Multi-Agenten-Systeme - wann sie sich lohnen

Ein Multi-Agenten-System besteht aus zusammenarbeitenden KI-Agenten, die eigenständig zugewiesene Ziele verfolgen und Ergebnisse weitergeben. Nicht jede Kette aus mehreren Modellaufrufen ist jedoch ein Multi-Agenten-System: Sind alle Schritte und Übergänge vorab festgelegt, ist „Workflow“ die treffendere Bezeichnung. Eine solche Aufteilung ist erst sinnvoll, wenn Messungen einen Vorteil gegenüber einer einfacheren Lösung zeigen.

Diese Unterscheidung ist praktisch. Anthropic beschreibt Workflows als Abläufe entlang definierter Pfade und Agenten als Systeme, in denen das Modell Prozess und Werkzeugeinsatz dynamisch steuert. Das Unternehmen empfiehlt außerdem, mit der einfachsten Lösung zu beginnen und Komplexität erst nach der Ergebnisbewertung hinzuzufügen. Quelle: Building effective agents – Anthropic.

Wir schreiben darüber aus erster Hand, denn so entsteht unsere eigene Arbeit: die Verdichtung von Materialien durch mehrere parallele Agenten, ein Panel unabhängiger Entwürfe mit entscheidender Jury und ein adversarial Audit, das das Ergebnis prüft. Das ist ein funktionierendes System, keine Folie – wir beschreiben es im Labor.

Wann ein Agent nicht mehr genügt

Vier Signale, die in der Bewertung eines einzelnen Agenten geprüft werden sollten:

1. Die Aufgabe hat Phasen unterschiedlicher Art. Datensammlung, Analyse, Redaktion und Prüfung können andere Anweisungen, Werkzeuge und Qualitätskriterien benötigen.
2. Die Anweisung ist schwer wartbar. Wenn Regeln für viele Fälle miteinander kollidieren, kann eine Aufteilung der Verantwortung das Testen vereinfachen.
3. Eine unabhängige Kontrolle ist nötig. Ein separater Prüfer kann Fehler erkennen, sofern er messbare Kriterien erhält und die Bewertung nicht nur auf die Meinung eines anderen Modells stützt.
4. Das Ergebnis ist instabil. Derselbe Fall wird einmal gut, einmal schlecht bearbeitet, ohne greifbaren Grund.

Vier Orchestrierungsmuster

1. Kette (Sequenz)

Modell oder Komponente A erledigt einen Schritt und übergibt das Ergebnis an B. Das ist gewöhnlich ein Workflow, kein Multi-Agenten-System. Es ist nützlich bei Prozessen mit fester Reihenfolge: Daten extrahieren, Format prüfen, Ergebnis eintragen.

2. Rollenteilung mit Koordinator

Ein Koordinator verteilt Aufgaben an Spezialisten und setzt das Ergebnis zusammen. Dieses Muster passt, wenn sich nicht im Voraus vorhersagen lässt, welche Teilaufgaben nötig sind. Rollen sollten klare Grenzen, ein Übergabeformat und ein Abschlusskriterium haben; eine teilweise Überlappung kann absichtlich sein, wenn sie einen unabhängigen Vergleich liefern soll.

3. Parallele Arbeit mit Entscheidung

Mehrere Agenten erledigen dieselbe Aufgabe unabhängig, und eine separate Rolle vergleicht Ergebnisse und wählt aus oder führt sie zusammen. Das erhöht die Zahl der Aufrufe, kann aber Unterschiede bei Aufgaben offenlegen, für die es ein gutes Entscheidungskriterium gibt. Übereinstimmung von Modellen beweist noch keine Korrektheit; das Ergebnis muss weiter an Referenzfällen bewertet werden. Dieses Muster nutzten wir bei der Planung dieser Website.

4. Ausführender-Prüfer-Schleife

Einer erledigt die Aufgabe, ein anderer prüft sie nach einer Kriterienliste und gibt sie zur Korrektur zurück. Die Schleife ist sinnvoll, wenn der Prüfer einen konkreten Fehler benennen kann und ein Versuchslimit unproduktive Kreisläufe verhindert. Bei Aufgaben mit einem eindeutigen Test – etwa Schema-Validierung oder Testausführung – kann sie besonders wirksam sein. Mehr dazu in KI-Halluzinationen.

