Aufgabenteilung unter Agenten

Was ist ein Multi-Agent-System?

Ein Multi-Agent-System teilt eine Aufgabe auf mehrere KI-Agenten auf, die jeweils eigene Anweisungen, eigene Werkzeuge und oft eigene Rechte haben. Ihre Zwischenergebnisse geben sie untereinander oder über eine steuernde Instanz weiter.

Wenn eine Aufgabe für einen Durchlauf zu groß wird, teilt man sie auf mehrere Agenten auf, und ab da entscheidet die Übergabe über das Ergebnis.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt

Gängiges Muster: Steuernde Instanz mit spezialisierten Agenten
Lohnt sich bei: Klar trennbaren Teilaufgaben
Kostet: Mehr Tokens und längere Laufzeit
Verwechselt mit: Automatisierung mit festen Schritten

Die gängigen Muster

Am verbreitetsten ist der Aufbau aus Orchestrator und zuarbeitenden Agenten: Eine Instanz zerlegt die Aufgabe, verteilt die Teile, sammelt die Ergebnisse ein und setzt sie zusammen. Die Zuarbeiter kennen dabei nur ihren Ausschnitt, was ihre Anweisungen kurz und ihre Rechte klein hält.

Daneben steht die Kette, in der jeder Schritt das Ergebnis des vorherigen übernimmt, etwa Recherche, Entwurf, Formatprüfung. Ein drittes Muster trennt Erzeugen und Prüfen: Ein Agent schreibt, ein zweiter mit anderer Anweisung sucht Fehler und schickt zurück. Und schließlich lässt sich dieselbe Aufgabe parallel an mehrere Agenten geben, deren Ergebnisse anschließend verglichen werden.

Zwischen die Schritte gehört ein festes Format, kein Fließtext. Wenn ein Agent JSON mit definierten Feldern übergibt, lässt sich prüfen, ob die Übergabe vollständig war. Bei freiem Text merkst du eine verlorene Angabe erst am Endergebnis.

Wann sich die Aufteilung lohnt

Sinnvoll wird ein Multi-Agent-Aufbau, wenn die Teilaufgaben wirklich verschieden sind: unterschiedliche Werkzeuge, unterschiedliche Rechte, unterschiedliche Fachlichkeit. Ein Agent, der nur lesen darf, und einer, der schreiben darf, sind auch sicherheitstechnisch eine sinnvolle Trennung.

Der zweite gute Grund ist Zeit. Zehn Dokumente parallel prüfen zu lassen dauert kaum länger als ein einzelnes, solange die Anfragegrenzen des Anbieters und dein Budget das mitmachen. Der dritte ist die Qualitätsprüfung durch eine zweite Instanz, die den Entwurf nicht selbst geschrieben hat und deshalb Lücken eher findet.

Kein guter Grund ist, dass es moderner klingt. Ein einzelner Agent mit einer durchdachten Anweisung und drei Werkzeugen ist billiger, schneller und im Fehlerfall nachvollziehbar. Fang damit an und teile erst auf, wenn du benennen kannst, welches konkrete Problem die Aufteilung löst.

Woran solche Systeme scheitern

Fehler pflanzen sich fort. Wenn der recherchierende Agent eine falsche Zahl liefert, prüft der schreibende sie nicht nach, und am Ende steht sie sauber formatiert im Ergebnis. Jede Übergabe braucht deshalb eine Stelle, an der Vollständigkeit und Plausibilität geprüft werden, nicht nur das Format.

Zweitens vervielfachen sich die Kosten. Jeder Agent liest den bisherigen Stand, und jede Rückfrage kostet erneut Tokens. Ohne ein hartes Limit für Schritte und Budget läuft ein System bei einer unerwarteten Eingabe in eine Schleife, in der zwei Agenten sich gegenseitig Aufgaben zuschieben.

