So weisen Sie Ihrem KI-Coding-Agenten die erste Aufgabe zu

TL;DR: Wenn du einem KI-Agenten deine erste Aufgabe zuweisen willst, wähle etwas Kleines, das der Agent selbst überprüfen kann. Formuliere den Titel als gewünschtes Ergebnis und die Beschreibung als Umfang plus Kriterium für „Fertig, wenn“. Übergib die Aufgabe anschließend und prüfe das Ergebnis, statt jeden Schritt einzeln zu steuern. In Sharkly bedeutet das: Verbinde einen Computer, auf dem Claude Code oder Codex angemeldet ist, erstelle einen Agenten mit genau einer Zuständigkeit, lege einen Task an und weise ihn dem Agenten als Assignee zu. Das Zuweisen des Assignee startet den Durchlauf. Das Ergebnis landet direkt im Task, und ein Mensch setzt ihn abschließend auf Done.

Du nutzt Claude Code oder Codex vielleicht schon seit Wochen im Terminal: Du tippst etwas ein, die KI editiert, du korrigierst nach, sie editiert erneut. Das Zuweisen einer Aufgabe funktioniert grundlegend anders: Du beschreibst die Arbeit ein einziges Mal, übergibst sie und schaust dir später das fertige Ergebnis an. Der erste Versuch scheitert meist an ganz banalen Dingen: Die Aufgabe lautete schlicht „Login-Bug beheben“ – ohne weitere Details. Das Coding-Tool auf dem Computer war nicht eingeloggt. Es gab keinen Test, den der Agent hätte ausführen können, also hat er geraten und die Aufgabe vorschnell als erledigt markiert.

Dieser Leitfaden zeigt dir, wie du einem KI-Agenten deine erste Aufgabe so zuweist, dass er sie auch wirklich zu Ende bringt: von der Auswahl über die Formulierung bis hin zu den genauen Schritten in Sharkly und der abschließenden Review des Ergebnisses. Falls du dir noch unsicher bist, ob etwas besser in einen Chat oder in einen Task gehört, lies zuerst chat with an AI agent or assign a task?.

Wähle eine erste Aufgabe, die ein KI-Agent auch abschließen kann

Einem KI-Agenten eine Aufgabe zuzuweisen bedeutet, einem Coding-Agenten eine schriftlich definierte Arbeitseinheit zu übergeben, die er eigenständig abarbeitet – woraufhin du das Gesamtergebnis prüfst, statt ihn Prompt für Prompt anzuleiten. Gestalte den ersten Auftrag bewusst unspektakulär. Du testest hier das Setup, nicht die Leistungsgrenzen des Agenten.

Eine ideale erste Aufgabe ist so überschaubar, dass sich das Diff in einem einzigen Satz zusammenfassen lässt. Sie bietet eine Prüfmöglichkeit, die der Agent selbst ausführen kann, bleibt auf ein einzelnes Modul beschränkt und berührt nichts, bei dem dir ein Rollback Bauchschmerzen bereiten würde: also keine Datenbankmigrationen, Produktivkonfigurationen oder Secrets.

Die Aufgaben in der rechten Spalte sind keineswegs falsch. Sie haben schlicht keine klaren Grenzen: Der Agent muss sich den Umfang selbst zusammenreimen, und du musst raten, ob das Ziel erreicht wurde. Anthropic bringt in seinem Leitfaden zu Claude Code den entscheidenden Punkt auf den Punkt: „Gib Claude eine Prüfmöglichkeit an die Hand: Tests, einen Build-Schritt oder einen Screenshot zum Abgleich.“ Ein Agent ohne Prüfmöglichkeit kann dir nur behaupten, fertig zu sein. Ein Agent mit einer solchen Prüfung kann es beweisen.

Formuliere die Aufgabe so, dass der KI-Agent sie lösen kann

Sharklys Dokumentation zu Tasks nennt eine goldene Regel für Titel: „Ein aussagekräftiger Titel benennt das Ergebnis, nicht das Thema.“ Die Beschreibung liefert dann alles, was ein neues Teammitglied oder ein Agent wissen muss: warum die Änderung wichtig ist, was im Scope liegt (und was nicht), relevante Dateien und Beispiele, bereits getroffene Entscheidungen sowie die Kriterien für die Abnahme. Auch OpenAIs Best-Practice-Guide für Codex folgt praktisch demselben Schema: Ziel, Kontext, Einschränkungen, Kriterien für die Fertigstellung.

So sieht eine sauber formulierte erste Aufgabe aus – hier beispielhaft als Task SH-312:

Title: Reject empty and malformed strings in parseDate()

Why: Support tickets show a 500 when the import form gets a blank date.

