Das KI-Vokabular · 05 Agenten
Was ist Multi-Agenten-System?
Mehrere KI-Agenten mit verschiedenen Rollen arbeiten an einer Aufgabe, zum Beispiel einer recherchiert, einer schreibt, einer prüft.
In einem Multi-Agenten-System wird eine Aufgabe auf mehrere KI-Agenten verteilt, jeder mit eigenen Anweisungen, eigenem Kontext und eigenen Tools. Ein typisches Muster: Ein Lead-Agent plant die Arbeit, gibt Teile an spezialisierte Sub-Agenten, die parallel recherchieren, und führt ihre Ergebnisse zusammen. Ein anderes Muster lässt einen Agenten etwas erstellen und einen zweiten Kritik üben.
So bleibt der Kontext jedes Agenten fokussiert, und Arbeit kann parallel laufen. Gleichzeitig vervielfachen sich die Kosten, Fehler lassen sich schwerer zurückverfolgen, und es braucht eine sorgfältige Orchestrierung. Viele Aufgaben erledigt ein einziger, gut ausgestatteter Agent besser.
Warum es für dich wichtig ist
Multi-Agenten-Setups stecken hinter einigen der leistungsfähigsten KI-Produkte, etwa Deep-Research-Tools. Wenn dir ein Anbieter „ein Team aus KI-Agenten“ verkaufen will, frag nach: Was macht jeder Agent, was kostet eine Aufgabe, und wie wird die Qualität gemessen?
Own it
Mehr Agenten bedeuten mehr Stellen für Fehler und mehr Ausgaben. Fang einfach an, füge Agenten nur dort hinzu, wo du mit Evals eine Verbesserung nachweisen kannst, und protokolliere, wer was gemacht hat.
Woher es kommt
Multi-Agenten-Systeme sind ein Forschungsfeld, das in den 1980er- und 1990er-Jahren aus der verteilten künstlichen Intelligenz hervorging. Es untersucht, wie viele unabhängige Agenten zusammenarbeiten, konkurrieren und verhandeln (Wikipedia). Ökonomen beschäftigen sich schon viel länger mit interagierenden Akteuren. Seit 2023 haben Frameworks auf Basis großer Sprachmodelle dem alten Feld neue Aufmerksamkeit verschafft.
Verwandt
Your AI Learning Hub
Lern das ganze KI-Vokabular, Schritt für Schritt, und bau damit. Build it. Own it.