer Änderung pausieren und nachfragen |
| Mensch als Freigabe-Ebene | Hohe Tragweite, Production, irreversible Schritte | Agentenbericht wird ungeprüft als Wahrheit genommen | Kein Production-Schritt ohne menschliche Freigabe |
Der Entscheidungspfad in vier Fragen
-
Lässt sich die Aufgabe klar abgrenzen und leicht prüfen?
Ja → ein einzelner Agent. Mehr Struktur wäre Overengineering.
-
Hat sie klar getrennte Phasen (Research, dann Umsetzung)?
Ja → sequenzieller Workflow mit einer dokumentierten Übergabe zwischen den Phasen.
-
Soll das Ergebnis unabhängig geprüft werden, oder gibt es unabhängige Teilaufgaben?
Prüfung → zwei Tools (Autor ≠ Reviewer). Unabhängige Teile → parallele Agenten auf getrennten Dateien.
-
Ist der Schritt schwer umkehrbar oder geht er in Production?
Ja → menschliche Freigabe als feste Ebene. Autonomie nur mit Stop-Regeln und Verifikation.
Sechs Beispiele aus der Praxis
Mehrere Tools bedeuten auch mehrere Nutzungslimits. Bei einem Wechsel oder einem erreichten Limit entscheidet nicht die Zahl der Agenten über die Qualität, sondern ob der Stand sauber übergeben wird. Wie dieser Zustandstransfer als konkretes Artefakt aussieht, zeigt der Guide KI-Projektübergabe zwischen ChatGPT, Claude und Codex. Diese Seite klärt die Rollen- und Workflow-Entscheidung; die Handoff-Seite klärt das Übergabedokument für den operativen Wechsel.
Rollen definieren — wer plant, wer baut, wer prüft
Warum Rollen wichtiger sind als Modellstärken
Es ist verlockend, Werkzeuge nach allgemeiner Stärke zu sortieren. In der Praxis trägt die Rolle weiter: Welches Werkzeug plant, welches setzt um, welches prüft unabhängig? Eine klare Rolle verhindert, dass dasselbe Tool eine Aufgabe entwirft, umsetzt und sich selbst abnimmt — der häufigste Grund, warum Fehler durchrutschen. Welches konkrete Modell sich für welchen Aufgabentyp eignet, behandelt der Guide Welches KI-Modell für welche Aufgabe.
Beispiel: ChatGPT plant, Claude setzt um, Codex prüft
Eine mögliche — und ausdrücklich beispielhafte — Zuordnung sieht so aus:
Wichtig: Das ist eine beispielhafte Zuordnung, keine Rangliste. Welches Werkzeug welche Rolle übernimmt, entscheidest du — die Datei hält die Entscheidung nur nachvollziehbar fest.
Übergaben strukturieren
Was eine Übergabe ist und warum sie fehlt
Eine Übergabe ist die Verbindung zwischen zwei Sessions: Was wurde getan, was wurde geprüft, was soll als Nächstes passieren? In der Praxis fehlt sie meist — die nächste Session beginnt ohne Wissen über die vorige. Genau hier gehen Entscheidungen und Zwischenstände verloren.
Wie eine HANDOFF_LOG-Datei Ergebnisse sichert
Eine HANDOFF_LOG.md hält den Übergabestand außerhalb einzelner Chats fest. Sie ist die Quelle,
aus der das nächste Werkzeug startet — statt aus dem Nichts:
Qualitätssicherung ohne gegenseitiges Überschreiben
Das Repo-Gate-Prinzip: Isolation vor der Zusammenführung
Parallele KI-Arbeit ohne Isolation kann Ergebnisse überschreiben — zwei Werkzeuge ändern dieselbe Datei, eines gewinnt, das andere geht verloren. Ein Repo Gate trennt den Arbeitsstand: jeder Schritt prüft zuerst, ob die Ausgangslage sauber ist, bevor er beginnt, und führt erst nach Kontrolle zusammen. So entsteht kein stilles Überschreiben.
