Multi-Agent-System: Definition, Bausteine, Abgrenzung

Ein Multi-Agent-System (MAS, Mehr-Agenten-System) ist ein KI-Aufbau, bei dem mehrere spezialisierte Agenten (eigenständige KI-Programme mit klarer Aufgabe) mit eigenen Rollen, Werkzeugen (Datenbanken, Websuche, APIs) und eigenem Kontext zusammenarbeiten, um ein gemeinsames Ziel zu erreichen. Der Begriff grenzt solche Verbünde von einzelnen KI-Agenten, fest programmierten agentischen Abläufen und Baukästen für den Agenten-Bau ab.

Was ist ein Multi-Agent-System?

Ein Multi-Agent-System ist ein Aufbau, in dem mehrere KI-Agenten (eigenständige KI-Programme mit klarer Aufgabe) mit eigener Rolle und eigenem Werkzeug-Set (die Tools, die der Agent benutzen darf, etwa Websuche, Datenbank-Zugriff, E-Mail-Versand) an einem gemeinsamen Ziel arbeiten. Jeder Unter-Agent hat einen abgegrenzten Aufgabenbereich, eigene Anweisungen (Prompts), häufig ein eigenes Sprachmodell und einen eigenen Informations-Vorrat. Die Unter-Agenten stimmen sich über einen Dirigenten-Agenten (Orchestrator), einen gemeinsam gelesenen Zustand oder ein Kommunikations-Protokoll wie [A2A](https://github.com/a2aproject/A2A) (Agent-to-Agent) ab. Der Begriff meint den Blick auf das Gesamt-System und wird gegen den Blick auf den einzelnen Agenten abgegrenzt.

Vier funktionale Bausteine tragen den Begriff. Erstens das Agenten-Set: Rollen, ihre Verantwortungsgrenzen und die Werkzeuge, die jeder Agent besitzt. Zweitens die Topologie, also die Beziehungsstruktur zwischen den Agenten (Supervisor/Worker, Peer-to-Peer, Hierarchical). Drittens die Koordinationsschicht, die die Übergaben regelt: ein Orchestrator-Prompt, ein geteiltes State-Objekt oder ein explizites Kommunikationsprotokoll. Viertens das Ziel- und Abbruch-Modell mit Erfolgs-Kriterium, Iterations-Grenze und Kosten-Kappe.

Der begriffliche Rahmen hat zwei Wurzeln. In der verteilten KI der 1990er-Jahre bezeichnete „Multi-Agent System" bereits jede Konfiguration aus mehreren autonomen Software-Agenten, die über Nachrichten interagieren. Die heutige LLM-Prägung entsteht 2023 mit [AutoGen](https://arxiv.org/abs/2308.08155) (Wu et al., Microsoft Research), einem der ersten breit zitierten Frameworks für Multi-Agent-Konversationen zwischen Sprachmodellen. Anthropic hat in [„Building Effective Agents"](https://www.anthropic.com/research/building-effective-agents) (Dezember 2024) die Trennung zwischen Workflows und Agents geprägt; Multi-Agent-Systeme sitzen auf der Agenten-Seite dieser Linie. Das Berkeley AI Research Lab ordnet MAS 2024 in den [Compound-AI-Systems-Rahmen](https://bair.berkeley.edu/blog/2024/02/18/compound-ai-systems/) ein: ein Multi-Agent-System ist eine Teilmenge komponierter KI-Systeme, in der die Komponenten Agenten sind.

Drei Topologien prägen das Feld. Supervisor/Worker stellt einen Orchestrator-Agenten über spezialisierte Worker, die Teil-Aufgaben zurückliefern. Peer-to-Peer lässt gleichrangige Agenten direkt kommunizieren, häufig über geteilten State oder Message-Passing. Hierarchical schichtet Supervisor über Supervisor und wird relevant, wenn ein einzelner Orchestrator mehr als sieben bis zehn Worker koordinieren müsste. Frameworks wie [LangGraph](https://langchain-ai.github.io/langgraph/concepts/multi_agent/), CrewAI, das Microsoft Agent Framework (AutoGen und Semantic Kernel unter einem Dach, GA April 2026) und das OpenAI Agents SDK setzen diese Topologien in unterschiedlichen Abstraktionen um.

Abgrenzung zu Single-Agent, Orchestration, Workflow und Framework

Der Begriff wird im Markt häufig mit angrenzenden Konzepten vermischt. Die relevanten Trennlinien:

Begriff	Rolle	Verhältnis zum Multi-Agent-System
Single-Agent	Ein Modell, ein Kontext, ein Werkzeug-Loop	Vorstufe; ein MAS entsteht erst mit mehreren spezialisierten Rollen
Agent Orchestration	Steuerungsschicht innerhalb eines MAS (Plan, Topologie, Routing, State)	Baustein: Orchestration ist die Koordinations-Antwort im MAS, nicht das System selbst
Agent Framework	Bibliothek/SDK für den Bau einzelner Agenten oder Verbände	Bau-Ebene; ein MAS wird auf einem Framework programmiert
Agentic Workflow	Fest verdrahteter Kontrollfluss über LLM-Aufrufe	Gegen-Familie: der Entwickler legt den Graphen fest, ein MAS lässt Sub-Agenten zur Laufzeit entscheiden
Compound AI System	Komposition aus Modellen, Retrieval, Werkzeugen, Programmen	Übergeordnete Kategorie; ein MAS ist eine Teilmenge, bei der die Komponenten Agenten sind

