Anthropic fasst auf Basis echter Produktionserfahrung die drei in der Praxis am häufigsten verwendeten Muster für AI-Agent-Workflows zusammen und erklärt kompakt, wann man welches wählen sollte.
Kernaussagen
- Je mehr Agenten es gibt, desto wichtiger wird die Struktur der Workflows
- Falsche Muster → höhere Latenz, höhere Kosten, geringere Zuverlässigkeit
- Muster nehmen Autonomie nicht weg, sondern definieren den Rahmen der Autonomie
1. Sequentieller Workflow (Sequential)
- Die Schritte werden nacheinander einzeln ausgeführt (A → B → C)
- Geeignet: wenn zwischen den Schritten klare Abhängigkeiten bestehen
Beispiel: Marketing-Copy → Übersetzung → Prüfung
Extraktion von Dokumentdaten → Schema-Validierung → Laden in die DB - Vorteil: Jeder Agent konzentriert sich auf genau eine Aufgabe → höhere Genauigkeit
- Nachteil: Durch Wartezeiten wird die Latenz länger
- Tipp: Nicht sofort zwangsläufig auf Multi-Step setzen, sondern zuerst ausreichend mit einem einzelnen Agenten testen
2. Paralleler Workflow (Parallel)
- Unabhängige Aufgaben werden gleichzeitig auf mehrere Agenten verteilt → Ergebnisse werden zusammengeführt (fan-out → fan-in)
- Geeignet: wenn mehrere Aspekte gleichzeitig bewertet werden müssen
Beispiel: Code Review (Aufteilung nach Arten von Schwachstellen)
Dokumentanalyse (Thema, Stimmung und Faktenprüfung gleichzeitig)
Qualitätsbewertung aus mehreren Perspektiven - Vorteil: Interessen verschiedener Teams lassen sich leicht trennen, individuelle Optimierung ist möglich
- Nachteil: Viele gleichzeitige API-Aufrufe erhöhen die Kosten; außerdem muss die Logik zum Zusammenführen der Ergebnisse unbedingt gestaltet werden (Mehrheitsentscheidung? Gewichtung? Expertenvorrang?)
3. Evaluator-Optimizer-Workflow
- Ein generierender Agent und ein Evaluationsagent tauschen wiederholt Feedback aus
- Generieren → Bewerten → Überarbeiten → Bewerten … (bis die Qualitätskriterien erfüllt sind oder die maximale Zahl an Wiederholungen erreicht ist)
- Geeignet: für Aufgaben, bei denen Qualität besonders wichtig ist
Beispiel: automatische Erstellung von API-Dokumentation
Kundenkommunikation (Tonfall- und Policy-Konformität)
Erstellung sicherheitskritischer SQL-Abfragen - Vorteil: Spezialisierung von Generierung und Bewertung → höhere Ergebnisqualität
- Nachteil: Hoher Verbrauch von Tokens und Zeit → Abbruchbedingungen (maximale Iterationszahl + Qualitätsschwelle) müssen unbedingt festgelegt werden
Prinzipien für den Praxiseinsatz (wichtig!)
- Mit der einfachsten Lösung anfangen
Ein einzelner Agent reicht aus → fertig
Mit einem sequentiellen Ablauf lösbar → fertig
Das erste Ergebnis erfüllt den Standard → fertig - Nur bei Bedarf aufrüsten
- Die drei Muster sind kombinierbar (Parallelisierung innerhalb eines sequentiellen Ablaufs, parallele Evaluatoren in einer Bewertungsschleife usw.)
Noch keine Kommentare.