Wofür Sie tatsächlich zahlen

Eine ehrliche Liste, denn das ist eine kostspielige Lösungsklasse:

• Mehr Modellaufrufe. Vier Rollen bedeuten mindestens mehrere getrennte Vorgänge, doch die Rechnung muss nicht linear wachsen: Rollen können unterschiedliche Modelle und Kontextlängen verwenden.
• Arbeit an der Orchestrierung. Übergaben zwischen Rollen, Behandlung einer Rolle ohne Ergebnis sowie Zeit- und Kostenlimits.
• Schwierigere Diagnose. Bei einem schlechten Ergebnis muss geklärt werden, welche Rolle versagt hat. Ohne Logs von Eingaben, Ausgaben und Übergaben ist die Diagnose stark eingeschränkt.
• Schleifenrisiko. Zwei Rollen, die sich eine Aufgabe zurückschicken, können bis zur Budgeterschöpfung kreisen. Es braucht Limits für Versuche, Zeit und Kosten sowie eine Bedingung für sicheres Anhalten.

Unsere Preisrahmen vom August 2026: Pilot eines Multi-Agenten-Systems für einen Prozess 15.000–40.000 PLN netto, Produktivsystem mit Integrationen 40.000–150.000 PLN netto, Betrieb und Evaluierung 3.000–8.000 PLN netto/Monat.

Wann das übertriebener Aufwand ist

Wir sagen es direkt, denn in diesem Thema lässt sich leicht zu viel verkaufen:

• Wenn der Prozess einen gut definierten Schritt hat. Die Klassifikation einer E-Mail sollte zunächst als eine Aufgabe geprüft werden; zusätzliche Rollen sind nur sinnvoll, wenn sie das gemessene Ergebnis verbessern.
• Wenn die Schritte im Voraus bekannt und fest sind. Das ist Automatisierung, gegebenenfalls mit einem Modellaufruf. Günstig und vorhersehbar.
• Wenn kein Set zur Qualitätsbewertung vorhanden ist. Ohne Messung können Sie nicht feststellen, ob eine dritte Rolle hilft. Sie zahlen dann für ein Gefühl.
• Wenn niemand den ersten Agenten betreibt. Mehr Rollen erhöhen die Zahl der Übergaben, Alerts und zu diagnostizierenden Fälle; deshalb müssen zuerst Verantwortlicher und Reaktionsprozess feststehen.

Praktische Regel: Beginnen Sie mit einem Agenten und ergänzen Sie Rollen dort, wo Messungen eine Schwäche zeigen. Nicht umgekehrt. Multi-Agenten-Systeme, die „auf Vorrat“ entworfen wurden, sind teurer und schwerer zu reparieren als Systeme, die aus einem realen Problem gewachsen sind.

So führen wir es ein

Die Reihenfolge, die wir anwenden:

1. Prozesskarte nach Rollen. Was ist eine eigene Phase und was sieht nur danach aus?
2. Orchestrierungsentwurf. Reihenfolge, Übergaben, Kontrollpunkte, Limits.
3. Implementierung mit Logging jeder Phase. Ohne das gibt es keine Diagnose.
4. Prüfschleifen an Stellen mit hohem Einsatz.
5. Evaluierung mit einem Set realer Fälle, die nach jeder Änderung läuft.
6. Einführung in den Produktivbetrieb mit Monitoring und festem Kostenlimit.

Der Übergang von Demonstration zu Produktion ist eine eigene Etappe: Er verlangt Kosten- und Zeitlimits, Fehlerbehandlung, Berechtigungskontrolle, Monitoring und eine Prozedur zur manuellen Übernahme. Ohne diese Schutzmechanismen ist selbst ein vielversprechender Prototyp nicht bereit, einen realen Prozess zu bedienen.

Häufige Fragen

Muss jeder Agent dasselbe Modell verwenden?

Nein. Eine Routineaufgabe kann mit einem günstigeren Modell laufen, während eine Rolle mit komplexerer Argumentation ein stärkeres Modell braucht. Die Wahl muss jedoch durch Evaluierung bestätigt werden, denn ein günstigeres Modell kann die Zahl der Korrekturen oder Fehler erhöhen – Kriterien beschreiben wir in Was ist ein LLM?.

Wie viele Rollen sind sinnvoll?

So viele, wie Testergebnisse rechtfertigen. Es gibt keine universell richtige Zahl. Jede zusätzliche Rolle sollte eine konkrete Kennzahl im Referenzset genug verbessern, um Kosten und schwierigeren Betrieb zu rechtfertigen.

Braucht es dabei einen Menschen?

Bei Prozessen mit hohem Einsatz sollte ein Mensch Handlungen mit wesentlicher Wirkung oder Fälle außerhalb des getesteten Umfangs freigeben. Die konkrete Grenze hängt von Reversibilität, rechtlichen Anforderungen, Messqualität und der Möglichkeit eines sicheren Stopps ab.

---

Wir bauen Multi-Agenten-Systeme täglich für uns selbst und können daher ein funktionierendes Beispiel statt eines Konzepts zeigen. Sehen Sie sich Multi-Agenten-Systeme und unseren KI-Forschungsworkflow an oder beschreiben Sie einen Prozess, der mehrere Etappen braucht.