Replit startet Agenten-Schwarm mit Budgetgrenze

AI coding illustration: a robotic arm fitting a red block into a structure

Replit hat am 17. November Missions vorgestellt. Nutzer müssen Agenten nicht mehr Schritt für Schritt anweisen: Sie beschreiben nur das gewünschte Ergebnis und legen Budget und Berechtigungen fest. Replit koordiniert dann eine Gruppe von Agenten, die plant, entwickelt und testet und sich Runde für Runde dem Ziel annähert. Zugleich hat das Unternehmen DataCat als Open Source veröffentlicht, eine mit Missions gebaute Plattform zur Anwendungsüberwachung.

Es ist Replits zweiter Agenten-Schritt in diesem Monat. Erst vergangene Woche hatte das Unternehmen Replit Agent beigebracht, für Nutzer einzukaufen und Google-Anzeigen zu schalten; nun wird aus dem einzelnen Agenten eine ganze Gruppe.

So läuft eine Mission ab

Das Beispiel im Replit-Blog lautet „die ersten zehn zahlenden Unternehmenskunden gewinnen“. In der Einrichtungsphase fragt Missions zunächst nach, wie Erfolg definiert wird, etwa ob ein bezahlter Pilot zählt.

Danach werden Budget und Freigaben festgelegt. Die Obergrenze im Beispiel liegt bei 1.000 US-Dollar; bevor potenzielle Kunden kontaktiert, Angebote verschickt, Vertriebsmaterial geändert oder Zusagen zum Produkt gemacht werden, muss ein Mensch zustimmen. Nach der Freigabe arbeiten mehrere Agenten parallel: einer recherchiert die Käufer, einer baut eine Demo. Sobald die Ansprache raus ist, wertet das System aus, welche Nachrichten zu echten Gesprächen geführt haben, und passt die nächste Runde an.

Fortschrittsberichte gibt es wahlweise sofort, als Tageszusammenfassung oder einmal pro Woche. Die Agenten laufen in der Cloud, ein zugeklappter Laptop spielt keine Rolle. Am Ende nimmt eine unabhängige KI-Prüfinstanz die Arbeit anhand der vorab vereinbarten Kriterien ab. Der Blog nennt auch den anderen möglichen Ausgang: Ist das Budget zuerst aufgebraucht, stoppt die Arbeit, und das Ergebnis bleibt offen.

DataCat und die Vergleichsgruppe

DataCat ist die Monitoring-Plattform, die Replit mit Missions für sich selbst gebaut hat. Sie bietet Dashboards, Alarme und Tracing und entstand in zwei Tagen mit einem Budget von 3.000 US-Dollar. Als Open Source erscheint eine selbst hostbare Version; der Code liegt auf GitHub unter replit/datacat. Eine Lizenz nennt der Blog nicht.

In kontrollierten Tests nennt Replit mehrere Zahlen:

  • Bei einem absichtlich eingeschleusten Datenbankfehler schlug DataCat nach 38 Sekunden Alarm, das Ziel waren 60 Sekunden;
  • In einem dreistündigen Lasttest wurden 26 Millionen Aktivitätsdatensätze und 4,4 Millionen Logeinträge ohne Verlust geschrieben, und alle 51 Prüfungen zur Datenkorrektheit und zu Alarmen wurden bestanden;
  • Gegenüber der mit Claude Code gebauten Vergleichsversion liegt der Durchsatz beim Tracing bei 49.000 gegenüber 9.800 Einträgen pro Sekunde, beim Schreiben von Metriken bei 405.000 gegenüber 225.000 pro Sekunde, und der Median der Log-Suche bei 0,5 gegenüber 4,2 Sekunden.

An diesem Vergleich bleibt einiges unklar. Wie viel Budget und Zeit die Claude-Code-Version bekam und mit welchen Prompts sie entstand, erklärt der Blog nicht. Replit selbst schreibt zudem, die Tests belegten nicht, dass DataCat besser sei als die gehosteten Managed-Services der kommerziellen Plattformen, die es ersetzen soll, und sagten auch nichts über die Leistung in Replits Produktionsumgebung aus.

Wird es mit mehr Agenten schneller?

Replit hat außerdem einen Skalierungstest mit 13 NumPy-Aufgaben veröffentlicht, der zeigen soll, wie Agentenzahl und Beschleunigung zusammenhängen. In der Stufe Max erreicht ein einzelner Agent höchstens das Vierfache, 16 Agenten das 17-Fache und 32 Agenten das 19-Fache; in der Stufe Power sind es das Zweifache, das Siebenfache und das Neunfache.

Von 16 auf 32 Agenten verdoppelt sich die Zahl der Agenten, die Beschleunigung wächst aber nur um etwa das Doppelte. Der Nutzen der Parallelisierung flacht in diesem Bereich deutlich ab.

Gegenüber Produkten wie Cursor und Devin, die ebenfalls auf Hintergrund-Agenten setzen, unterscheidet sich Missions dadurch, dass Budgetgrenze, Freigabepunkte und KI-Abnahme Teil der Aufgabendefinition sind und das Ziel vom „Code schreiben“ auf Geschäftsergebnisse wie Kundengewinnung ausgeweitet wird. Wie Missions abgerechnet wird und wie viele parallele Agenten die einzelnen Tarife erlauben, steht nicht im Blog; Unternehmenskunden werden an den Vertrieb verwiesen.

Quellen: Replit-Blog, CocoLoop, DataCat-GitHub-Repository; alle Leistungszahlen stammen aus Replits kontrollierten Tests, die Bedingungen für die Vergleichsversion sind nicht veröffentlicht.