Stop-Regeln: wann ein Agent pausieren muss
Stop-Regeln definieren, wann ein Werkzeug pausieren und nachfragen muss, statt zu raten — bei fehlendem Kontext, mehrdeutigem Auftrag oder schwer umkehrbaren Änderungen. Ohne Stop-Regeln läuft autonome Arbeit weiter, auch auf unsicherer Grundlage. Mit ihnen bleibt die Kontrolle beim Gründer.
Typische Fehlkonfigurationen
- Mehrere Tools ohne gemeinsamen Kontext — jede Session erklärt das Projekt neu.
- Dasselbe Werkzeug entwirft, setzt um und prüft sich selbst.
- Keine Übergaben — der nächste Schritt kennt den vorigen nicht.
- Keine Stop-Regeln — das Werkzeug rät weiter, statt zu pausieren.
- Parallele Agenten an denselben Dateien ohne Isolation.
- Den teuersten Modus pauschal für alles verwenden.
Der synchronisierte Loop: Projekt und KI-Team aus einer Quelle
Wie Projekt-System und KI-Team-System zusammenspielen
Beide Ebenen teilen einen gemeinsamen Stand. Eine Entscheidung auf der Projekt-Seite beeinflusst das Routing auf der KI-Team-Seite; eine Übergabe schreibt zurück in den Projektstatus. So bleibt der Stand konsistent, egal welches Werkzeug gerade arbeitet.
Ein vollständiger Durchlauf (Task-Loop aus dem Beispielprojekt)
Wie das in der Praxis aussieht, zeigt ein vollständiger Durchlauf aus dem fiktiven Beispielprojekt FeedbackPing:
- Gründer-Entscheidung: DR-0001 — eine Frage statt Survey.
- Nächste Aktion: Kommentarfeld ergänzen.
- Eingegrenzte Aufgabe: TASK-001 mit erlaubten Dateien, geschütztem Schema.
- Modell + Modus: Implementer-Rolle, Claude, Modus Normal.
- Repo Gate: 6/6 Checks bestanden.
- Umsetzung: Kommentarfeld ergänzt.
- QA: 7/7 Gates bestanden.
- Übergabe: auf Agent- und Projektebene protokolliert.
- Projektstatus: verifizierter Stand ersetzt den alten.
- Neue nächste Aktion: erst fünf echte Termine testen.
Der Loop verbindet alle Schritte zu einem nachvollziehbaren Ablauf — vom Entschluss über die eingegrenzte Aufgabe bis zur verifizierten Übergabe. Wie sich dieser Ablauf als durchgehender Produkt-Workflow liest, zeigt die Seite vollständiger Workflow.
Kosten, Limits und typische Fehlkonfigurationen
Mehrere Tools bedeuten mehrere Limits und Kosten. Eine bewusste Rollen- und Modus-Wahl hält den Aufwand klein: der teuerste Modus nur dort, wo Risiko oder Komplexität ihn rechtfertigen — nicht als Standard. Wer jede Aufgabe mit dem stärksten Werkzeug im höchsten Modus bearbeitet, zahlt für triviale Schritte einen Aufschlag, der nichts bringt. Die Ressourcen-Logik dahinter ist im Detail im Guide Welches KI-Modell für welche Aufgabe beschrieben.
Das AI Founder Operating System: beide Ebenen verbunden
Was das Bundle zusätzlich zu den einzelnen Kits enthält
Das AI Orchestrator Kit liefert die KI-Team-Ebene, das
AI Founder Kit die Projekt-Ebene. Das
AI Founder Operating System
verbindet beide und ergänzt die Dateien, die sie synchron halten — unter anderem eine
SHARED_FILE_MAP und einen INTEGRATION_FLOW — plus ein vollständig durchgespieltes
Beispielprojekt.
