# Multi-Agent-Systeme: Delegation & Kontrolle

> Mehrere Agenten nur dann einsetzen, wenn unabhängige Teilaufgaben und überprüfbare Übergaben den Koordinationsaufwand rechtfertigen.

Track: [Agentic AI](https://physar.tech/learn/agentic-ai)  
Kanonische Fassung: https://physar.tech/learn/agentic-ai/multi-agent-systems  
Stand: 2026-07-25  
Interaktiver Teil: 3 Checks (nur im Browser)

## Delegation ist ein Interface-Problem

### Nicht mehr Agenten, sondern bessere Zerlegung

Ein Multi-Agent-System lohnt sich nicht, weil eine Aufgabe kompliziert klingt. Es lohnt sich, wenn Teilaufgaben unabhängig genug sind, unterschiedliche Kontexte oder Werkzeuge brauchen und ihre Ergebnisse gegen klare Verträge geprüft werden können.

> **Merksatz:** Jeder zusätzliche Agent ist eine neue Ausführungs- und Fehlergrenze — nicht gratis parallele Intelligenz.

### Wähle ein Koordinationsmuster

|  |  |
| --- | --- |
| Muster | Passt, wenn |
| Parallel + Aggregation | Teilaufgaben unabhängig und Ergebnisse vergleichbar sind |
| Orchestrator + Worker | Zerlegung erst nach Sicht auf den Fall möglich ist |
| Evaluator + Generator | ein Ergebnis gegen explizite Kriterien iterativ geprüft werden kann |
| Sequenzieller Workflow | Reihenfolge und Übergaben vorhersehbar sind |

Wenn die Zerlegung stabil vorhersehbar ist, bleibt ein expliziter Workflow meist einfacher zu testen als autonome Delegation.

### Übergaben brauchen einen Vertrag

- Auftrag, Ziel und erlaubter Umfang
- Eingabe mit Herkunft und Sensitivität
- Strukturiertes Ergebnis mit Unsicherheit oder Belegen
- Zeit-, Kosten- und Retry-Limit
- Verifikations- und Eskalationsregel

Teile nicht automatisch den gesamten Verlauf. Gib jedem Worker nur den Kontext, die Berechtigung und die Tools, die er für seinen Teilauftrag benötigt.

### Fehler dürfen nicht vervielfacht werden

Parallelität kann Kosten, Seiteneffekte und denselben falschen Ausgangspunkt multiplizieren. Der Orchestrator braucht eine Obergrenze für Fan-out, deduplizierte Arbeit, Abbruchsignale und einen Pfad, der ein unsicheres Teilergebnis sichtbar macht statt es als Fakt zu verschmelzen.

> **Trade-off:** Aggregation kann Robustheit erhöhen, kostet aber Latenz, Tokens und Prüfarbeit. Mehrheitsvotum ersetzt keine unabhängige Evidenz.

### Was die Checks prüfen

- Ob Parallelisierung einen echten Unabhängigkeitsgewinn hat
- Wie ein minimaler Delegationsvertrag aussieht
- Wann ein Workflow statt eines Multi-Agent-Systems die richtige Wahl ist

> **Abgrenzung:** Single-Agent-Loops und Tool-Design bleiben in den vorherigen Modulen; dieses Modul behandelt ausschließlich Koordination zwischen Ausführungsgrenzen.

## Quellen

- Anthropic Engineering: Building Effective Agents — https://www.anthropic.com/engineering/building-effective-agents
- Anthropic: Demystifying evals for AI agents — https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents