04.11.2024 AI Engineering 4 Minuten Lesezeit

Multi-Agenten-Systeme: Versprechen versus Klempnerarbeit

AutoGen, CrewAI und LangGraph sind 2024 messbar gereift. Trotzdem zahlen Multi-Agenten-Systeme eine hohe Steuer: Koordinationsaufwand, sich potenzierende Fehler und fragmentierter Kontext. Wir vermessen die Framework-Landschaft zum Stand November 2024, zeigen woher der Overhead kommt und begründen, warum ein einzelner Agent mit guten Tools für die meisten Produktionsaufgaben der richtige Standard bleibt.

Das Versprechen der vielen Agenten

Ein Multi-Agenten-System besteht aus mehreren LLM-gesteuerten Kontrollschleifen, die Nachrichten austauschen, um eine Aufgabe zu lösen. Ein einzelner Agent ist eine Schleife: Modellaufruf, Tool-Aufruf, Ergebnis, nächster Modellaufruf. Das Versprechen der Vielen stammt aus Mitte 2023: ChatDev (Juli 2023) und MetaGPT (August 2023) inszenierten ganze Softwarefirmen aus rollenspielenden Agenten — CEO, Architekt, Programmierer, Tester. Die Demos waren eindrucksvoll, die Analogie eingängig: Menschen organisieren sich in Teams, warum nicht auch Modelle?

Achtzehn Monate später stellt sich die Frage in der Produktion enger. Wer eine Aufgabe auf Agenten verteilt, multipliziert Modellaufrufe, serialisiert Latenz und fragmentiert Kontext. Der ehrliche Vergleich lautet nicht Multi-Agent gegen keinen Agenten, sondern Multi-Agent gegen einen kompetenten Agenten mit guten Tools. Dieser Vergleich fällt deutlich knapper aus, als die Demos nahelegen — und wir führen ihn vor jeder Architekturentscheidung.

Eine Aufgabe kommt an — der Agent plant den nächsten Schritt. 1/4

Die Framework-Landschaft Ende 2024

Das Tooling ist 2024 messbar gereift. LangGraph erreichte am 27. Juni 2024 ein stabiles v0.1 und am 7. August 2024 v0.2 mit SQLite- und Postgres-Checkpointern; Klarna, Replit und Elastic setzen es produktiv ein. CrewAI meldete am 22. Oktober 2024 insgesamt 18 Millionen US-Dollar Finanzierung und nennt über zehn Millionen Agenten-Ausführungen pro Monat. Microsoft kündigte am 2. Oktober 2024 AutoGen 0.4 als kompletten Neubau auf Basis des Aktor-Modells an — und empfiehlt zugleich, vorerst beim stabilen 0.2 zu bleiben. OpenAI veröffentlichte im Oktober 2024 Swarm, ausdrücklich als experimentell und edukativ markiert.

Das Muster ist aufschlussreich. Das Feld ist populär genug für Finanzierungsrunden und zugleich so unfertig, dass selbst seine Autoren die Fundamente neu schreiben. Wer heute baut, baut auf Abstraktionen, die sich noch bewegen. Planen Sie Migrationen ein.

Framework	Erstveröffentlichung	Stand 5. Nov 2024	Kernabstraktion
AutoGen (Microsoft)	2023	v0.2 stabil; v0.4-Neubau angekündigt am 2. Okt 2024	Konversationsfähige Agenten in Gruppenchats
CrewAI	Ende 2023	Enterprise GA; 18 Mio. USD Finanzierung am 22. Okt 2024	Rollenbasierte Crews mit Tasks
LangGraph (LangChain)	Anfang 2024	v0.2 stabil seit 7. Aug 2024; Cloud in Beta	Graph aus Knoten mit Checkpoint-Zustand
Swarm (OpenAI)	Okt 2024	Experimentell; ausdrücklich nicht für Produktion	Zustandslose Agenten und Handoffs

Koordinationsaufwand ist eine Steuer

Jeder Agentenzug ist mindestens ein Modellaufruf. Gruppenchat-Orchestrierung sendet bei jedem Zug das wachsende Transkript erneut; der Tokenverbrauch wächst damit ungefähr quadratisch mit der Gesprächslänge. Ein LLM-basierter Sprecher-Selektor — AutoGens GroupChatManager ist ein Beispiel — kostet einen weiteren Aufruf pro Zug und schafft eine weitere Fehlerquelle. Nichts davon verbessert für sich genommen die Ergebnisqualität. Es ist Klempnerarbeit.

Fehler potenzieren sich über Übergaben hinweg. Eine Pipeline aus zehn abhängigen Agentenschritten mit je 95 Prozent Zuverlässigkeit liefert nur in rund 60 Prozent der Fälle ein korrektes Gesamtergebnis (0,95^10 ≈ 0,60). Ein einzelner Agent unterliegt derselben Arithmetik pro Tool-Aufruf — hat aber weniger Schnittstellen, an denen Absicht paraphrasiert, zusammengefasst und dabei verzerrt wird.

