Zum Hauptinhalt springen
Agentic AI im Detail: Technische Strukturen, Planungsmodelle und autonome Orchestrierung
An einem Agenten ist nichts Magisches. Er besteht aus einem Planer, ein paar Werkzeugen, etwas Gedächtnis und einem Scheduler, und jedes dieser Teile ist ein technisches Problem, über das man nachdenken kann.

Die ersten beiden Teile dieser Serie haben erklärt, was ein Agent ist und worin er sich von reiner generativer KI unterscheidet. Hier öffne ich die Kiste: Ich gehe die Bausteine eines agentischen Systems durch, die wichtigsten Architekturen, mit denen sie verbunden werden, und die Designentscheidungen, die darüber bestimmen, ob das Ergebnis auch außerhalb einer Demo funktioniert.

Planung: der Kern jedes Agenten

Jeder Agent hat irgendwo einen Planer, also eine Komponente, die ein vages Ziel („Bereite den Monatsbericht vor“) in konkrete Schritte in einer sinnvollen Reihenfolge übersetzt. Die meisten Systeme machen das über hierarchische Aufgabenzerlegung. Das Ziel wird in Teilziele aufgeteilt, und diese werden wieder geteilt, bis jedes Stück klein genug ist, um es direkt auszuführen.

Wie der Planer zwischen möglichen Schritten wählt, ist unterschiedlich:

  • Heuristiken. Handgeschriebene oder gelernte Bewertungsregeln, die mögliche Aktionen sortieren, wenn eine vollständige Suche zu teuer wäre.
  • Symbolische Planung. Klassische Planer, die auf einem expliziten Modell der verfügbaren Aktionen arbeiten. STRIPS ist die klassische Darstellung, PDDL die Standardsprache zur Beschreibung von Planungsdomänen und -problemen.
  • Probabilistische Planung. Markow-Entscheidungsprozesse (MDPs) oder ihre teilweise beobachtbare Variante (POMDPs) für Situationen, in denen das Ergebnis einer Aktion unsicher ist.
  • Planung mit Sprachmodellen. Ein Sprachmodell liest die Anweisung und schreibt den Plan selbst, meist als Liste von Schritten oder Werkzeugaufrufen.

In der Praxis dominiert die letzte Variante, weil sie mit unscharf formulierten Zielen zurechtkommt. Immer mehr Systeme kombinieren sie aber mit einer symbolischen Schicht: Das Sprachmodell interpretiert die Anfrage, und eine strengere Komponente prüft, ob sich der entstandene Plan überhaupt ausführen lässt.

Agentenarchitekturen, die dir in der Praxis begegnen

BDI: Überzeugungen, Wünsche, Absichten

BDI stammt aus der Forschung zu rationalen Agenten Ende der 1980er und in den 1990er Jahren und orientiert sich lose daran, wie Menschen entscheiden, was sie tun. Der Agent hat Überzeugungen (was er über die Welt weiß), Wünsche (Ergebnisse, die er gern erreichen würde) und Absichten (Ziele, auf die er sich festgelegt hat und die er aktiv verfolgt). Die nützlichste Eigenschaft ist das Überdenken: Wenn neue Informationen die Überzeugungen des Agenten verändern, kann er eine Absicht fallen lassen oder anpassen, statt stur einen Plan abzuarbeiten, der keinen Sinn mehr ergibt.

ReAct: abwechselnd denken und handeln

ReAct wurde von Yao et al. in ReAct: Synergizing Reasoning and Acting in Language Models (Princeton und Google, 2022) vorgestellt. Statt alles vorab zu planen, wechselt das Modell ab: Es schreibt einen kurzen Denkschritt, führt eine Aktion aus, etwa eine Suche oder einen API-Aufruf, liest das Ergebnis und denkt weiter. Weil die Überlegungen ausgeschrieben sind, lässt sich nachvollziehen, warum der Agent etwas getan hat, und er passt sich ganz natürlich an, wenn ein Werkzeug etwas Unerwartetes liefert. Der Preis: Jede Beobachtung wandert zurück in den Prompt, lange Aufgaben verbrauchen also sehr viele Tokens.

