Die einfachste Architektur, die die Anforderung erfüllt
Sechs Architekturmuster für KI-Agenten im Vergleich — und warum Nachvollziehbarkeit in Kanzleien meist für sequenzielle Workflows spricht.
Eine Agenten-Architektur beschreibt, wie viele KI-Agenten an einer Aufgabe arbeiten und wie sie sich abstimmen. Sechs Muster sind gebräuchlich: Single Agent, hierarchisches Multi-Agent, kollaboratives Multi-Agent, sequenzieller Workflow, paralleler Workflow und Evaluator-Optimizer. Für Kanzleien ist der sequenzielle Workflow meist die richtige Wahl, weil er als einziger jeden Zwischenschritt nachvollziehbar und freigabefähig hält.
Die verbreitetste Fehlannahme beim Bauen von KI-Agenten lautet: mehr Agenten, bessere Ergebnisse. Die eigentliche Kompetenz liegt aber woanders, nämlich darin, die einfachste Architektur zu wählen, die die Anforderung erfüllt.
Sechs Muster und ihre Preise
Anthropic veröffentlicht neben den bekannten Onlinekursen auch Anleitungen in Textform. Eine davon beschreibt Architekturmuster für Agentensysteme und, was wertvoller ist, wann welches Muster passt. Die Übersicht lohnt sich, weil sie jedes Muster mit seinem Preis zeigt.
| Muster | Passend bei | Preis |
|---|---|---|
| Single Agent | Weg zum Ergebnis vorab unklar | untauglich, wo die erste Antwort sitzen muss |
| Multi-Agent, hierarchisch | mittlerer Kontrollbedarf, Flexibilität unter Aufsicht | Steuerungsaufwand |
| Multi-Agent, kollaborativ | niedriger Kontrollbedarf, offene Recherche | schwer vorhersehbares Verhalten |
| Sequenzieller Workflow | klare Abhängigkeiten, Freigabeketten, Compliance | Tempo gegen Genauigkeit |
| Paralleler Workflow | Tempo, mehrere Perspektiven | ungeeignet bei aufeinander aufbauenden Schritten |
| Evaluator-Optimizer | klare Bewertungskriterien, Nacharbeit lohnt | Schleifen kosten Zeit und Token |
Single Agent. Ein Agent arbeitet frei auf eine Aufgabe hin. Geeignet, wenn der Weg zum Ergebnis vorab unklar ist und niemand sagen kann, wie viele Schritte nötig sein werden. Zu vermeiden dort, wo es auf die eine korrekte Antwort ankommt, die beim ersten Versuch sitzen muss.
Multi-Agent, hierarchisch. Ein steuernder Agent zerlegt die Aufgabe, verteilt Teilaufgaben an spezialisierte Subagenten, die er wie Werkzeuge behandelt, und führt die Ergebnisse zusammen. Passend bei mittlerem Kontrollbedarf, also dort, wo Flexibilität erwünscht ist, aber unter Aufsicht.
Multi-Agent, kollaborativ. Agenten stimmen sich direkt untereinander ab, ohne zentrale Steuerung. Passend bei niedrigem Kontrollbedarf und offenen Fragestellungen wie Recherche. Der Preis ist schwerer vorhersehbares Verhalten.
Sequenzieller Workflow. Ein fest definierter Ablauf, ein Schritt nach dem anderen. Passend bei klaren Abhängigkeiten und überall dort, wo Nachvollziehbarkeit zählt, etwa in Freigabeketten oder in der Compliance. Man tauscht Tempo gegen Genauigkeit, weil jeder einzelne Schritt einfacher wird.
Paralleler Workflow. Unabhängige Teilaufgaben laufen gleichzeitig. Passend, wenn Tempo zählt oder mehrere Perspektiven die Qualität heben, etwa wenn ein Modell antwortet und ein zweites die Antwort auf Unerwünschtes prüft. Ungeeignet, sobald die Schritte aufeinander aufbauen.
Evaluator-Optimizer. Ein Agent erzeugt, ein zweiter bewertet und gibt Rückmeldung, in Schleifen. Passend, wenn klare Bewertungskriterien vorliegen und Nacharbeit die Qualität messbar hebt, etwa bei Übersetzungen oder bei Code mit Sicherheitsanforderungen.
Die Zahl, die die Abwägung sichtbar macht
Bemerkenswert an dieser Anleitung ist, dass sie die Entscheidung nicht als Fortschrittsleiter darstellt, sondern als Abwägung zwischen Kontrollbedarf, Komplexität und Ressourcen. Anthropics interne Auswertung nennt für breite Aufgaben mit mehreren unabhängigen Strängen einen Vorsprung von 90,2 Prozent für Multi-Agent-Systeme gegenüber einem Einzelagenten. Dieselben Systeme verbrauchen grob das Zehn- bis Fünfzehnfache an Tokens.
Beide Zahlen gehören zusammen gelesen. Der Mehrwert muss die Kosten erst rechtfertigen, und ob er das tut, entscheidet nicht die Architektur, sondern der Anwendungsfall. Bei einer Aufgabe, die ohnehin nur einen Strang hat, kauft man mit dem Zehnfachen an Tokens im Zweifel gar nichts.
Was das für Kanzleien heißt
Übersetzt man diese Muster in den Kanzleikontext, verschiebt sich die Auswahl deutlich in Richtung der langweiligen Bauformen.
Eine Fristberechnung, eine Kollisionsprüfung, ein geldwäscherechtlicher Risikocheck: Das sind Vorgänge mit klaren Abhängigkeiten, definierten Zwischenständen und einer Freigabe durch einen Menschen am Ende — und damit genau die non-billable Vorgänge, die sich für den Einstieg eignen. Genau die Beschreibung, für die der sequenzielle Workflow gedacht ist. Der Tausch von Tempo gegen Genauigkeit ist hier kein Zugeständnis, sondern der Zweck der Übung. Und ohne Nachvollziehbarkeit können Berufsträger*innen die Verantwortung für das Ergebnis gar nicht erst übernehmen.
Ein Schwarm autonom verhandelnder Agenten scheitert demgegenüber an seinem zentralen Preis: Schwerer vorhersehbares Verhalten ist ausgerechnet die Eigenschaft, die in einer Akte am wenigsten toleriert wird. Umgekehrt gibt es durchaus Aufgaben in einer Kanzlei, bei denen die offene Recherchevariante sinnvoll ist. Sie liegen nur meistens dort, wo das Ergebnis anschließend ohnehin fachlich geprüft wird, und nicht dort, wo eine Frist aus dem System kommt.
Der parallele Aufbau hat einen eigenen Platz: ein Modell erzeugt, ein zweites prüft gegen Kriterien. Diese Bauform bildet ein Prinzip nach, das Kanzleien seit jeher kennen, nämlich das Vier-Augen-Prinzip.
Was ich mitnehme
Die Versuchung beim Bauen ist immer, das anspruchsvollste System zu bauen, das man beherrscht. Die eigentliche Leistung liegt darin, das einfachste zu wählen, das die Anforderung erfüllt, und Komplexität erst dann zu ergänzen, wenn sie sich nachweisbar auszahlt. Auch das ist eher ein Spektrum als eine Ja-oder-Nein-Frage.