# Multi-Agent-System: Definition und Bedeutung für Unternehmen

> Ein Multi-Agent-System verteilt eine Aufgabe auf mehrere KI-Agenten mit eigenen Rollen, Werkzeugen und eigenem Kontext. Das lohnt sich bei Aufgaben, die sich gut parallelisieren lassen; bei eng verzahnten Arbeitsschritten vervielfacht es Tokenkosten und Fehlerquellen.

Kanonische URL: https://www.ruebstudio.de/de/lexikon/multi-agent-system  
Autor: Dr.-Ing. Marcus Rüb, CEO  
Veröffentlicht: 2026-10-31

Ein **Multi-Agent-System** ist eine Anwendung, in der mehrere [KI-Agenten](https://www.ruebstudio.de/de/lexikon/ki-agent) mit getrennten Rollen, Werkzeugen und Kontexten gemeinsam eine Aufgabe lösen. Typisch ist ein koordinierender Agent, der Teilaufgaben an spezialisierte Agenten verteilt und deren Ergebnisse zusammenführt. Der Begriff stammt aus der klassischen Informatik; heute meint er meist Systeme aus mehreren Sprachmodell-Aufrufen.

## Wie funktioniert ein Multi-Agent-System?

Ein Agent zerlegt die Aufgabe, startet weitere Agenten mit je eigener Anweisung und eigenem Werkzeugsatz und sammelt deren Ergebnisse ein. Jeder Agent arbeitet in seinem eigenen [Kontextfenster](https://www.ruebstudio.de/de/lexikon/kontextfenster) und sieht nur, was man ihm übergibt. Die Qualität hängt daher stark davon ab, wie genau Aufgaben und Zwischenergebnisse beschrieben werden.

Ein Beispiel aus dem Angebotsprozess: Ein Agent liest die Kundenanfrage, ein zweiter sucht passende Positionen in früheren Angeboten, ein dritter prüft technische Machbarkeit gegen Datenblätter. Der koordinierende Agent fügt alles zu einem Entwurf zusammen. Jeder Teilagent nutzt dabei [Tool Use](https://www.ruebstudio.de/de/lexikon/tool-use-function-calling), um auf Dateien, Datenbanken oder Schnittstellen zuzugreifen.

## Wann hilft Arbeitsteilung – und wann nicht?

Arbeitsteilung hilft, wenn sich eine Aufgabe in unabhängige Teile zerlegen lässt, die parallel laufen können, etwa eine Recherche über viele Quellen. Sie schadet, wenn die Schritte eng voneinander abhängen: Dann treffen Agenten widersprüchliche Annahmen, und das Zusammenführen erzeugt neue Fehler.

Anthropic beschreibt sein eigenes Recherchesystem mit einem Lead-Agenten und parallelen Subagenten; [laut Anthropic](https://www.anthropic.com/engineering/multi-agent-research-system) lag es in der internen Recherche-Evaluation um 90,2 % vor einem einzelnen Agenten. Im selben Bericht steht auch der Preis: Multi-Agent-Systeme verbrauchen dort etwa 15-mal so viele Tokens wie ein Chat. Anthropic nennt außerdem Bereiche, die heute schlecht passen – Aufgaben, bei denen alle Agenten denselben Kontext brauchen, und die meisten Programmieraufgaben.

Die Gegenposition vertritt [Cognition](https://cognition.com/blog/dont-build-multi-agents): Agenten sollten den vollständigen Verlauf teilen, und jede Aktion enthält implizite Entscheidungen, die bei paralleler Arbeit kollidieren. Für viele Anwendungen empfiehlt der Beitrag deshalb einen einzelnen, linear arbeitenden Agenten.

## Worauf sollten Unternehmen achten?

Beginnen Sie mit einem einzelnen Agenten und teilen Sie erst auf, wenn ein messbarer Engpass das rechtfertigt – etwa ein überlaufendes Kontextfenster oder echte Parallelität. Jeder zusätzliche Agent bringt eigene Kosten, eigene Fehlerquellen und mehr Aufwand beim Testen.

- **Fehlerarten kennen:** Eine Untersuchung von über 1.600 Verläufen aus sieben Frameworks ([Cemri et al.](https://arxiv.org/abs/2503.13657)) ordnet 14 Fehlerarten drei Gruppen zu: Systementwurf, Abstimmung zwischen Agenten und Prüfung der Ergebnisse.
- **Übergaben präzise halten:** Jeder Teilagent braucht Ziel, Format der Antwort, erlaubte Werkzeuge und ein Abbruchkriterium.
- **Messen statt vermuten:** Vergleichen Sie Ein- und Mehr-Agenten-Variante mit denselben [Evals](https://www.ruebstudio.de/de/lexikon/evals-ki-evaluierung), inklusive Tokenkosten pro Vorgang.
- **Verantwortung festlegen:** Freigaben für Angebote, Bestellungen oder Kundennachrichten bleiben bei Menschen ([Human-in-the-Loop](https://www.ruebstudio.de/de/lexikon/human-in-the-loop)).

Welche Agentenstruktur zu einem konkreten Fachprozess passt, zeigen die Beispiele unter [KI-Agenten für Fachbereiche](https://www.ruebstudio.de/de/ki-agenten).

## Häufige Fragen

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

Nein. Es hilft bei breiten, teilbaren Aufgaben wie Recherche über viele Quellen. Bei Aufgaben mit vielen Abhängigkeiten zwischen den Schritten ist ein einzelner Agent meist robuster und günstiger.

### Warum sind Multi-Agent-Systeme teurer?

Jeder Agent liest Anweisungen, Zwischenergebnisse und Werkzeugausgaben in sein eigenes Kontextfenster. Dadurch steigt der Tokenverbrauch deutlich gegenüber einem einzelnen Chat.

### Brauche ich für ein Multi-Agent-System ein spezielles Framework?

Nicht zwingend. Viele Agenten-SDKs bieten Bausteine für Übergaben oder Subagenten, das Muster lässt sich aber auch mit einfachen Funktionsaufrufen umsetzen. Entscheidend sind klare Aufgabenbeschreibungen und Tests.

## Quellen

- [Anthropic: How we built our multi-agent research system (13.06.2025)](https://www.anthropic.com/engineering/multi-agent-research-system)
- [Cognition: Don't Build Multi-Agents (12.06.2025)](https://cognition.com/blog/dont-build-multi-agents)
- [Cemri et al.: Why Do Multi-Agent LLM Systems Fail? (arXiv 2503.13657)](https://arxiv.org/abs/2503.13657)
