Technologie Radar wird geladen
Multi-Agent Systems koordinieren spezialisierte Agenten für komplexe Workflows über Delegation, Routing, Handoffs, Subagents oder Custom Orchestration. LangChain beschreibt Multi-Agent Systems als Koordination spezialisierter Komponenten für komplexe Workflows, warnt aber, dass nicht jede komplexe Aufgabe mehrere Agenten braucht (LangChain Docs).
Der stärkste Grund für Multi-Agent-Designs ist Context Engineering. Anthropic beschreibt Sub-Agent-Architekturen als Weg, fokussierte Tasks mit sauberen Context Windows zu bearbeiten: Subagents explorieren tief und liefern verdichtete Summaries, der Lead Agent synthetisiert (Anthropic Engineering).
In Assess halten, weil das Muster mächtig, aber leicht zu overusen ist. Multi-Agent Systems sollten durch messbare Gewinne bei Parallelität, Context Isolation, Spezialisierung oder Review-Qualität gerechtfertigt sein, nicht durch architektonische Neuheit.
Koordinations-Overhead kann Nutzen übersteigen. LangChains Performance-Vergleiche zeigen, dass Multi-Agent-Patterns Model Calls, Tokens und Latenz erhöhen können, besonders bei sequenziellen Handoffs oder wiederholten stateless Subagent Calls (LangChain Docs).
Failure Modes potenzieren sich über Agenten. Eine schlechte Summary, unsichere Tool-Ausgabe oder halluziniertes Zwischenergebnis eines Agenten kann vertrauenswürdiger Input für einen anderen werden, wenn Outputs nicht validiert und Provenance erhalten bleibt.
Authority Boundaries sind schwer. Teams brauchen klare Regeln, welcher Agent welche Tools aufrufen darf, wer die Endantwort besitzt, wann Menschen Aktionen freigeben und wie Konflikte zwischen Agenten gelöst werden.
Security- und Kostenkontrollen werden schwerer. Mehr Agenten bedeuten mehr Prompts, mehr Tools, mehr Context-Kopien, mehr Traces und mehr Stellen für Prompt Injection, Data Leakage oder Runaway Loops.
Multi-Agent-Designs nur assessen, wenn Zerlegung messbaren Wert schafft: parallele Research, unabhängiges Review, spezialisierten Domänen-Kontext, große Tool-Flächen oder Long-Horizon-Workflows. Mit dem einfachsten funktionierenden Pattern starten, z. B. Router oder Planner-Executor, bevor autonome Subagent-Netzwerke hinzukommen.
Orchestrierungs-Controls verlangen: Task Boundaries, Budgets, Tool Permissions, Traceability, Summarization Rules, Provenance, Failure Handling und einen klaren Owner für Endentscheidungen. Für viele Enterprise-Workflows ist ein gut instrumentierter Agent mit dynamischen Tools und starken Evals einfacher zu betreiben.