Multi-Agenten-Systeme: Wann sich KI-Teams lohnen

Was ein Multi-Agenten-System ist — ohne Buzzwords

Hinter dem großen Begriff steckt eine einfache Idee: Statt einer KI, die alles auf einmal können soll, arbeiten mehrere spezialisierte KI-Assistenten zusammen — jeder mit einer klaren Rolle, eigenem Wissen und eigenen Werkzeugen. Ein Agent recherchiert, einer kalkuliert, einer formuliert, einer prüft das Ergebnis gegen Vorgaben. Orchestriert wird das Ganze über einen Workflow, der die Übergaben regelt — in unseren Projekten meist mit n8n.

Die treffendste Analogie ist Ihre eigene Organisation: Sie stellen ja auch nicht eine Person ein, die Vertrieb, Kalkulation, Rechtsprüfung und Korrektorat gleichzeitig macht. Arbeitsteilung erhöht die Qualität, weil jede Station eine klar umrissene Aufgabe gut macht — und weil eine zweite Instanz die Arbeit der ersten kontrolliert. Genau diese Logik überträgt ein Multi-Agenten-System auf KI.

Wichtig ist die Abgrenzung nach unten: Ein Assistent, der nacheinander mehrere Prompts abarbeitet, ist noch kein Agenten-Team. Von einem Multi-Agenten-System sprechen wir, wenn spezialisierte Einheiten mit unterschiedlichen Rollen einander zuarbeiten und das Ergebnis einer Stufe die nächste steuert.

Wann ein einzelner Assistent völlig reicht

Bevor wir über Teams reden, eine Warnung aus der Praxis: Die meisten Aufgaben im Mittelstand brauchen kein Agenten-Team. Eine E-Mail zusammenfassen, einen Servicebericht strukturieren, ein Angebot entwerfen — das ist Arbeit für einen einzelnen, gut konfigurierten Assistenten mit Zugriff auf die richtigen Daten. Wer hier ein Multi-Agenten-System baut, löst ein Problem, das er nicht hat, und bezahlt mit Komplexität.

Meine Faustregel als Unternehmer: Solange ein Mensch das Ergebnis in einem Arbeitsschritt sinnvoll prüfen kann, reicht ein Assistent. Erst wenn die Aufgabe so vielstufig wird, dass die Prüfung selbst zur Belastung wird — oder mehrere getrennte Wissensgebiete zusammenkommen —, lohnt das Nachdenken über ein Team. Einfach starten, Komplexität nur bei Bedarf nachrüsten: Diese Reihenfolge hat sich in jedem unserer Projekte bewährt.

Drei Situationen, in denen sich KI-Teams lohnen

Es gibt drei wiederkehrende Situationen, in denen der Schritt vom Einzelassistenten zum Agenten-Team echten Mehrwert bringt — und alle drei haben wir in Kundenprojekten umgesetzt:

• Mehrstufige Prozesse mit Qualitätskontrolle: Erstellen, fachlich prüfen, formal prüfen, freigeben — wenn jede Stufe eigene Kriterien hat, arbeitet ein spezialisierter Prüf-Agent zuverlässiger als ein Alleskönner.
• Mehrere Wissensdomänen: Ein Angebot, das technische Daten, Kalkulationslogik und juristische Standardklauseln vereint, profitiert von Agenten, die jeweils nur ihre Domäne beherrschen — und darin präzise sind.
• Hohe Stückzahlen mit Ausnahmebehandlung: Wenn hunderte Vorgänge pro Woche durchlaufen und nur Sonderfälle menschliche Aufmerksamkeit brauchen, sortiert ein vorgeschalteter Triage-Agent die Spreu vom Weizen.

Wie ein KI-Team in der Praxis aussieht

Nehmen wir den Angebotsprozess eines Anlagenbauers, den wir als Agenten-Team umgesetzt haben. Ein Recherche-Agent sammelt zur Kundenanfrage die passenden Produktdaten und Referenzprojekte. Ein Kalkulations-Agent baut daraus ein Mengengerüst mit Preisen und schlägt Alarm, wenn Positionen unter Deckungsbeitrags-Grenzen fallen. Ein Text-Agent formuliert das Angebot im Stil des Hauses, und ein Prüf-Agent kontrolliert das Ergebnis gegen eine Checkliste: Vollständigkeit, Preislogik, gültige Lieferzeiten, verbotene Formulierungen.

„Der wichtigste Mitarbeiter im KI-Team ist der Mensch, der die Ausnahmen sieht.“

Der entscheidende Baustein ist aber keiner der vier Agenten, sondern die Eskalationsregel: Bei Unstimmigkeiten oder ungewöhnlichen Anfragen stoppt der Prozess und ein Mensch übernimmt — mit dem gesamten Vorgang und der Begründung auf dem Tisch. Das Team erledigt die Regelfälle; der Mensch behält die Fälle, in denen Erfahrung und Urteilsvermögen zählen.

Kosten, Kontrolle, Governance

Ehrlichkeit gehört dazu: Jeder zusätzliche Agent erhöht Kosten, Laufzeit und Fehlerfläche. Vier Agenten bedeuten vier Stellen, an denen ein Missverständnis entstehen kann — und Fehler können sich über Stufen fortpflanzen, wenn niemand sie abfängt. Multi-Agenten-Systeme brauchen deshalb von Anfang an drei Dinge: Protokollierung jeder Übergabe, definierte Abbruchkriterien und einen klaren menschlichen Eigentümer des Gesamtprozesses.

Auch wirtschaftlich gilt es nüchtern zu rechnen. Ein Agenten-Team verursacht ein Mehrfaches der Modell- und Pflegekosten eines Einzelassistenten — das lohnt sich bei hohen Stückzahlen oder hohem Wert pro Vorgang, nicht bei einer Aufgabe, die dreimal pro Woche anfällt. Und je autonomer das System entscheidet, desto eher sollten Sie die Governance-Fragen aus dem EU AI Act mitdenken: Nachvollziehbarkeit, menschliche Aufsicht, dokumentierte Verantwortung.

Der pragmatische Einstieg

Der beste Weg zum KI-Team führt über den Einzelassistenten. Starten Sie mit einem Assistenten für den Kernschritt Ihres Prozesses und betreiben Sie ihn, bis Sie seine Grenzen kennen. Diese Grenzen — „die Prüfung dauert zu lange“, „für die Kalkulation fehlt ihm das Spezialwissen“ — sind die beste Anforderungsliste für den zweiten Agenten, die Sie bekommen können. So wächst das System entlang echter Engpässe statt entlang einer Architektur-Vision.

In der Praxis heißt das: erster Assistent in vier bis sechs Wochen produktiv, dann je nach Bedarf alle paar Wochen eine weitere Stufe. Nach einem halben Jahr haben Sie entweder ein eingespieltes KI-Team — oder die wertvolle Erkenntnis, dass ein einzelner Assistent für Ihren Prozess genügt. Beides ist ein gutes Ergebnis, denn beides ist gemessen statt geraten.

Wenn Sie für einen konkreten Prozess wissen wollen, ob er das Zeug zum KI-Team hat: Wir schauen ihn uns im Erstgespräch gemeinsam an — Stufen, Stückzahlen, Datenlage. Danach wissen Sie, womit Sie anfangen sollten.