Ein Multi-Agent-Workflow ist ein produktives KI-System, in dem mehrere rollen-spezifische Agenten sich über eine Aufgabe koordinieren. Jeder Agent hat eigene Tools, eigene Rubrik und eigenen Verantwortungs-Scope. Der Output eines Agenten ist der Input des nächsten, mit Checkpoints dazwischen. Das Ganze ersetzt einen einzelnen brüchigen Prompt durch ein kleines Team von Spezialisten.
Warum mehrere Agenten statt einem.
Ein einzelner Agent, der alles versucht, regressiert über Modell-Updates und wird mit wachsendem Scope schwerer evaluierbar. Die Arbeit in benannte Rollen zu zerlegen (anreichern, drafter, reviewer, router) erlaubt es, jede Rolle unabhängig zu evaluieren und gegen ein besseres Modell zu tauschen, wenn eines erscheint — ohne den Rest des Systems umzuschreiben.
Wann ein Multi-Agent-Workflow seine Komplexität verdient.
- Wenn die Aufgabe mindestens drei distinkte Schritte mit unterschiedlichen Erfolgskriterien hat.
- Wenn mindestens ein Schritt einen Tool-Call braucht (Retrieval, externe API, Write in Produktion).
- Wenn die Arbeit von einem Checkpoint zwischen Schritten profitiert (Human-in-the-Loop, ein Eval-Gate, ein Fallback-Pfad).
- Wenn das Team Modelle oder Prompts auf einzelnen Schritten tauschen muss, ohne die ganze Pipeline neu zu testen.
Was Multi-Agent nicht ist.
Es ist keine Kette von Prompts, die vorgibt, Agenten zu sein. Keine Schleife, die dasselbe Modell mit unterschiedlichen System-Prompts aufruft. Ein Multi-Agent-Workflow hat benannte Rollen, gescopte Tools, Eval-Rubriken pro Rolle und eine Orchestration-Schicht, die Outputs zwischen ihnen routet. Die Übergaben dazwischen sind typisierte Agent-Handoffs, keine Prosa-Anweisungen.
«Ein Agent für alles ist ein Vibe. Drei Agenten mit je einer Aufgabe sind ein System.»
Häufige Fragen.
- Was ist ein Multi-Agent-Workflow?
- Ein Multi-Agent-Workflow ist ein produktives KI-System, in dem mehrere rollen-spezifische Agenten sich über eine Aufgabe koordinieren. Jeder Agent hat eigene Tools, eigene Evaluations-Rubrik und eigenen Verantwortungs-Scope. Der Output eines Agenten ist der Input des nächsten, mit Checkpoints dazwischen.
- Warum mehrere KI-Agenten statt einem?
- Ein einzelner Agent, der alles versucht, regressiert über Modell-Updates und wird mit wachsendem Scope schwerer evaluierbar. Mehrere rollen-spezifische Agenten können unabhängig evaluiert und gegen ein besseres Modell getauscht werden, wenn eines erscheint — ohne den Rest des Systems umzuschreiben.
- Wann ist ein Multi-Agent-Workflow das richtige Muster?
- Wenn die Aufgabe mindestens drei distinkte Schritte mit unterschiedlichen Erfolgskriterien hat, mindestens ein Schritt einen Tool-Call braucht und die Arbeit von Checkpoints zwischen Schritten profitiert (Human-in-the-Loop, Eval-Gates, Fallback-Pfade). Unter dieser Komplexitätsschwelle reicht ein einzelner Agent meistens.
- Was baut Morvion mit Multi-Agent-Workflows?
- CRM-Intelligence-Systeme mit Anreicherungs-, Drafting- und Monitoring-Agenten, die zusammenarbeiten; Document-Intelligence-Pipelines mit Klassifikations-, Extraktions- und Validierungs-Agenten; und Operator-Copiloten, wo ein Planner-Agent Arbeit zu Spezialisten-Agenten unter einer gemeinsamen Eval-Rubrik routet.
Englische Fassung: Multi-Agent-Workflow on the EN edition.