Managed Agents

Ein Managed Agent ist ein KI-Programm, das eine Aufgabe selbstständig abarbeitet — also nicht nur eine Frage beantwortet, sondern Schritte plant, Werkzeuge benutzt und Entscheidungen trifft. Der entscheidende Zusatz steckt im Wort „Managed“: Ein übergeordnetes Steuersystem, oft Orchestrator genannt, teilt dem Agenten seinen Auftrag zu, überwacht ihn und koordiniert ihn mit anderen Agenten. Ein Managed Agent arbeitet also nie völlig allein, sondern eingebettet in ein größeres System aus mehreren solcher Programme. Die einzelnen Agenten sind dabei meist auf bestimmte Aufgaben spezialisiert, ähnlich wie Abteilungen in einem Unternehmen.

Arbeitsteilung als Stärke

Ein einzelnes KI-Modell stößt schnell an Grenzen, wenn eine Aufgabe viele verschiedene Fähigkeiten verlangt. Ein Managed-Agent-System löst dieses Problem durch Spezialisierung. Ein Agent recherchiert im Internet, ein anderer schreibt Code, ein dritter prüft das Ergebnis — und der Orchestrator hält das Ganze zusammen.

Das ist effizienter als alles in ein einziges Modell zu packen. Außerdem lässt sich das System leichter warten: Wenn ein Agent Fehler macht, tauscht man ihn aus, ohne den Rest anfassen zu müssen. Für Unternehmen bedeutet das auch, dass sie einzelne Agenten gezielt verbessern oder ersetzen können, sobald bessere Modelle verfügbar sind.

Ein typischer Irrtum ist anzunehmen, dass „Managed“ bedeutet, ein Mensch steuere den Agenten in Echtzeit. Das Gegenteil ist oft der Fall: Das Management übernimmt ein automatisches System. Der Mensch gibt nur zu Beginn das Ziel vor — was danach passiert, läuft selbstständig ab.

Aufbau eines Managed-Agent-Systems

Im Zentrum steht der Orchestrator. Er nimmt eine Aufgabe entgegen, zerlegt sie in Teilaufgaben und weist sie den passenden Agenten zu. Jeder Agent hat Zugang zu bestimmten Werkzeugen — das können Internetsuchen, Code-Ausführung, Datenbankabfragen oder das Verschicken von E-Mails sein. Der Agent wählt selbst, welches Werkzeug er wann benutzt.

Die Kommunikation zwischen Orchestrator und Agenten läuft meist über strukturierte Nachrichten. Ein Agent meldet sein Ergebnis zurück, der Orchestrator bewertet es und entscheidet, ob die Aufgabe erledigt ist oder ein weiterer Schritt nötig wird. Dieser Rückkopplungskreis ist entscheidend: Schlägt ein Schritt fehl, kann das System es erneut versuchen oder einen anderen Agenten beauftragen.

Ein wichtiger Unterschied zu einfacheren Ansätzen: Beim klassischen Prompt-and-Response-Prinzip antwortet das Modell einmalig auf eine Eingabe. Managed Agents hingegen führen viele solcher Schritte hintereinander aus, wobei jeder Schritt auf dem Ergebnis des vorherigen aufbaut. Das ermöglicht deutlich komplexere Aufgaben — zum Beispiel eine vollständige Marktanalyse inklusive Datenabruf, Auswertung und Berichtserstellung.

Managed Agents in Produkten und Schlagzeilen

Managed Agents tauchen zunehmend in konkreten Softwareprodukten auf. Microsofts Copilot Studio erlaubt es Unternehmen, eigene Agenten zu bauen und von einem zentralen System verwalten zu lassen. Salesforce bietet mit „Agentforce“ eine ähnliche Plattform für Vertrieb und Kundendienst. Das Prinzip dahinter ist in beiden Fällen dasselbe: spezialisierte Agenten unter zentraler Steuerung.

In der Forschung sind Frameworks wie LangGraph oder AutoGen bekannt, mit denen Entwickler eigene Managed-Agent-Systeme zusammenbauen. Dort lassen sich Agentennetzwerke mit wenigen Dutzend Zeilen Code definieren, was die Technologie auch außerhalb großer Konzerne zugänglich macht.

In Wirtschaftsnachrichten ist der Begriff oft im Zusammenhang mit Automatisierung von Büroarbeit zu lesen. Analysten schätzen, dass Managed-Agent-Systeme mittelfristig ganze Arbeitsabläufe übernehmen könnten, die heute noch vollständig von Menschen erledigt werden — von der Rechnungsverarbeitung bis zur Softwareentwicklung. Wie verlässlich und sicher solche Systeme dabei handeln, ist eine der zentralen offenen Fragen.