AWS empfiehlt, mit der einfachsten Architektur zu beginnen, die eine Aufgabe zuverlässig abdeckt: Ist der Ablauf bekannt, passt meist ein fest definierter Workflow; entstehen Teilaufgaben erst während der Ausführung, kann Laufzeitkoordination sinnvoll sein. Für viele Aufgaben reicht ein einzelner Agent mit Werkzeugen. Ein Multi-Agenten-System verteilt Arbeit auf mehrere spezialisierte Agenten, bringt aber zusätzlichen Abstimmungsaufwand mit sich. AWS beschreibt diese Muster und Entscheidungskriterien.

Feste Workflows und autonome Koordination

Ein spanischsprachiger Überblick stellt Muster von einzelnen Agenten bis zur Multi-Agenten-Koordination vor und erläutert, wie sich diese kombinieren lassen.

AWS unterscheidet in seiner Taxonomie zwischen deterministischen Abläufen mit vorab festgelegter Steuerung und Mustern, bei denen ein Sprachmodell den weiteren Ablauf zur Laufzeit mitbestimmt. Die Kategorien sind AWS’ eigenes Ordnungssystem. Entscheidend für die Architekturwahl ist, ob die nächsten Schritte schon vor Beginn feststehen.

MusterSteuerungsablaufGeeigneter Einsatz laut AWSPraktischer Zielkonflikt
Sequenzielle PipelineFeste Abfolge; jede Stufe übergibt ihr Ergebnis an die nächste.Dokumentverarbeitung, Datenaufbereitung oder Zusammenfassungen für die Schichtübergabe.Gut vorhersehbar und vergleichsweise einfach zu testen; Fehler können sich durch nachfolgende Stufen fortpflanzen.
Bedingter WorkflowVorab festgelegte Abzweigungen, etwa bei Erfolg oder Fehler.Prüf- und Wiederholungsabläufe.Wiederholungen begrenzen und nach Erreichen des Limits eskalieren.
Bedingter RouterOrdnet eine Anfrage einer passenden Fachroute zu.Sortierung nach Anliegen oder Qualitäts- und Anomalieprüfung.Nur der ausgewählte Zweig wird ausgeführt; die Zuordnung bestimmt somit den weiteren Weg.
Parallele Aufteilung mit ZusammenführungUnabhängige Teilaufgaben laufen gleichzeitig; anschließend werden ihre Ergebnisse zusammengeführt.Parallele Analysen, etwa für Wartungsplanung.Eine Zusammenführung muss Abweichungen auflösen; bei paralleler Arbeit bestimmt der langsamste Teilprozess die Laufzeit.
Planbasierte OrchestrierungEin Planer verwaltet Aufgaben und Abhängigkeiten und verteilt Arbeit während der Ausführung.Aufgaben, bei denen sich Teilprobleme erst im Verlauf zeigen.Flexibler, aber mit mehr Kosten, Latenz und Aufwand beim Debugging verbunden.
Übergabe an einen anderen AgentenEin Agent überträgt Aufgabe und Zustand an einen spezialisierten Kollegen.Wechsel zwischen unterschiedlichen Fachgebieten.Eine verständliche Übergabe braucht validierten Zustand, Belege und offene Fragen statt einer bloßen Gesprächszusammenfassung.
Gesprächsbasierte KoordinationAgenten teilen einen Gesprächsverlauf; die Auswahl des nächsten Beitrags kann fest oder modellgesteuert sein.Offene Zusammenarbeit zwischen Agenten.Der Zustand steckt implizit im Gespräch, das alle Beteiligten sehen.
Debatte oder KonsensAgenten bewerten dieselbe Eingabe unabhängig; ein Mehrheitsentscheid, eine Instanz oder eine Eskalation führt die Ergebnisse zusammen.Entscheidungen mit hohem Gewicht und geringer Fallzahl.AWS ordnet dieses Muster als besonders aufwendig ein; bei Wahrnehmungsaufgaben kann die Debatte zusätzliche Latenz bringen, ohne die Genauigkeit zu erhöhen.

Die Muster lassen sich kombinieren: Ein fester Ablauf kann etwa die verlässlichen Schritte steuern, während ein Agent an einer Stelle mit unklarer Aufgabe weitere Arbeitsschritte plant. Ein spanischsprachiger Überblick zu Agentenmustern erläutert ebenfalls, wie sich verschiedene Bausteine zusammensetzen lassen.

Welche Architektur passt zur Aufgabe?

Ein Entscheidungsbaum führt je nach Aufgabe zu einem direkten Modellaufruf, einem Agenten mit Werkzeugen oder einer festen beziehungsweise autonomen Multi-Agenten-Architektur.

