OpenClaw Multi-Agent-Orchestrierung 2026: Fan-Out und Pipelines

Warum Multi-Agent-Orchestrierung wichtig ist

Ein einzelner langlebiger Agenten-Kontext sammelt Rauschen: Recherche-Dumps, gescheiterte Versuche und Tool-Logs blähen das Fenster auf, bis die Qualität sinkt. OpenClaw behandelt Orchestrierung als erstklassiges Problem — der Parent-Agent plant und routet; Worker erhalten enge Prompts und isolierte Workspaces.

Teams setzen Multi-Agent-OpenClaw ein, wenn:

• CI/CD-Generierung mehrere Repos oder Services parallel berühren muss (Benchmark-Daten zeigen ~3,2× schnellere parallele Code-Generierung vs. Einzelagent-Claude Code bei vergleichbaren Aufgaben)
• Code-Review von unabhängigen Blickwinkeln profitiert (Sicherheit, Stil, Coverage), ohne dass ein Modell alle Rollen spielt
• Lange Dokumente einen Agenten nicht zwingen sollen, Recherche, Gliederung, Entwurf und Audit in einem Thread zu halten

Das Scheitern ist auch architektonisch: fünf „Agenten“, die alle in dieselben Memory-Keys schreiben ohne Isolation, erzeugen Race Conditions — die Orchestrierungsschicht muss Merge-Logik und Timeouts besitzen.

OpenClaw-Orchestrierungsmodell

Zur Laufzeit besteht OpenClaw aus einem Gateway-Daemon plus benannten Agenten-Identitäten in der Konfiguration. Multi-Agent-Flows nutzen:

Tiefen-Faustregel: Zwei Ebenen (Orchestrator → Worker) decken ~95 % der Workloads ab. Drei Ebenen (Orchestrator → Team Lead → Leaf) helfen nur, wenn Sub-Teams wirklich unabhängig sind — Debug-Kosten steigen stark.

Externe Referenz: OpenClaw GitHub und Community-Architektur-Hinweise zu maxSpawnDepth / Cascade-Stop-Verhalten.

Drei Orchestrierungsmuster

Muster 1 — Paralleles Fan-Out

Wann: Teilaufgaben hängen nicht voneinander ab.

Form: Orchestrator startet mehrere Spawns in einem Turn; Wall-Clock ≈ langsamster Worker, nicht Summe der Worker.

Beispiele:

• Drei Pakete gleichzeitig linten
• Drei Wettbewerber-URLs recherchieren
• Unit-Tests für drei Services generieren

Anti-Pattern: Fan-Out einer Pipeline (Recherche + Entwurf) — der Entwerfer startet mit leerem Input, während die Recherche noch läuft.

Orchestrator
 ├── spawn worker-a (scope: package-frontend)
 ├── spawn worker-b (scope: package-api)
 └── spawn worker-c (scope: package-worker)
      → merge summaries → single PR plan

Muster 2 — Sequentielle Pipeline

Wann: Stufe B braucht das Artefakt von Stufe A.

Form: Recherche → Gliederung → Implementierung → Audit → Veröffentlichung. Jeder Worker erhält einen sauberen Kontext nur mit dem Deliverable der vorherigen Stufe.

Warum es gewinnt: Der Entwerfer trägt nie 3.000 Zeilen roher Recherche-Tokens; der Auditor sieht keine Pre-Audit-Entwurfshistorie.

Kosten: Wall-Clock ist additiv — nur nutzen, wenn Abhängigkeiten real sind.

Muster 3 — Fan-Out mit Validierung

Wann: Genauigkeit wichtiger als Geschwindigkeit (Compliance-Text, Infra-Diffs, Preistabellen).

Form: Gleicher Prompt an 2–3 Worker; Orchestrator oder ein Monitor-Agent vergleicht Ausgaben; Abweichungen lösen Retry oder menschliche Eskalation aus.

Kosten: ~2–3× Token-Ausgaben vs. ein Worker — nur für High-Stakes-Merges gerechtfertigt.

Konfigurations-Runbook

Voraussetzung: OpenClaw ist installiert — falls nicht, zuerst den Setup-Leitfaden abschließen.

Schritt 1 — Agenten-Roster in openclaw.json definieren

Typischer Pfad: ~/.openclaw/openclaw.json (für Ihre Version prüfen).

{
  "agents": {
    "list": [
      {
        "id": "orchestrator",
        "default": true,
        "workspace": "~/.openclaw/workspace-orchestrator",
        "sandbox": { "mode": "off" }
      },
      {
        "id": "coder",
        "workspace": "~/.openclaw/workspace-coder",
        "sandbox": { "mode": "all", "scope": "agent" },
        "skills": ["git", "nodejs", "testing"]
      },
      {
        "id": "researcher",
        "workspace": "~/.openclaw/workspace-research",
        "sandbox": { "mode": "all", "scope": "agent" },
        "skills": ["web", "docs"]
      }
    ]
  },
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["orchestrator", "coder", "researcher"]
    }
  }
}

Schritt 2 — Workspaces pro Worker isolieren

Jede Worker-ID sollte ein eigenes Workspace-Verzeichnis haben. Niemals einen beschreibbaren Workspace zwischen parallelen Fan-Out-Workern teilen — Datei-Races korrumpieren Merges.

