Warum es so gut zu AI-Agents passt

Mit der zunehmenden Verbreitung von KI-gestützter Entwicklung (Claude Code, Cursor, OpenAI Codex und andere) bekommt git worktree wieder Aufmerksamkeit.

Das Feature gibt es in Git schon lange, aber richtig stark wird es, wenn mehrere Agents parallel arbeiten.

Darum geht es in diesem Beitrag:

  • was git worktree ist
  • warum es gerade jetzt Aufmerksamkeit bekommt
  • warum es so gut mit AI-Agents funktioniert

Was ist Git Worktree?

Mit git worktree kannst du aus einem einzigen Repository mehrere Arbeitsverzeichnisse erstellen.

Bei der normalen Git-Entwicklung arbeitest du üblicherweise so:

my-app/   <- you work in this one directory

Zum Wechseln des Branches führst du aus:

git checkout feature-x

Der Inhalt desselben Verzeichnisses my-app/ wird dabei durch den Stand von feature-x ersetzt.

Dieser Ansatz hat ein paar Probleme:

  • Du brauchst jedes Mal ein checkout, um dir einen anderen Branch anzusehen.
  • Build-Caches können kaputtgehen, wenn sich der Branch-Inhalt ändert.
  • Paralleles Arbeiten ist schwierig.

Mit git worktree sieht es so aus:

repo/
worktrees/
  main/
  feature-a/
  feature-b/

Jedes davon ist ein unabhängiges Working Directory.

Zum Beispiel:

git worktree add ../feature-a feature-a

Danach hast du:

project/
feature-a/

Du kannst verschiedene Branches in verschiedenen Verzeichnissen geöffnet haben:

project/    -> main
feature-a/  -> feature-a
feature-b/  -> feature-b

Kurz gesagt: Mit git worktree kannst du mehrere Branches gleichzeitig geöffnet haben.

Warum bekommt es gerade jetzt Aufmerksamkeit?

Der Grund ist einfach:

AI-Agents schreiben inzwischen parallel Code.

Ein typisches Muster:

Agent A -> bug fix
Agent B -> new feature
Agent C -> refactor

Wenn das alles in einem einzigen Working Directory passiert, gibt es Probleme:

  • checkout-Konflikte
  • kaputter Git-Zustand
  • kaputter Build-Cache

Also sind Teams dazu übergegangen, pro Agent ein eigenes Worktree zu verwenden:

repo/
agent-bugfix/
agent-feature/
agent-refactor/

Jeder Agent kann unabhängig arbeiten.

Warum AI-Agents und Git Worktree so gut zusammenpassen

Hier die Gründe, warum die Kombination so gut funktioniert.

1. Isolierte Umgebungen pro Agent

Agents bearbeiten parallele Aufgaben gleichzeitig.

Agent1 -> test fixes
Agent2 -> API changes
Agent3 -> refactor

Das lässt sich sauber aufteilen:

worktree-test/
worktree-api/
worktree-refactor/

2. Keine Konflikte beim Branch-Wechsel

Agents führen häufig Git-Befehle aus:

git checkout
git commit
git reset

In einem einzigen Verzeichnis kommen sich diese Operationen gegenseitig in die Quere. Mit Worktrees kann jeder Agent auf seinem eigenen Branch bleiben.

3. Stabilere Caches

Das ist besonders wichtig in Umgebungen wie:

  • Node
  • Rust
  • Go
  • Swift
  • Bazel

Häufiges Branch-Wechseln kann den Cache-Zustand beschädigen (node_modules, target, build usw.). Mit Worktrees bleibt der Build-Zustand jedes Branches intakt.

4. Agents lassen sich unkompliziert skalieren

In einem Orchestrierungsmodell:

orchestrator
  |- agent1
  |- agent2
  |- agent3

Jeder Agent bekommt einfach per git worktree add sein eigenes Worktree.

Das Modell wird also zu:

Agent = eigenes Git Working Directory

Entwicklungsstil im KI-Zeitalter

In der Praxis sieht das ungefähr so aus:

Human
  |
Orchestrator
  |
Multiple AI Agents
  |
git worktree environments

Jeder AI-Agent bekommt seine eigene Sandbox – niemand kommt dem anderen ins Gehege.

Fazit

git worktree gibt es schon seit Jahren – es ist nichts Neues. Aber seit AI-Agents parallel Code schreiben, ist es deutlich nützlicher geworden.

Das Problem, auf das man dabei stößt: mehrere Agents, ein Repository, ein Working Directory. Das geht schnell schief.

Worktrees lösen das sauber.