Agenten-Schwarm
Ein Agenten-Schwarm ist eine Gruppe von KI-Programmen, die an einer Aufgabe zusammenarbeiten, statt dass ein einzelnes Programm alles allein macht. Jedes Programm übernimmt einen Teilschritt, gibt sein Ergebnis weiter und kontrolliert manchmal die Arbeit der anderen.
Manche Computerprogramme können heute selbstständig mehrere Arbeitsschritte hintereinander erledigen. Sie bekommen ein Ziel, überlegen sich Zwischenschritte und benutzen dafür Werkzeuge wie eine Suchmaschine oder einen Taschenrechner. Solche Programme nennt man Agenten. Ein Agenten-Schwarm ist nun keine einzelne solche Software, sondern eine ganze Gruppe davon, die gemeinsam an einer Aufgabe arbeitet. Die Mitglieder teilen die Arbeit untereinander auf und schicken sich ihre Zwischenergebnisse zu. Der Vergleich mit einem Projektteam passt gut: Einer plant, einer recherchiert, einer prüft am Ende, ob das Ergebnis stimmt.
Was ein Team schafft, das ein Einzelner nicht schafft
Ein einzelner Agent verliert bei langen Aufgaben leicht den Überblick. Wenn er zwanzig Schritte hintereinander machen soll, geht schon in Schritt drei etwas schief. Dieser Fehler wandert dann durch alle folgenden Schritte. Am Ende ist das Ergebnis falsch, ohne dass jemand merkt, wo der Fehler entstanden ist.
Ein Schwarm kann diese Schwäche abfedern. Ein Agent produziert einen Entwurf, ein zweiter liest ihn kritisch und meldet Widersprüche. Diese Rollentrennung wirkt in der Praxis überraschend gut. Der Prüfer hat nur eine Aufgabe und lässt sich nicht davon ablenken, dass er den Text selbst geschrieben hat.
Dazu kommt Geschwindigkeit. Zehn Agenten können zehn Quellen gleichzeitig lesen, statt sie nacheinander durchzuarbeiten. Genau deshalb ist der Begriff in der Wirtschaftspresse so präsent. Firmen hoffen, dass sich damit ganze Arbeitsabläufe automatisieren lassen, die bisher menschliche Koordination brauchten.
Rollen, Nachrichten und ein Chef-Agent
Meist steckt hinter allen Agenten dasselbe Sprachmodell. Das ist ein System, das gelernt hat, Texte fortzusetzen, und dadurch Fragen beantworten kann. Unterschiedlich ist nur die Anweisung, die jeder Agent zu Beginn erhält. Einem sagt man: Du bist Rechercheur und suchst Belege. Einem anderen: Du bist Lektor und suchst Fehler. Diese Startanweisung legt die Rolle fest.
Für die Zusammenarbeit gibt es zwei verbreitete Bauweisen. Bei der ersten gibt es einen übergeordneten Agenten, den Orchestrator. Er zerlegt das Ziel in Teilaufgaben, verteilt sie und fügt die Antworten am Ende zusammen. Bei der zweiten reden die Agenten direkt miteinander, ohne Chef. Das ist flexibler, gerät aber schneller außer Kontrolle.
Der Austausch läuft über Text. Ein Agent schreibt sein Ergebnis, der nächste bekommt es als Eingabe. Genau hier liegt das größte Problem: Jede Nachricht kostet Rechenzeit und damit Geld. Zwanzig Agenten, die alle miteinander sprechen, verursachen sehr viele Nachrichten. Deshalb begrenzen Entwickler die Zahl der Runden, nach denen der Schwarm abbrechen muss.
Von Coding-Assistenten bis zur Marktanalyse
Am sichtbarsten sind Schwärme bei der Softwareentwicklung. Werkzeuge wie GitHub Copilot oder Claude Code lassen mehrere Agenten parallel an einem Projekt arbeiten. Einer schreibt Programmcode, einer schreibt Tests dafür, einer bringt die Dokumentation auf Stand. Vergleichbares gibt es für Recherche: Ein Agent sammelt Studien, andere fassen sie zusammen, einer schreibt den Bericht.
In Finanznachrichten begegnet dir der Begriff, wenn Banken oder Beratungen über Automatisierung sprechen. Gemeint sind dann etwa Abläufe, bei denen Agenten Berichte auswerten, Zahlen vergleichen und eine Zusammenfassung erzeugen. Solche Ankündigungen klingen oft weiter fortgeschritten, als die Technik ist.
Ein häufiger Irrtum: Mehr Agenten bedeuten nicht automatisch bessere Ergebnisse. Wenn alle auf demselben Modell beruhen, teilen sie auch dessen Schwächen. Erfindet das Modell eine Quelle, kann der Prüf-Agent sie ebenfalls für echt halten. Ein Schwarm ersetzt deshalb keine menschliche Kontrolle an den entscheidenden Stellen.