Gehen Sie die Entscheidung in dieser Reihenfolge durch: Braucht die Aufgabe überhaupt Aktionen über die Textgenerierung hinaus? Wenn nicht, genügt ein direkter Modellaufruf. Ist der Lösungsweg bekannt, prüfen Sie, ob tatsächlich unterschiedliche Fachkenntnisse nötig sind: Dann kann ein deterministischer Workflow mehrere Agenten verbinden; andernfalls reicht ein Agent mit Werkzeugen. Ist der Lösungsweg unbekannt, kommt autonome Koordination erst dann in Betracht, wenn die Aufgabe Exploration oder erhebliche Nebenwirkungen umfasst.

Als praktische Faustregel gilt: Mehrere Agenten lohnen den Zusatzaufwand eher, wenn sie unterschiedliche Zuständigkeiten haben, unabhängig parallel arbeiten können oder ihre Aufgaben voneinander abhängen. AWS nennt unterschiedliche Modelle, klar getrennte Werkzeugzugriffe, Parallelität und echte Abhängigkeiten als mögliche Gründe für eine Aufteilung. Das sind Gestaltungsüberlegungen von AWS, keine allgemeingültige Definition eines Multi-Agenten-Systems.

Wählen Sie die Koordination nach der Aufgabe: Ein zusätzlicher Agent ist nur dann nützlich, wenn seine eigene Zuständigkeit den Abstimmungsaufwand rechtfertigt.

Koordination begrenzen und absichern

AWS beschreibt fünf typische Fehlmuster. Ein „God Agent“ erhält zu viele voneinander unabhängige Werkzeuge; Iterationen ohne Obergrenze verbrauchen Ressourcen und können Koordinationsprobleme verstärken. Freitext als Vertrag zwischen Agenten lässt Bedeutungen verrutschen, während eine Aufteilung in mehrere Agenten verfrüht sein kann, wenn ein einzelner Agent mit wechselnden Werkzeugen ausreicht. Schließlich können ungeprüfte Aktionen Kunden betreffen oder physische Systeme beeinflussen.

Dazu empfiehlt AWS, Zuständigkeiten zu begrenzen und als Richtwert höchstens fünf Werkzeuge einem einzelnen Agenten zuzuweisen. Wiederholungen und Tokenverbrauch sollten gedeckelt werden; nach einer festgelegten Grenze folgt eine Eskalation oder ein automatischer Stopp. Übergaben sollten über typisierte, schemageprüfte Daten erfolgen. Vor folgenreichen Aktionen gehören außerdem Geschäftsregeln, Validierung und eine der Tragweite angemessene menschliche Freigabe in den Ablauf.

Die Steuerungsgrenze in der Fertigung

Für Produktionsumgebungen empfiehlt AWS, speicherprogrammierbare Steuerungen (PLC), SCADA-Systeme zur Überwachung und Steuerung sowie Manufacturing Execution Systems (MES) deterministisch zu betreiben. Agenten sollen beobachten, analysieren und Empfehlungen abgeben, nicht die Anlagensteuerung direkt übernehmen. Vor einer zulässigen Aktion sollen Empfehlungen gegen den aktuellen Betriebszustand geprüft und je nach Risiko freigegeben werden.

Auch die Latenz muss zum Takt der Anlage passen. AWS empfiehlt, Laufzeiten am 99. Perzentil zu budgetieren und einen deterministischen Rückfallpfad bereitzuhalten, der innerhalb einer Sekunde reagiert. Zeitkritische Signale sollen dem Architekturvorschlag zufolge am Rand des Netzes verarbeitet werden; die Cloud kann dann etwa Analysen über Schichten oder Standorte hinweg übernehmen.

Für den Agentenkontext schlägt AWS einen Schichtrhythmus vor: Zu Beginn kommen Team, Ziele und vorherige Übergabe in den Kontext, während der Schicht bleibt der Arbeitskontext erhalten, und am Ende werden offene Punkte, Anomalien und Empfehlungen zusammengefasst. So richtet sich die übergebene Information nach dem betrieblichen Wechsel statt nach einer unbegrenzt anwachsenden Gesprächshistorie.

Was CooperBench über Coding-Agenten zeigt

In der von Stanford HAI am 1. Juni 2026 veröffentlichten Zusammenfassung umfasste CooperBench mehr als 650 konfliktanfällige Softwareaufgaben in Python, TypeScript, Go und Rust. Die Agenten konnten Code bearbeiten, lokale Befehle ausführen und miteinander kommunizieren. Stanford HAI berichtet, dass die Kommunikation kaum Einfluss auf die Ergebnisse hatte; zu den beschriebenen Problemen gehörten ignorierte Warnungen vor Merge-Konflikten und nicht zu Ende geführte Aufgaben. Das Ergebnis betrifft die untersuchten Coding-Aufgaben. Stanford HAIs Zusammenfassung zu CooperBench zeigt damit, warum ein Nachrichtenkanal allein keine verlässliche Zusammenarbeit garantiert.

Wer nach der Architekturwahl auch die Qualität der Ergebnisse beurteilen möchte, findet in NeoTeos Leitfaden zur Bewertung von KI-Agenten jenseits ihrer finalen Antwort einen passenden nächsten Schritt.