Agenten-Framework
Ein Agenten-Framework ist eine fertige Software-Grundlage, mit der Entwickler Programme bauen, die Aufgaben selbstständig in mehreren Schritten abarbeiten. Es liefert die Bausteine dafür: Planung, Gedächtnis, Zugriff auf Werkzeuge wie Suchmaschinen und die Wiederholung von Schritten, bis das Ziel erreicht ist.
Ein Sprachmodell wie das hinter ChatGPT kann sehr gut Text erzeugen. Es kann aber von sich aus nicht im Internet nachsehen, keine Datei speichern und keine Aufgabe über mehrere Schritte durchziehen. Genau diese Lücke füllt ein Agenten-Framework. Das ist eine Sammlung fertiger Programmbausteine, mit denen Entwickler ein Sprachmodell in einen sogenannten Agenten einbauen: ein Programm, das ein Ziel entgegennimmt und selbstständig Zwischenschritte erledigt. Der Agent darf dabei Werkzeuge benutzen, also andere Programme aufrufen, etwa eine Suchmaschine oder einen Taschenrechner. Bekannte Beispiele solcher Frameworks heißen LangChain, LlamaIndex, CrewAI oder AutoGen.
Warum niemand die Schleife selbst baut
Man könnte einen Agenten auch komplett von Hand programmieren. In der Praxis wiederholt sich dabei aber immer derselbe Aufbau. Der Agent muss die Antwort des Modells auslesen, erkennen, welches Werkzeug gemeint ist, dieses aufrufen, das Ergebnis zurückgeben und die Runde erneut starten. Dazu kommen unangenehme Details: abgestürzte Werkzeuge, überlange Texte, Endlosschleifen. Ein Framework hat diese Fälle schon geregelt.
Der zweite Grund ist Austauschbarkeit. Frameworks reden mit den Modellen verschiedener Anbieter über dieselbe Schnittstelle. Wer heute ein Modell von OpenAI nutzt und morgen eines von Anthropic oder ein selbst betriebenes, muss dann nur wenige Zeilen ändern. Das ist wirtschaftlich wichtig, weil sich Preise und Qualität der Modelle im Monatsrhythmus verschieben.
Drittens brauchen Firmen Nachvollziehbarkeit. Ein Agent trifft viele kleine Entscheidungen, und wenn das Ergebnis falsch ist, will jemand wissen, warum. Frameworks protokollieren deshalb jeden Schritt mit. Diese Aufzeichnung nennt man Trace, und ohne sie ist ein Agent im Betrieb kaum wartbar.
Planen, Werkzeuge rufen, sich erinnern
Der Kern jedes Frameworks ist eine Schleife. Das Modell bekommt die Aufgabe und beschreibt seinen nächsten Schritt. Das Framework führt diesen Schritt aus und schickt das Ergebnis zurück ins Modell. Das wiederholt sich, bis das Modell sagt, es sei fertig, oder bis eine festgelegte Höchstzahl an Runden erreicht ist. Diese Obergrenze ist keine Kleinigkeit, sondern schützt vor Agenten, die sich im Kreis drehen und dabei Geld verbrennen.
Für die Werkzeuge hinterlegt der Entwickler jeweils eine kurze Beschreibung in Alltagssprache. Etwa: „wetter_abfragen, erwartet einen Ortsnamen, liefert die Temperatur“. Das Modell wählt anhand dieser Beschreibungen selbst aus. Es entscheidet also nicht der Programmierer im Voraus, welches Werkzeug wann dran ist. Deshalb ist eine gute Werkzeugbeschreibung oft wichtiger für die Qualität als das Framework selbst.
Dazu kommt ein Gedächtnis. Sprachmodelle vergessen alles, was nicht im aktuellen Text steht, denn ihr Arbeitsspeicher pro Anfrage ist begrenzt. Das Framework verwaltet deshalb, was mitgeschickt wird und was ausgelagert und später nachgeholt wird. Manche Frameworks lassen außerdem mehrere Agenten zusammenarbeiten, etwa einen, der recherchiert, und einen, der prüft. Verwechseln sollte man das Framework nicht mit dem Modell: Das Framework denkt nicht, es organisiert nur.
Von der Programmierhilfe bis zum Kundenservice
Am sichtbarsten sind Agenten heute beim Programmieren. Werkzeuge wie GitHub Copilot Workspace, Cursor oder Claude Code lesen ein Projekt, ändern mehrere Dateien und starten Tests, bis diese durchlaufen. Genau das ist ein Agent im Einsatz: Ziel setzen, Schritte machen, Ergebnis prüfen, nachbessern.
In Unternehmen stecken Agenten meist unsichtbar im Hintergrund. Ein Kundenservice-Agent liest die E-Mail, sucht die Bestellnummer in der Datenbank, prüft die Lieferfrist und formuliert eine Antwort. Ein Rechercheagent trägt Zahlen aus mehreren Berichten zusammen. Solche Systeme werden fast nie von null gebaut, sondern auf einem Framework.
In Wirtschaftsnachrichten begegnet dir der Begriff oft im Zusammenhang mit Geld und Marktmacht. Fast jeder große Anbieter hat inzwischen ein eigenes Agenten-Framework, weil dort entschieden wird, welches Modell die Firmen später einsetzen. Vorsicht ist bei Versprechen angebracht: Ein Framework macht Agenten nicht zuverlässig. Wenn das Modell einen Zwischenschritt falsch einschätzt, baut es auf diesem Fehler weiter auf. Deshalb setzt man in der Praxis meist einen Menschen als Kontrolle vor kritische Aktionen wie Zahlungen.
