Was ist der Nachteil, wenn man Claude mit einem sehr großen Prompt bittet, alle Materialien gleichzeitig zu bewerten?	Claude kann verwirrt werden und die Ergebnisse sind möglicherweise nicht optimal.
Wie löst man das Problem, wenn man eine komplexe Aufgabe in einem Workflow implementiert, der zu einer Überlastung der KI führt?	Man verwendet einen Parallelisierungs-Workflow (Parallelization Workflow).
Was ist der erste Schritt in einem Parallelisierungs-Workflow, wenn ein Bild analysiert werden soll?	Die Hauptaufgabe wird in mehrere Unteraufgaben (Subtasks) zerlegt, wobei jede Unteraufgabe ein spezifisches Material prüft.
Was ist der Zweck der einzelnen, spezialisierten Anfragen an Claude in diesem Workflow?	Claude konzentriert sich auf die Eignung eines einzelnen Materials, anstatt alle gleichzeitig zu vergleichen.
Was ist die Funktion des "Aggregator"-Schritts in einem Parallelisierungs-Workflow?	Er nimmt die Ergebnisse aller Unteraufgaben und fasst sie zusammen, um eine finale Empfehlung zu geben.
Welcher Vorteil bietet der Parallelisierungs-Workflow für die KI (Claude) selbst?	Es ermöglicht Claude, sich auf eine Aufgabe nach der anderen zu konzentrieren.
Welcher Vorteil ergibt sich für die Entwicklung, wenn die Aufgabe in Unteraufgaben zerlegt wird?	Die Prompts für jede Unteraufgabe können leicht verbessert und bewertet werden.
Was ist ein Vorteil des Parallelisierungs-Workflows hinsichtlich der Skalierbarkeit?	Neue Unteraufgaben können jederzeit hinzugefügt werden, ohne die bestehenden zu beeinträchtigen.