mkdir -p ~/.openclaw/workspace-{orchestrator,coder,researcher}

Schritt 3 — Orchestrator-System-Prompt mit Routing-Tabelle schreiben

Der Orchestrator-Prompt muss enthalten:

1. Verfügbare Worker-IDs und Skills
2. Wann Fan-Out vs. Pipeline
3. Timeout pro Spawn (z. B. 120 s für Recherche, 300 s für Codegen)
4. Fehlerpolitik: einmal retry, dann eskalieren

Sub-Agent-Kontext-Regel: Worker erhalten nur AGENTS.md + TOOLS.md + Task-Payload — nicht den vollen Orchestrator-Thread.

Schritt 4 — Sandbox für nicht vertrauenswürdige Worker aktivieren

Orchestrator sandbox.mode: off für Koordinations-Tools; Coder/Researcher mit mode: all sandboxen, wenn Worker Shell oder Netzwerk ausführen können.

Schritt 5 — Spawn-Limits setzen

maxChildren / maxSpawnDepth gemäß Ihrer OpenClaw-Version-Docs konfigurieren. Starten Sie mit max. 3 parallelen Children, bis RAM und API-Rate-Limits gemessen sind.

Schritt 6 — Mit openclaw doctor testen

openclaw doctor
openclaw status

Doppelte Hooks oder widersprüchliche Agent-Bindings beheben, bevor Fan-Out unter CI läuft.

Schritt 7 — Kontrollierte Fan-Out-Aufgabe ausführen

Beispiel-Orchestrator-Anweisung (konzeptionell):

Task: Review modules auth/, billing/, notify/ in parallel.
Spawn researcher once per directory with identical rubric.
Merge into one markdown report with per-module sections.
Timeout: 180s per worker. If one worker fails, continue with partial merge and flag gaps.

Peak-RSS während des Tests loggen — mit Benchmark-Footprints vergleichen.

Schritt 8 — CI-Trigger anbinden (optional)

Gateway lokal exponieren; per SSH + REST aus der Pipeline triggern. Artefakte unter task-scoped Pfaden speichern:

export TASK_ID="${GITHUB_RUN_ID}"
mkdir -p "/tmp/openclaw-runs/${TASK_ID}"

Speicher, Zustand und Merge-Disziplin

Merge-Vertrag: Orchestrator definiert Output-Schema vorab (JSON-Abschnitte, Pflicht-Überschriften). Worker validieren gegen Schema vor Übergabe.

Hardware- und RAM-Budget

Gemessen auf Apple-Silicon-M4-Klasse-Hosts (siehe Benchmark-Artikel):

Orchestrierung braucht keine GPU — Engpässe sind API-Rate-Limits und Disk-I/O beim Workspace-Sync. Knotengröße nach Region (nur API-Latenz): M4-Regionen-Matrix.

Fehlerbehandlung

Explizit im Orchestrator-Prompt definieren:

Nächtliche CI-Fehler traceen oft auf fehlende Timeouts — Standard „ewig warten“ blockiert das Gateway.

Empfohlener Weg

Wenn X → Y in einer Zeile: Braucht Worker Bs Prompt die Ausgabe von Worker A, dann Pipeline. Sonst Fan-Out.

FAQ

Wie viele Agenten kann OpenClaw parallel ausführen?

Es gibt keine feste globale Obergrenze — praktische Limits sind RAM, API-Rate-Limits und Merge-Komplexität. Starten Sie mit 3 parallelen Workern, messen Sie Peak-RSS mit ps oder Aktivitätsanzeige, dann skalieren.

Beschleunigt Fan-Out immer die Ausführung?

Nur wenn Aufgaben unabhängig sind. Falsch angewendetes Fan-Out bei abhängigen Stufen scheitert still (leere Entwürfe, doppelte Arbeit). Abhängigkeiten immer vor der Musterwahl abbilden.

Was ist der Unterschied zwischen agentToAgent und Sub-Agent-Spawn?

agentToAgent sendet Nachrichten an benannte persistente Agenten (Sales vs. Support). Sub-Agent-Spawn erzeugt ephemere Worker für einen einzelnen Aufgabenzweig. CI-Orchestrierung nutzt meist Spawn; Multi-Tenant-Chatbots agentToAgent plus Bindings.

Kann ich Orchestrierung auf einem Mac Mini ohne Cloud-Miete betreiben?

Ja. Jeder dauerhaft laufende Mac mit Node 22.19+, ausreichend RAM und stabilem Netz reicht. Teams nutzen dedizierte Mac minis — lokal oder gehostet — wenn Laptops schlafen und lange Gateway-Sitzungen abbrechen.

Wie hängt das mit TradingAgents oder MiroFish zusammen?

TradingAgents orchestriert eine Trading-Firmen-Debatte (LangGraph). MiroFish orchestriert Social Swarms für Prognosen. OpenClaw orchestriert Dev-Workflows (Code, CI, Review). Wählen Sie das Framework passend zur Domäne — sie ergänzen sich, sind nicht austauschbar.