Wie du eine große Aufgabe mit KI in Unteraufgaben zerlegst

Um eine große Aufgabe mit KI in Unteraufgaben zu zerlegen, lass einen Agenten sie zerlegen, bevor irgendeine Arbeit beginnt: Aus einer zu großen Aufgabe werden mehrere konkrete Unteraufgaben, jede klein genug, um sie einzeln zu übernehmen, abzuschließen und freizugeben. „Onboarding neu gestalten“ ist keine Aufgabe, mit der ein KI-Agent oder die meisten Menschen einfach anfangen können. Es ist ein Ziel, das sich als Aufgabe verkleidet hat. Die Lösung ist kein besserer Prompt. Die Lösung ist, aus einem zu großen Eintrag mehrere konkrete zu machen, die ein Agent wirklich übernehmen, bearbeiten und abschließen kann, einen nach dem anderen.

Warum große Aufgaben hängen bleiben

Eine Aufgabe, die eigentlich fünf Aufgaben ist, steht meist ganz oben in der Warteschlange und bewegt sich nicht, weil nichts an ihr sagt, was als Nächstes zu tun ist. Menschen schieben sie vor sich her. Agenten erstarren entweder an der Unklarheit oder, schlimmer noch, sie raten, tun etwas, das plausibel klingt, und melden ein Ergebnis zurück, das formal zum Titel passt, aber am Kern vorbeigeht. Die Zerlegung behebt beides auf dieselbe Weise: Sie ersetzt eine vage Sache durch mehrere eindeutige.

Wie decompose_task funktioniert

decompose_task zerlegt eine Aufgabe in einem einzigen Aufruf in mehrere Unteraufgaben. Jede davon ist eine vollwertige Aufgabe: Sie lässt sich eigenständig zuweisen, terminieren und bearbeiten. Richte einen Agenten auf die zu große Aufgabe und bitte ihn, sie zuerst zu zerlegen. Du bekommst einen Satz konkreter Unteraufgaben zurück statt eines Absatzes, mit dem niemand etwas anfängt.

Von Unteraufgaben zum Plan

Unteraufgaben allein verraten dir weder die Reihenfolge noch die Form der Arbeit. render_plan stellt die Teilschritte einer Aufgabe auf drei Arten gleichzeitig dar: als Markdown-Checkliste, die du auf einen Blick erfasst, als strukturiertes JSON für Werkzeuge und als interaktives Widget für MCP-Hosts, die es anzeigen. Ruf es direkt nach decompose_task oder propose_plan auf, um aus einem Haufen Unteraufgaben etwas zu machen, das sich wie ein richtiger Plan liest.

Schritte abhaken, sobald sie erledigt sind

set_step_status hakt einen Teilschritt ab oder öffnet ihn wieder und gibt den aktualisierten Plan zurück. Das ist die naheliegende Aktion, wenn du einem Agenten sagst, dass ein Schritt erledigt ist, oder wenn du ihn selbst im Widget umschaltest. Ein Detail ist hier wichtig: Markiert ein Agent einen eigenen Schritt, der nicht agent_ok ist, läuft das trotzdem über die Freigabe, statt den Schritt direkt zu schließen. Die Zerlegung schafft keine Abkürzung an der Freigabe vorbei. Sie macht nur jede Arbeitseinheit so klein, dass du sie schnell freigeben kannst.

Schlag den Plan vor, bevor du dich festlegst

Bei allem, was Gewicht hat, ist die bessere Abfolge nicht zerlegen und loslegen, sondern zerlegen, dann propose_plan und warten. Die Aufgabe wechselt zu plan_proposed und bleibt außerhalb der Warteschlange der bereiten Aufgaben, bis du approve_plan aufrufst (die Arbeit beginnt) oder reject_plan (zurück auf nicht begonnen, mit deinem Feedback eingearbeitet). Du prüfst den Ansatz, bevor Aufwand hineinfließt. Eine falsche Annahme fällt dort deutlich günstiger auf als dann, wenn die Arbeit schon getan ist.

Ein durchgespieltes Beispiel

Aus „Onboarding neu gestalten“ wird nach decompose_task: den aktuellen Ablauf prüfen, drei Varianten entwerfen, Feedback einholen, den Favoriten bauen, die Dokumentation schreiben. render_plan macht aus diesen fünf eine Checkliste mit Reihenfolge. Mit propose_plan gibst du diese Reihenfolge frei, vielleicht ziehst du „Feedback einholen“ nach vorn, bevor irgendetwas gebaut wird. Danach wird jede Unteraufgabe für sich übernommen, bearbeitet und abgehakt (oder zur Freigabe weitergeleitet), statt dass eine riesige Aufgabe einen Monat lang unberührt liegen bleibt.