Wann die einzelnen Kits ausreichen und wann das Bundle sinnvoll ist
Wer nur eine Ebene braucht — etwa nur die Rollen- und Routing-Struktur — kommt mit dem Einzelkit aus. Das Bundle lohnt sich, sobald beide Ebenen zusammenspielen sollen und der durchgängige Loop wichtig wird. Ehrlich bleibt: Das System koordiniert nicht von allein. Es gibt eine strukturierte Grundlage, die der Gründer mit seinen KI-Tools verwendet.
Häufige Fragen
Funktioniert das auch ohne Claude Code oder Codex — zum Beispiel nur mit ChatGPT und Claude?
Ja. Die Methode ist werkzeugunabhängig. Du brauchst kein bestimmtes Tool, sondern eine klare Rollen- und Übergabestruktur. Ob ein Werkzeug plant, eines umsetzt und eines prüft, oder ob zwei Werkzeuge die Rollen teilen, ist frei konfigurierbar. Entscheidend ist, dass die Rollen getrennt sind und Übergaben festgehalten werden.
Muss ich alle drei Tools nutzen oder reicht weniger?
Weniger reicht oft. Schon zwei Werkzeuge mit getrennten Rollen — eines für Umsetzung, ein anderes für die unabhängige Prüfung — bringen den größten Effekt. Drei Tools sind kein Selbstzweck; die Zahl der Tools ist weniger wichtig als die Trennung der Rollen.
Was ist der Unterschied zwischen dem Orchestrator Kit und dem vollständigen Operating System?
Das AI Orchestrator Kit liefert die KI-Team-Ebene: Rollen, Routing, Übergaben, Stop-Regeln. Das AI Founder Operating System verbindet diese Ebene mit der Projekt-Ebene (Kontext, Entscheidungen, Status) und enthält zusätzlich die Dateien, die beide Ebenen synchron halten, sowie ein vollständig durchgespieltes Beispielprojekt.
Greift das System auf meine KI-Konten zu oder überwacht es meine Nutzung?
Nein. Es sind Markdown-Dateien in deinem Projektordner. Es gibt keine API, keinen Account-Zugriff und keine Überwachung deiner Nutzung. Du wendest die Struktur selbst an — das System steuert keine Modelle automatisch.
Was genau enthält das Bundle, das die Einzelkits nicht haben?
Das Bundle enthält die Verbindungsebene zwischen Projekt- und KI-Team-Seite — unter anderem eine SHARED_FILE_MAP und einen INTEGRATION_FLOW, die festlegen, wie eine Entscheidung auf der Projekt-Seite das Routing beeinflusst und wie Übergaben zurück in den Projektstatus schreiben. Dazu kommt ein vollständig durchgespieltes Beispielprojekt.
Was ist eine Stop-Regel und warum brauche ich sie?
Eine Stop-Regel legt fest, wann ein KI-Werkzeug pausieren und nachfragen muss, statt weiterzuraten — etwa bei fehlendem Kontext, mehrdeutigem Auftrag oder einer schwer umkehrbaren Änderung. Ohne Stop-Regeln läuft autonome Arbeit weiter, auch wenn die Grundlage unklar ist. Mit ihnen bleibt die Kontrolle bei dir.
Wie lange dauert das Einrichten des Systems?
Du kannst schrittweise beginnen. Eine erste Rollen- und Übergabestruktur lässt sich in einer Sitzung anlegen; die Dateien wachsen mit dem Projekt. Es ist kein großes Setup nötig, bevor der erste Nutzen entsteht.
Muss ich alle Dateien sofort ausfüllen oder kann ich schrittweise beginnen?
Schrittweise. Sinnvoll ist, mit der Rollenverteilung und einem einfachen Übergabe-Log zu starten und die übrigen Dateien zu ergänzen, sobald der Bedarf entsteht. Eine leere Vorlage komplett auszufüllen, bevor man arbeitet, ist nicht nötig.