Die begrifflich wichtigste Trennung liegt zwischen Single-Agent und Multi-Agent. Ein Single-Agent mit mehreren Werkzeugen bleibt ein Single-Agent, auch wenn er Recherche, Analyse und Ausgabe übernimmt; ein Modell, ein Kontext-Window und ein Entscheidungs-Loop tragen die Arbeit. Ein Multi-Agent-System zerlegt die Aufgabe auf mehrere Agenten mit eigenen Prompts, eigenen Werkzeug-Rechten und häufig eigenen Modell-Profilen (etwa ein kleineres Modell für den Klassifikator und ein Reasoning-Modell für den Bearbeiter).

Agent Orchestration und Multi-Agent-System werden im Sprachgebrauch oft vermischt. Die Trennung liegt in der Ebene: Multi-Agent-System beschreibt die Architektur (welche Agenten, welche Rollen, welche Topologie), Agent Orchestration beschreibt die Steuerungsschicht darin (Plan-Phase, Routing, geteilter Zustand, Fehlerbehandlung). Jedes MAS enthält eine Orchestrierung, aber der Begriff MAS meint das Ganze, nicht die Steuerungslogik.

Die Abgrenzung gegen Agentic Workflows liegt am Kontrollfluss. Ein Workflow enthält alle möglichen Schritte im Code; ein MAS verschiebt Entscheidungen aktiv an die Sub-Agenten, die zur Laufzeit auswählen, welchen Schritt sie als Nächstes ausführen und wann eine Übergabe fällt. Beide Formen können mehrere LLM-Aufrufe enthalten und beide erzeugen agentisches Verhalten. Der Unterschied liegt in Vorhersagbarkeit, Debug-Aufwand und Kosten-Profil pro Fall.

Ein Compound AI System ist die breitere Kategorie. Es umfasst beliebige Kompositionen aus Modellen, Retrievern, Werkzeugen und Programmen, ohne dass die Komponenten Agenten sein müssen. Ein Retrieval-Augmented-Generation-Aufbau mit Reranker und Guardrail ist ein Compound AI System, aber kein Multi-Agent-System. Erst wenn mindestens zwei der Komponenten als Agenten mit eigener Rolle, eigenem Werkzeug-Set und eigenem Entscheidungs-Loop laufen, greift der MAS-Begriff.

Beispiel: Content-Pipeline mit Supervisor und drei Workern

Ein Content-Team bearbeitet Fachartikel-Briefings über einen Verband aus vier Agenten. Der Ablauf zeigt die vier Bausteine in einem schmalen Zuschnitt.

Das Agenten-Set umfasst einen Supervisor, einen Research-Agenten mit Websuche- und Volltext-Lese-Werkzeugen, einen Writer-Agenten mit Zugriff auf ein Redaktions-Styleguide-Tool und einen Fact-Checker mit Retrieval-Zugriff auf die interne Wissensbasis. Der Supervisor kennt das Gesamt-Briefing, die Worker sehen jeweils nur ihre Teil-Aufgabe und liefern ein strukturiertes Zwischenergebnis zurück.

Die Topologie ist Supervisor/Worker. Der Supervisor bricht das Briefing in Teilaufgaben herunter, ruft den Research-Agenten für die Faktenbasis auf, übergibt dessen Ergebnis an den Writer und schickt den Entwurf zum Fact-Checker. Die Koordinationsschicht ist ein geteiltes State-Objekt (Briefing, Rechercheergebnisse, Entwurf, Fact-Check-Report), auf das alle Agenten lesen, aber jeweils nur ein Agent pro Feld schreibt. Das Ziel- und Abbruch-Modell ist explizit: maximal drei Writer-Iterationen, harte Token-Kappe pro Lauf, Abbruch bei ungelöstem Fact-Check-Konflikt mit Übergabe an einen menschlichen Redakteur.

Ein Single-Agent mit denselben Werkzeugen würde die Aufgabe in einem Prompt-Kontext lösen. Der Multi-Agent-Aufbau lohnt sich, weil sich die Rollen in Werkzeug-Rechten und Modell-Wahl deutlich unterscheiden: Der Research-Agent darf externe URLs abrufen, der Writer nicht; der Fact-Checker läuft auf einem kleineren, günstigeren Modell mit strengen Guardrails. Beim Ausbau kommen Tracing pro Agent (LangSmith, Langfuse, Arize Phoenix), Kostenzähler pro Sub-Agent und ein Eskalations-Pfad für unklare Fälle hinzu. Der Kern der Definition bleibt gleich, weil die Rollen-Trennung mit eigenen Werkzeug-Sets die Architektur trägt.