Subagent

Die Ära, in der eine einzelne KI die Nacht über 100.000 Feedback-Zeilen durcharbeitet, ist vorbei. WeJot lässt jetzt ein ganzes KI-Forschungsteam gleichzeitig arbeiten.

Subagent bringt die SubAgent-Kollaborationsanalyse in die Datenanalyse von WeJot. Statt dass ein einzelner Agent riesige Datensätze allein durcharbeitet, arbeitet der Hauptagent jetzt wie ein Forschungsteam: er verteilt die Arbeit auf mehrere „Subagenten“, die parallel arbeiten, und führt ihre Ergebnisse anschließend zu einer Antwort zusammen.

Warum es Subagenten braucht

In der Praxis haben wir festgestellt, dass viele komplexe Aufgaben für einen einzelnen Agenten einfach nicht geeignet sind:

• Zehntausende Nutzerkommentare, große Mengen offener Antworten, unendliche Mengen an Bewertungen und Social-Media-Beiträgen.
• Je mehr Daten ein Agent verarbeitet, desto mehr bläht sich sein Kontext auf – die Aufmerksamkeit driftet ab, und das Modell kann schlicht scheitern.
• Auch eine einzelne Sichtweise übersieht Randsignale – dieselbe Rückmeldung muss womöglich zugleich auf Stimmung, Schmerzpunkte, Tags und Trends hin gelesen werden.

Subagent lässt das System wie ein echtes Team arbeiten: Jemand analysiert, jemand klassifiziert, jemand fasst zusammen, und ein Lead bündelt am Ende alles.

Wo Sie es sehen

• Das /-Schnellmenü im Chat-Eingabefeld

  Geben Sie im Eingabefeld / ein. Das Skill-Popover listet Subagent ganz oben als integrierten Eintrag. Nach der Auswahl erscheint ein „Subagent“-Tag im Eingabefeld, der anzeigt, dass dieser Turn parallelisierbare Teilaufgaben an Subagenten delegiert.

  

• Die Gruppe „Subagenten bei der Arbeit“ im Chat-Verlauf

  Wenn der Hauptagent Subagenten entsendet, erscheint ein Batch-Analyse-Block im Chat. Jeder Batch entspricht einem Subagenten:

  • Jeder Subagent hat seine eigene Nummer, seinen Avatar und seinen Spitznamen (z. B. „Subagent 01 · Sucher“).
  • Während der Ausführung zeigt ein Spinner, was gerade läuft („Führe Textanalyse aus“, „Daten gelesen – arbeite weiter“).
  • Nach Abschluss erhält der Subagent einen Haken, und seine Teilliste klappt automatisch zusammen, bevor der Hauptagent die Synthese übernimmt.
  • Fahren Sie mit der Maus über den Avatar, um eine Subagent-Infokarte mit der aktuellen Teilaufgaben-Checkliste und dem Schrittstatus zu öffnen (Ausstehend / In Bearbeitung / Erledigt).

  

So funktioniert es

Subagent folgt einem Multi-Agent-Kollaborationsmuster:

1. Der Hauptagent zerlegt die Aufgabe – er schneidet eine große Analyse in parallelisierbare Teilaufgaben und wählt für jede die passende Subagent-Rolle.
2. Parallele Delegation – jeder Subagent bearbeitet seinen Teil in seinem eigenen isolierten Kontext und verhindert so die Kontextaufblähung und Aufmerksamkeitsdrift, die auftreten, wenn ein einzelner Agent alles erledigt.
3. Sichtbarer Fortschritt – die Tool-Aufrufe und Statusupdates jedes Subagenten werden in Echtzeit in den Chat gestreamt.
4. Einheitliche Synthese – sobald die Subagenten fertig sind, führt der Hauptagent die Ergebnisse zusammen und liefert Schlussfolgerungen, Diagramme und sogar einen vollständigen Bericht.

Nehmen wir 100.000 Zeilen VOC-Feedback als Beispiel: Ein Subagent übernimmt die Stimmungsanalyse, einer extrahiert Schmerzpunkte, einer vergibt Tags, einer erkennt Ausreißer, einer fasst Trendverschiebungen zusammen – und der Hauptagent fügt ihre Arbeit zusammen, um aus dem Rohtext Trends, Schmerzpunkte und latente Bedürfnisse herauszuarbeiten.

Sie entscheiden, wer was tut

Subagent ist keine feste Pipeline. Sie können dem Hauptagenten vorgeben, wie die Arbeit aufgeteilt werden soll, zum Beispiel:

• „Analysiere aus der Perspektive eines Produktmanagers.“
• „Konzentriere dich nur auf die Gründe für Kundenabwanderung.“
• „Konzentriere dich auf die Bedürfnisse von Nutzern mit hohem Wert.“
• „Finde unerfüllte Bedürfnisse, die Wettbewerber übersehen.“

Der Hauptagent teilt die Aufgabe auf, definiert die passenden Rollen und entsendet sie an parallel arbeitende Subagenten.

Durchdachte Details

• Stabile Subagent-Identität – innerhalb desselben Projekts teilen sich gleichnamige Subagenten denselben Avatar; beim Aktualisieren oder Zurückkehren zur Sitzung bleiben Avatare und Nummern unverändert.
• Projekte bleiben unabhängig – jede Umfrage hat ihre eigene gemischte Avatar-Reihenfolge, die beim ersten Erscheinen neu randomisiert wird, sodass Subagenten im selben Projekt nie Avatare duplizieren.
• Stabiles Streaming – jeder Batch wird über eine stabile ID gerendert, sodass Subagenten mitten im Stream nicht flackern oder die Identität wechseln.
• Automatisches Einklappen bei Abschluss – sobald alle Subagenten fertig sind, klappen ihre Teillisten zusammen und der Chat bleibt aufgeräumt.

Für wen es gedacht ist

Wenn Sie arbeiten an:

• Nutzerforschung / VOC-Analyse – offene Antworten, Interview-Transkripte, Nutzerfeedback in großem Umfang.
• Markt- / Wettbewerbsforschung – viele Dimensionen oder viele Wettbewerber parallel untersuchen.
• Datenanalyse – derselbe Datensatz, der gleichzeitig aus mehreren Blickwinkeln aufgeteilt werden muss.
• Meinungsbeobachtung – große Mengen plattformübergreifender Kommentare, Stimmungen und Themen-Clustering.

Übergeben Sie die Arbeit an Subagent und lassen Sie ein ganzes KI-Forschungsteam parallel arbeiten – weitaus effizienter als ein einzelnes Modell, das über 100.000 Zeilen eine Nacht durcharbeitet.

Wie es mit anderen Funktionen zusammenhängt

• Passt zu Klärung: Nutzen Sie Klärung zuerst, um die Forschungsabsicht festzulegen, und lassen Sie dann Subagent die Analyse parallel ausführen.
• Passt zu Skills-Verwaltung: Subagenten rufen während der Arbeit weiterhin die aktivierten offiziellen / benutzerdefinierten Skills auf (Textanalyse, Datenanalyse, Dokumentgenerierung usw.) – über die Skills-Verwaltung bestimmen Sie, wo die Grenze dessen verläuft, was sie tun dürfen.

WeJot überlässt die Daten nicht nur einer KI – es lässt mehrere KIs wie ein echtes Forschungsteam arbeiten: Arbeitsteilung, Zusammenarbeit, gegenseitiges Prüfen und gemeinsames Abschließen der Analyse.