Was ist Multi-Agent-Orchestrierung?

Kurz gesagt

Multi-Agent-Orchestrierung bedeutet, Arbeit auf mehrere KI-Agenten zu verteilen und ihre Reihenfolge, Kommunikation und das Zusammenführen ihrer Ergebnisse zu steuern. Schritte wie Recherche, Planung, Coding und Review gehen an verschiedene Agenten, die nacheinander oder parallel laufen.

Gängige Muster

Die meisten Multi-Agent-Setups kombinieren ein paar Grundmuster.

Pipeline: Die Ausgabe eines Agenten ist die Eingabe des nächsten, etwa Recherche, Plan, Bau.
Fan-out: Unabhängige Aufgaben gehen gleichzeitig an verschiedene Agenten.
Orchestrator und Worker: Ein Agent zerlegt den Job, verteilt Teilaufgaben und sammelt die Ergebnisse ein.
Autor und Reviewer: Ein Agent schreibt, ein anderer prüft unabhängig und schickt bei Bedarf zurück.

Arbeit übergeben

Der verlässlichste Weg, Informationen zwischen Agenten weiterzugeben, ist etwas Ausdrückliches und Dauerhaftes: eine Plandatei, Akzeptanzkriterien oder ein gemeinsames Notizbrett. Eine lange Antwort unverändert weiterzureichen, füllt den Kontext des nächsten Agenten; nur das Nötige weiterzugeben, senkt Kosten und Fehlerwahrscheinlichkeit.

Risiken

Mehr Agenten bedeuten mehr Koordinationsprobleme.

Dateikonflikte: Zwei Agenten im selben Ordner können sich gegenseitig überschreiben; getrennte Worktrees verhindern das.
Endlosschleifen: Zwei Agenten können sich gegenseitig immer wieder Arbeit zuschieben, setze also ein Zuglimit.
Kosten: Jeder Agent trägt seinen eigenen Kontext, und die Gesamtzahl der Tokens steigt schnell.
Unklare Verantwortung: Halte fest, welcher Agent was entschieden hat.

Ein Agent oder viele?

Bei kleiner, eng zusammenhängender Arbeit ist ein einzelner Agent meist schneller und konsistenter. Mehrere Agenten lohnen sich, wenn sich die Arbeit wirklich aufteilen lässt, wenn du eine unabhängige Prüfung brauchst oder wenn der Job für einen Kontext zu groß ist.

Orchestrierung in AgentVera

AgentVera bietet dir mehrere Wege, verschiedene CLI-Agenten in einem Fenster zusammenarbeiten zu lassen.

Parallel Team: teilt eine große Anfrage in Teile; jeder Teil läuft mit einem eigenen Agenten in einem eigenen Worktree, die Teile werden auf einem Integrations-Branch zusammengeführt, und du öffnest einen einzigen PR (Pro und Team).
Flows: Verbinde Agenten auf einer Canvas; wenn einer seinen Zug beendet, geht seine letzte Antwort über eine Vorlage an den nächsten. Es gibt Bedingungs-, Warte-, Transformations- und Human-approval-Knoten sowie Zuglimits (Pro und Team).
Aufgabenlinie: die Stufen Analysis, Plan, Build und Review; Aufgaben durchlaufen sie der Reihe nach und gehen zurück zu Build, wenn der Reviewer sie ablehnt (Pro und Team).
Agenten-Koordination: Warnungen, wenn Agenten dieselbe Datei bearbeiten, und ein gemeinsames Board pro Agentengruppe, das Agenten über MCP-Tools nutzen.

FAQ

Ist ein Multi-Agent-System besser als ein einzelner Agent?

Nicht immer. Es hilft, wenn sich die Arbeit aufteilen lässt und eine unabhängige Prüfung braucht; bei kleinen Jobs lohnen sich der zusätzliche Koordinations- und Token-Aufwand nicht.

Kann ich verschiedene Agenten mischen?

Ja. Du könntest Claude Code für Recherche und Planung und Codex für den Bau einsetzen. Wichtig ist, in ausdrücklicher Form zu übergeben, etwa als Datei.

Was passiert, wenn zwei Agenten dieselbe Datei ändern?

Im selben Ordner können sich die Änderungen gegenseitig überschreiben. Getrennte Git-Worktrees oder eine Aufteilung der Arbeit nach Dateien senken das Risiko.

Wie unterscheidet sich Orchestrierung von Subagenten?

Ein Hauptagent startet einen Subagenten intern und erhält das Ergebnis zurück. Bei der Orchestrierung werden unabhängige Agenten-Sessions durch einen Flow oder eine Pipeline verbunden, und du siehst jede einzelne.