ReWOO: erst planen, dann beobachten

ReWOO, vorgeschlagen von Xu et al. in ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models (2023), setzt genau bei diesen Kosten an. Ein Planer schreibt die gesamte Argumentationskette samt aller nötigen Werkzeugaufrufe, bevor überhaupt ein Werkzeug läuft, und setzt Platzhalter für Ergebnisse ein, die er noch nicht kennt. Worker führen diese Aufrufe dann aus, und ein Solver setzt die Ergebnisse in die Kette ein und formuliert die Antwort. Da das Modell nicht nach jeder Beobachtung neu aufgerufen wird, sinkt der Tokenverbrauch deutlich; die Autoren berichten bei einem mehrstufigen Frage-Antwort-Benchmark von etwa fünfmal weniger Tokens. Dafür verliert man Flexibilität. Wenn ein frühes Ergebnis die Lage verändert, kann ein ReWOO-Plan nicht so reagieren wie ReAct.

Multi-Agenten-Systeme

Frameworks wie AutoGen, CrewAI und CAMEL verteilen die Arbeit auf mehrere Agenten mit unterschiedlichen Rollen: einer plant, einer führt aus, einer prüft. Sie kommunizieren über Nachrichten oder einen gemeinsamen Speicher, und der Ablauf erinnert oft an ein kleines Team, in dem ein Manager-Agent Aufgaben an Spezialisten verteilt. Diese Aufteilung hält Prompt und Werkzeugsatz jedes einzelnen Agenten klein, was die Teile leichter testbar macht. Sie bringt aber auch eine neue Fehlerquelle mit: Agenten, die aneinander vorbeireden oder sich endlos im Kreis drehen.

Werkzeugnutzung: auf die Welt einwirken

Ein Planer, der nicht handeln kann, ist nur ein Textgenerator. Erst die Werkzeugschicht erlaubt es einem Agenten, aktuelle Daten abzurufen, eine E-Mail zu senden, einen Termin zu buchen oder eine CI/CD-Pipeline anzustoßen. Das meiste davon beruht auf Function Calling: Das Modell bekommt für jedes Werkzeug ein typisiertes Schema und wählt, welches es mit welchen Parametern aufruft. Frameworks wie LangChain und Semantic Kernel kapseln das. Braucht eine Aufgabe echte Berechnungen statt eines festen Endpunkts, übernimmt ein Code-Interpreter in einer Sandbox.

Das Aufrufen ist der einfache Teil. Die eigentliche Ingenieursarbeit steckt in dem, was kurz davor passiert. Ein Werkzeugaufruf ist ein Seiteneffekt auf einem echten System. Also müssen die Parameter gegen das Schema geprüft werden, statt ihnen zu vertrauen, die Ausführung muss in einer Sandbox laufen, und die Aktion muss mit dem abgeglichen werden, was genau dieser Agent darf. Fehlt einer dieser drei Schritte, ist ein Fehler keine falsche Antwort mehr, sondern eine falsche Handlung, die bereits geschehen ist.

Gedächtnis: von zustandslosen Prompts zu Agenten, die sich erinnern

Das Gedächtnis unterscheidet einen Agenten von einem zustandslosen Prompt, und es besteht selten nur aus einem Teil:

  • Das Kurzzeitgedächtnis hält den Zustand der laufenden Aufgabe.
  • Das Langzeitgedächtnis bewahrt auf, was eine Sitzung überdauern soll, etwa Vorlieben des Nutzers und Fakten, die das System gelernt hat.
  • Das episodische Gedächtnis speichert frühere Entscheidungen zusammen mit ihrem Ausgang. Teams lassen es oft weg und bereuen das später, denn nur daraus kann ein Reflexionsschritt tatsächlich lernen.

Wo welche Art von Gedächtnis liegt, sollte sich danach richten, wie darauf zugegriffen wird. Semantische Suche über unstrukturierte Verläufe gehört in eine Vektordatenbank wie Pinecone, Weaviate oder Qdrant. Beziehungen, die man durchlaufen muss (wer berichtet an wen, welcher Dienst hängt von welchem ab), passen in eine Graphdatenbank wie Neo4j. Kleiner, kurzlebiger Sitzungszustand ist in Redis gut aufgehoben. Stimmt diese Aufteilung nicht, ist das Symptom leicht zu übersehen: Der Agent klingt weiter flüssig, verliert aber in einem langen Ablauf nach und nach den Faden.

Orchestrierung: wo Agenten zu verteilten Systemen werden

Sobald mehrere Schritte oder mehrere Agenten im Spiel sind, baust du ein verteiltes System, und es gelten die üblichen Regeln. Ein Task-Runner wie Airflow oder der Agent Executor von LangChain bietet einen Ort für Wiederholungen, Timeouts und eine dauerhafte Aufzeichnung dessen, was gelaufen ist. Routing schickt jeden Schritt an den Agenten, der darauf spezialisiert ist. Feedback-Schleifen bewerten eine Ausgabe, bevor sie übernommen wird, und ein Supervisor-Agent überwacht die anderen, statt selbst die Arbeit zu machen. Neu ist daran nichts: Es sind Scheduler, Load Balancer, Health Check und Supervisor-Baum unter anderen Namen.

Echte Systeme kombinieren meist drei Dinge: ein Framework, einen Modell-Endpunkt und einen Ort für den Zustand. In großen Unternehmen ist LangChain mit Azure OpenAI und Cosmos DB eine verbreitete Kombination, vor allem weil die Compliance-Fragen dafür bereits geklärt sind. Für Entwicklerwerkzeuge ist AutoGen mit gewöhnlichem Python-Tooling beliebt. Für die Automatisierung von Geschäftsprozessen über SaaS-Produkte hinweg ist CrewAI mit einer Vektordatenbank und einer Integrationsplattform wie Zapier typisch, weil dort die Schwierigkeit vor allem in den Integrationen liegt und weniger im Schlussfolgern.

Vier Eigenschaften, die im Betrieb zählen

  • Unterbrechbarkeit. Ein lange laufender Agent braucht einen Punkt, an dem ein Mensch ihn anhalten kann, und dieser Punkt muss von Anfang an eingeplant sein, nicht nachträglich als Not-Aus angeflanscht.
  • Erklärbarkeit. Der Entscheidungsverlauf muss sich hinterher lesen lassen. „Das Modell hat so entschieden“ ist keine Erklärung, mit der irgendjemand etwas anfangen kann.
  • Beobachtbarkeit. Logs, Dashboards und Tracing sind wichtiger als sonst, weil der Kontrollfluss erst zur Laufzeit feststeht.
  • Skalierbarkeit. Agentenprozesse zustandslos halten und den Zustand in gemeinsamem Speicher ablegen, damit sich ein Prozess ersetzen lässt, ohne dass verloren geht, was der Agent wusste.

Wie es weitergeht

Der Fortschritt der nächsten Zeit wird vor allem Konsolidierung sein, weniger Erfindung. Das Gedächtnis ist noch zwischen symbolischen Speichern und Vektorindizes aufgeteilt, und eine Abfrage, die beide erreicht, fehlt ganz offensichtlich. Heutige Planer entdecken Strategien immer wieder neu, die sie längst gefunden hatten. Funktionierende Pläne zwischenzuspeichern und wiederzuverwenden ist deshalb vermutlich mehr wert als ein größeres Modell. Weiter in der Zukunft sind Marktplätze, auf denen Agenten Fähigkeiten austauschen, und Agenten, die ihre eigenen Fehler zur Laufzeit beheben, durchaus denkbar. Von etwas, dem ich im Produktivbetrieb vertrauen würde, sind beide aber noch weit entfernt.

Nächster Teil der Serie: die wichtigsten Arten von Agentic AI und ein Weg in einzelnen Schritten zu deinem ersten eigenen Agenten.
Teilen

Verwandte Artikel

Kommentar hinterlassen

Dein Kommentar wurde gesendet. Danke!

Kommentare