Und drittens wird die Fehlersuche schwer. Wenn du am Ende nur das Endergebnis siehst, kannst du nicht sagen, welcher Schritt die falsche Abzweigung genommen hat. Protokolliere jeden Aufruf mit Eingabe und Ausgabe, sonst suchst du im Dunkeln.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt

Nicht verwechseln

Multi-Agent-System und was oft damit gleichgesetzt wird

Multi-Agent-System gegen KI-Agent

Ein einzelner Agent plant seine Schritte selbst und nutzt Werkzeuge, bleibt aber eine Einheit. Im Multi-Agent-System kommen die Aufteilung der Aufgabe und die Kommunikation zwischen mehreren solchen Einheiten dazu.

Multi-Agent-System gegen Workflow-Automatisierung

In einem klassischen Workflow legst du die Schritte fest, das System führt sie aus. Bei Agenten entscheidet das Modell über die Reihenfolge. Wo der Ablauf ohnehin feststeht, ist der Workflow die verlässlichere und günstigere Lösung.

Multi-Agent-System gegen Model Context Protocol

MCP regelt, wie ein Agent an seine Werkzeuge kommt. Ein Multi-Agent-System regelt, wie die Arbeit unter mehreren Agenten verteilt wird. Die beiden Fragen liegen auf verschiedenen Ebenen.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt

In der Praxis

Jede Übergabe ist eine Stelle, an der Wissen verloren geht

Was ein Agent gesehen hat, weiß der nächste nur, wenn es in der Übergabe steht. In der Regel schreibt der erste eine Zusammenfassung, der zweite arbeitet damit weiter, und die Einschränkung aus Absatz vier taucht nirgends mehr auf. Fehler pflanzen sich so fort und werden dabei glattgebügelt, weil jeder Schritt für sich plausibel klingt.

Gut funktioniert die Aufteilung, wenn sich Teilaufgaben wirklich trennen lassen, etwa mehrere unabhängige Recherchen, deren Ergebnisse am Ende zusammenlaufen. Schlecht funktioniert sie, wenn mehrere Agenten am selben Zustand arbeiten, also dieselbe Datei schreiben oder denselben Datensatz ändern. Dann brauchst du eine klare Regel, wer schreiben darf und wer nur liest.

Rechne außerdem mit dem Aufwand. Mehrere Agenten bedeuten mehrfache Anfragen, längere Laufzeit und deutlich mehr Tokens als ein einzelner Durchlauf. Bevor du aufteilst, lohnt der Versuch, ob eine bessere Anweisung und ein Werkzeug mehr nicht dasselbe leisten.

Multi-Agent-System lernen

Welches Muster zu deiner Aufgabe passt und woran arbeitsteilige Systeme scheitern, klären die Kurse zum Zusammenspiel mehrerer Agenten .

Wenn dir ein fest verdrahteter Ablauf reicht, sind die Angebote rund um automatisierte Abläufe mit KI der bessere Einstieg.

Wissen prüfen

Sitzt Multi-Agent-System schon?

Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.

Wissenstest KI Grundlagen QuizTeste dein Verständnis für Sprachmodelle, Kontextfenster, Halluzinationen und den sicheren Umgang mit KI im Job. Quiz starten

Kurse, die Multi-Agent-System behandeln

Häufige Fragen

Wie viele Agenten sind sinnvoll?

So wenige wie möglich. Jeder zusätzliche Agent bringt eine Übergabe mit, an der Information verloren gehen kann. Eine gute Regel ist, nur dann zu teilen, wenn ein Teil andere Werkzeuge, andere Rechte oder eine andere Fachlichkeit braucht als der Rest.

Wie verhindert man Endlosschleifen?

Mit harten Grenzen außerhalb des Modells: eine maximale Zahl von Schritten pro Vorgang, ein Budget für Werkzeugaufrufe und eine Abbruchbedingung, die nicht davon abhängt, dass ein Agent selbst zufrieden ist. Zusätzlich hilft, dass jeder Agent ein klares Ergebnisformat liefern muss, an dem sich Fertigsein feststellen lässt.

Reicht ein einzelner Agent nicht meistens?

In vielen Fällen ja. Solange die Aufgabe mit einer Anweisung und einer überschaubaren Zahl von Werkzeugen lösbar ist, ist ein Agent die einfachere Wahl. Die Aufteilung lohnt sich, wenn Teilaufgaben parallel laufen sollen oder wenn eine unabhängige Prüfinstanz die Qualität messbar hebt.

Persönlich für dich da