Latenz addiert sich auf dieselbe Weise. Sequenzielle Übergaben lassen sich nicht parallelisieren, wenn jeder Agent die Ausgabe des vorherigen konsumiert; eine fünfstufige Kette verfünffacht die Antwortzeit näherungsweise. Frameworks streamen Zwischennachrichten, um das abzumildern — Streaming kaschiert das Warten, es beseitigt es nicht.

Geteilter Kontext ist das eigentliche Problem

Agenten teilen keinen Speicher, sie teilen Nachrichten. Was ein Agent gelernt, aber nicht ins Transkript geschrieben hat, ist für den nächsten unsichtbar. Vollständige Transkripte sprengen Kontextfenster; Zusammenfassungen verlieren genau die Details, auf die es ankam. Die Frameworks nennen es geteilten Zustand, geteilt wird aber ein Protokoll. Das Ergebnis sind divergierende Weltmodelle: Ein Review-Agent prüft Code gegen einen Dateistand, den der Coding-Agent längst geändert hat.

Die Antworten der Frameworks sind Persistenzschichten, keine Erkenntnistheorie. LangGraph v0.2 liefert Postgres- und SQLite-Checkpointer, AutoGen 0.4 wechselt auf ereignisgetriebenen Zustand. Beides macht Zustand haltbar und wiederaufnehmbar. Keines von beiden entscheidet, was jeder Agent wissen muss. Das bleibt Aufgabe der Anwendungsentwicklung — und es ist der schwierige Teil.

Wann ein einzelner Agent mit Tools gewinnt

Das stärkste Argument gegen Multi-Agenten-Designs ist die Qualität heutiger Einzelagenten. Modelle der Jahresmitte 2024 beherrschen parallele Tool-Aufrufe nativ, und Kontextfenster von 128K Tokens (GPT-4o) bis 200K Tokens (Claude 3.5 Sonnet, Juni 2024) fassen, was früher partitioniert werden musste. Eine Schleife, ein konsistenter Kontext, ein Transkript zum Debuggen.

OpenAIs eigene Swarm-Dokumentation grenzt den Multi-Agenten-Fall eng ein: geeignet für "eine große Zahl unabhängiger Fähigkeiten und Instruktionen, die sich schwer in einen einzelnen Prompt kodieren lassen". Lesen Sie das als Schwellenwert-Test. Solange Prompt und Toolset kohärent in den Kontext eines Agenten passen, gehören sie dorthin.

Auch die Beobachtbarkeit spricht für die einzelne Schleife. Ein Transkript lässt sich abspielen, diffen und gegen erwartete Tool-Aufrufe testen. Verschränkte Agentenkonversationen erfordern das Korrelieren mehrerer Verläufe, um eine einzige Entscheidung zu rekonstruieren. Jedes Framework in der Tabelle oben liefert genau deshalb eigenes Tracing mit — der Bedarf ist ein Symptom.

Wo mehrere Agenten sich lohnen

Es gibt Fälle, in denen sich die Aufteilung rechnet — und es sind technische Randbedingungen, keine Organigramme. Fan-out über unabhängige Teilaufgaben kauft echte Parallelität in der Laufzeit. Getrennte Agenten schaffen Isolationsgrenzen: unterschiedliche Zugangsdaten, unterschiedliche Tool-Berechtigungen, begrenzter Schadensradius. Heterogenes Routing lässt ein günstiges Modell extrahieren, während ein starkes Modell synthetisiert. Echte Kontextpartitionierung greift, wenn das Gesamtmaterial jedes verfügbare Fenster übersteigt. Agenten "CEO" und "Engineer" zu nennen, leistet nichts davon. Rollen sind Prompt-Dekoration; Grenzen sind Architektur.

Ausblick vom November 2024

Von unserem Standpunkt im November 2024 wirkt die Richtung ablesbar. Der freie Gruppenchat verliert gegen explizite Graphen und Zustandsautomaten; AutoGens Aktor-Modell-Neubau und LangGraphs Wachstum zeigen beide dorthin. Die Forschung bleibt klar multi-agentisch — Microsoft veröffentlichte Anfang November 2024 Magentic-One, ein generalistisches Multi-Agenten-Team auf AutoGen-Basis. Für 2025 erwarten wir dauerhafte Ausführung als Standard, erste Versuche standardisierter Agent-zu-Agent-Protokolle und — überfällig — kontrollierte Evaluationen, wann Multi-Agenten-Designs Einzelagenten bei Kosten und Qualität tatsächlich schlagen.

Unsere Arbeitshypothese: Die meisten Produktionssysteme, die 2025 ausgeliefert werden, sind Einzelagenten oder kleine feste Pipelines, keine offenen Agentengesellschaften. Jede Modellgeneration hebt die Schwelle, ab der sich eine Aufteilung lohnt. Setzen Sie auf die Klempnerarbeit, die Sie debuggen können.