Scope: src/dates/parse.ts and its tests only. Do not change callers.

Context: Follow the pattern in src/dates/format.ts.
Errors use InvalidInputError from src/errors.ts.

Constraints: No new dependencies. Keep the public signature.

Done when:
- parseDate("") and parseDate("31/02/2026") throw InvalidInputError
- npm test passes
- Your final comment lists the files you changed and the test command you ran

Die letzte Zeile ist wichtiger, als es auf den ersten Blick scheint. Sie verwandelt ein vages „Ich bin fertig“ in einen konkreten Nachweis, den du in zehn Sekunden gegenprüfen kannst.

Zwei Gewohnheiten sorgen dafür, dass deine Tasks auch bei wachsendem Projekt strukturiert bleiben: Halte das eigentliche Ziel, den Scope und die Akzeptanzkriterien in der Beschreibung fest, statt sie über Kommentare zu verstreuen. Und hinterlege allgemeingültige Verhaltensweisen – wie etwa „Bei Unklarheiten nachfragen“ – direkt in den Instruktionen des Agenten. So enthält jeder Task wirklich nur das, was für ihn spezifisch ist.

Deine erste Aufgabe in Sharkly an einen KI-Agenten zuweisen

Coding-Agenten hast du bereits. Sharkly macht daraus ein funktionierendes Team. Für den ersten Durchlauf brauchst du vier Dinge: einen Workspace, einen Computer, einen Agenten und einen Task. Folge dafür einfach dem Sharkly-Quickstart:

1. Anmelden und Workspace erstellen. Melde dich unter app.sharkly.ai per E-Mail-Code, Google oder GitHub an, erstelle eine Organization und wähle bei „Initialize workspace“ die Option „Software development“. Sharkly richtet daraufhin den Default Space mit den Task-Typen „Requirement“ und „Bug“ ein.
2. Computer verbinden. Installiere Claude Code, Codex, Gemini, OpenClaw, Hermes oder Pi Agent auf dem Rechner, der die Arbeit erledigen soll, und melde dich dort an. Die Desktop-App erkennt die Tools automatisch und registriert den Computer. In der Web-App erhältst du über „Get started“ und anschließend „Connect Computer“ einen Befehl, den du auf dem Zielrechner ausführst. Die Doku weist ausdrücklich darauf hin: „Online bedeutet lediglich, dass die Verbindung steht.“ Öffne daher den Computer und stelle sicher, dass die Runtime als „Available“ angezeigt wird. Der Artikel Computers in Sharkly geht näher auf die Unterschiede zwischen Laptops und Servern ein.
3. Einen Agenten mit einer klaren Zuständigkeit anlegen. Öffne „Agents“, wähle „New Agent“, klicke auf „Code development“, aktiviere „the Agent automatically pulls Git repositories“ und füge das Repository hinzu. Wähle den gewünschten Computer aus und halte die Instruktionen kurz. Belasse das Arbeitsverzeichnis auf „Create temporary directory“, damit jeder Task einen eigenen Worktree erhält, und setze die Sichtbarkeit zunächst auf „Personal“, bis der Agent zuverlässig funktioniert. Eine Modellauswahl gibt es hier nicht: Möchtest du ein bestimmtes Modell erzwingen, gib es in den „Custom arguments“ an.
4. Einen schreibgeschützten Testlauf durchführen. Bevor der Agent echten Code ändert, empfiehlt die Repositories-Dokumentation einen vorbereitenden Task wie: „Untersuche das Repository und nenne die primäre Sprache, den Paketmanager und den passenden Testbefehl. Verändere keine Dateien.“ Das beweist, dass der Agent das Repository erreicht, Git-Berechtigungen nutzen und Befehle ausführen kann.
5. Task erstellen und zuweisen. Wähle auf der Seite „Tasks“ die Option „New Task“ und füge Titel sowie Beschreibung ein. Ein neuer Task startet im Status „Todo“. Weise nun den Agenten als Assignee zu. Wie es im Quickstart heißt: „Das Festlegen des Assignee startet den Agenten. Du musst den Status nicht vorher ändern.“ Die einzige Ausnahme ist der Status „Backlog“ als Parkposition: Ein Task dort wird erst ausgeführt, wenn du ihn aktiv herausbewegst.

Den Durchlauf des KI-Agenten verfolgen und das Ergebnis prüfen

Ein Durchlauf hat eigene Statuswerte, die unabhängig vom Status des Tasks sind. Die Dokumentation zu Agent task execution definiert sie wie folgt:

Im Task selbst zeigt der Reiter Activity alle Kommentare inklusive des Abschlussberichts des Agenten, während Executions die Historie der Durchläufe abbildet. Alles, was deine Aufmerksamkeit erfordert, landet in der Inbox unter „Primary“: Unterhaltungen, die auf deine Antwort oder Freigabe warten, fehlgeschlagene oder blockierte Aufgaben sowie direkte Erwähnungen.

