Agent-Schwarm
Ein Agent-Schwarm ist eine Gruppe von KI-Programmen, die eine Aufgabe untereinander aufteilen und sich gegenseitig Zwischenergebnisse zuschicken. Statt eines einzelnen Systems arbeiten mehrere spezialisierte Einheiten parallel an Teilaufgaben und setzen das Ergebnis am Ende zusammen.
Manche KI-Programme beantworten nicht nur Fragen, sondern erledigen mehrschrittige Aufträge selbstständig. Sie suchen im Internet, lesen Dateien, schreiben Text oder starten andere Programme. Solche Programme nennt man Agenten. Ein Agent-Schwarm ist eine Gruppe mehrerer solcher Agenten, die gemeinsam an derselben Aufgabe arbeiten. Jeder übernimmt einen Teil, gibt sein Zwischenergebnis weiter und bekommt Ergebnisse der anderen zurück. Am Ende entsteht daraus eine gemeinsame Lösung, die kein einzelner Agent allein geliefert hat.
Warum man Aufgaben auf viele Agenten verteilt
Ein einzelner Agent, der eine lange Aufgabe von Anfang bis Ende bearbeitet, verliert leicht den Faden. Je mehr Schritte er macht, desto mehr Zwischeninformationen muss er gleichzeitig im Blick behalten. Kleine Fehler aus Schritt drei schleppt er bis Schritt zwanzig mit. Ein Schwarm begrenzt dieses Problem, weil jeder Agent nur einen überschaubaren Ausschnitt bearbeitet.
Dazu kommt Geschwindigkeit. Zehn Agenten können zehn Quellen gleichzeitig durchsuchen, während ein einzelner sie nacheinander abarbeiten müsste. Bei Recherche-Aufträgen verkürzt das die Wartezeit deutlich. Firmen wie OpenAI, Anthropic und Google werben genau damit für ihre Recherche-Werkzeuge.
Ein dritter Grund ist Kontrolle. Man kann einen Agenten allein dafür einsetzen, die Arbeit der anderen zu prüfen. Dieser Prüfer sucht Widersprüche, fehlende Quellen oder offensichtlichen Unsinn. Das ersetzt keine menschliche Kontrolle, fängt aber einen Teil der Fehler früh ab.
Rollenverteilung, Nachrichten und Abbruchregeln
Meist gibt es einen Agenten, der die Aufgabe zerlegt. Er wird Orchestrator oder Planer genannt und verteilt Teilaufträge an die anderen. Diese Arbeiter-Agenten bekommen jeweils eine eng gefasste Anweisung, etwa: prüfe die Umsatzzahlen dieser Firma für 2024. Ihre Antworten laufen beim Planer zusammen, der daraus das Endergebnis baut. Technisch sind das oft dieselben Sprachmodelle, nur mit unterschiedlichen Anweisungen und unterschiedlichen Werkzeugen ausgestattet.
Die Agenten reden nicht wirklich miteinander wie Menschen. Sie tauschen Texte über eine feste Schnittstelle aus, ähnlich wie Programme sich Dateien zuschicken. Manche Systeme nutzen zusätzlich einen gemeinsamen Speicher, in den alle ihre Ergebnisse schreiben können. So sieht jeder Agent, was die anderen schon herausgefunden haben.
Ein wichtiger Teil ist die Notbremse. Ohne Regeln können sich Agenten gegenseitig immer neue Aufgaben zuwerfen und endlos weiterlaufen. Entwickler setzen deshalb Obergrenzen: maximal so viele Schritte, so viele Agenten, so viel Rechenzeit. Diese Grenzen sind auch eine Kostenfrage, denn jeder Arbeitsschritt kostet Geld beim Anbieter des Modells.
Von der Tiefenrecherche bis zum Programmierassistenten
Am häufigsten trifft man Schwärme heute bei Recherche-Funktionen von Chatbots. Wenn ein Werkzeug für eine Antwort mehrere Minuten braucht und danach einen langen Bericht mit Quellen liefert, arbeiten dahinter oft mehrere Agenten parallel. Auch Programmierassistenten nutzen das Prinzip: Ein Agent ändert den Code, ein anderer führt die Tests aus, ein dritter beschreibt die Änderung.
In Wirtschaftsnachrichten taucht der Begriff meist im Zusammenhang mit Kosten und Rechenzentren auf. Ein Schwarm verbraucht ein Vielfaches der Rechenleistung einer einzelnen Anfrage. Das ist einer der Gründe, warum der Strom- und Chipbedarf der KI-Branche so stark wächst.
Ein verbreiteter Irrtum ist, ein Schwarm sei automatisch klüger als ein einzelnes Modell. Das stimmt nicht. Wenn alle Agenten auf demselben Modell beruhen, teilen sie auch dessen blinde Flecken. Erfundene Fakten eines Agenten können von den anderen übernommen und weitergereicht werden. Mehr Agenten bedeuten deshalb mehr Arbeitskraft, aber nicht zwangsläufig mehr Zuverlässigkeit.