Sobald der Durchlauf abgeschlossen ist, prüfst du die Änderungen im Worktree und übernimmst, mergst oder verwirfst sie. Stimmt etwas noch nicht, erwähne den Agenten per @mention in einem Kommentar mit konkreten Korrekturhinweisen: „Der Fall mit dem leeren String gibt immer noch null zurück. Wirf bitte InvalidInputError.“ Ein gewöhnlicher Kommentar startet den Agenten nicht – erst die Erwähnung stößt ihn wieder an. Passt das Ergebnis, setzt eine Person den Task auf Done. Agenten recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen Freigaben und nehmen die Ergebnisse ab. Worauf du beim Diff besonders achten solltest, erfährst du im Artikel über reviewing AI-generated code with task-level evidence.

Ein einzelner KI-Agent, eine Crew oder doch das Terminal?

Wenn du gerade an der Tastatur sitzt und sofort eine einzelne Änderung brauchst, ist eine Session mit Claude Code oder Codex direkt im Terminal schneller als jeder Zuweisungs-Workflow – dafür brauchst du kein Sharkly. Das Zuweisen lohnt sich vor allem dann, wenn du die Arbeit abgeben und dich anderen Dingen widmen willst, wenn jemand anderes das Ergebnis reviewen soll oder wenn der Vorgang für das gesamte Team nachvollziehbar dokumentiert bleiben muss.

Innerhalb von Sharkly gibt die Crews-Dokumentation folgende Faustregel vor: „Weise kleine, klar umrissene Aufgaben direkt einem einzelnen Agenten zu. Nutze eine Crew, wenn der Lead das Ziel erst interpretieren, weitere Agent-Mitglieder einbinden und deren Teilergebnisse zusammenführen muss.“ Deine erste Aufgabe gehört also in die Hände eines einzelnen Agenten. Mehr zum zweiten Fall liest du im Beitrag über Sharkly Crews.

Sobald ein Agent eine bestimmte Art von Tasks verlässlich erledigt, empfiehlt der Quickstart, entweder einen spezialisierteren Agenten abzuzweigen oder wiederkehrende Abläufe als Skill zu speichern. Danach folgt meist der nächste logische Schritt: mehrere Tasks parallel abarbeiten. Unser Guide über das parallele Ausführen mehrerer Claude-Code-Agenten erklärt, worauf es bei Isolation und Merge-Reihenfolge ankommt. Einen vollständigen Überblick über das Setup findest du auf der Feature-Seite zu Agents.

Wenn du Arbeit an die Coding-Agenten delegieren willst, für die du ohnehin bezahlst, und alle Ergebnisse an einem zentralen Ort zusammenführen möchtest: Genau für dieses Problem wurde Sharkly entwickelt.

FAQ

Startet der KI-Agent sofort, wenn ich ihm eine Aufgabe zuweise? In der Regel ja. Das Festlegen des Assignee startet den Durchlauf – es sei denn, der Task befindet sich im Status „Backlog“, „Completed“, „Canceled“ oder „Duplicate“. Der Durchlauf kann jedoch kurz im Status „Queued“ verweilen, falls der Computer ausgelastet ist, Limits für parallele Ausführungen erreicht sind oder ein freies Verzeichnis fehlt.

Was passiert, wenn mein Computer offline geht? Neue Durchläufe warten normalerweise, bis er wieder online ist; wurde der Durchlauf vor dem Dispatch vorbereitet, bleibt er in der Queue. Aktiviere „Prevent sleep“, wenn ein Laptop auch im Hintergrund weiter Aufgaben annehmen soll.

Bezahle ich die Modellausführung über Sharkly? Nein. Die Durchläufe werden über das bestehende Abonnement oder API-Guthaben von Claude Code, Codex & Co. abgerechnet, das auf deinem Computer hinterlegt ist; Sharkly selbst verkauft keine Tokens. Sharkly selbst ist für Organisationen mit bis zu 5 Personen derzeit kostenlos – Details dazu gibt es im Artikel über Sharkly pricing explained.

Worauf hat der Agent auf meinem Computer Zugriff? Auf all das, was der Computer bereitstellt: „das Betriebssystem, Dateien, Zugangsdaten, den Netzwerkzugang und die Werkzeuge, die ein Agent benötigt.“ Belasse Agent und Computer auf der Sichtbarkeit „Personal“, solange sie deine persönlichen Zugangsdaten nutzen, füge niemals Tokens direkt in einen Task ein und lies nach, what an agent should and shouldn’t be allowed to do.