Über mich
Gespräch vereinbaren
Mehr Agenten = bessere Ergebnisse?
Towards a Science of Scaling Agent Systems
Wie verhalten sich Systeme bei wachsender Agentenanzahl?
Welche Topologien funktionieren unter welchen Bedingungen?
Wo entstehen Schwachstellen und wie propagieren sie?
Identische LLMs, Prompts und Tool-Zugriffe für alle Konfigurationen
Gleiches Token- und Compute-Budget für Single- und Multi-Agent-Systeme
Multi-Agent lohnt nicht immer!
-70%
Maximaler Verlust
Dramatischer Einbruch bei sequentiellen Planungsaufgaben
+81%
Maximaler Gewinn
Beste Performance bei parallelisierbaren Analyseaufgaben
Design-Heuristiken
Sequentielle Prozesse → Single Agent
Planung, Zustandsverwaltung und abhängige Schritte profitieren von zentraler Kontrolle
Analyse & Recherche → Multi-Agent
Parallelisierbare Perspektiven, komplementäre Datenquellen, unabhängige Bewertungen
Hohe Governance → Zentrale Koordination
Audit-Anforderungen, Compliance und Fehlerkosten erfordern kontrollierte Architekturen
Ursache 1: Koordinations-Overhead
Kommunikation frisst Denkbudget
Kommunikation konkurriert mit Problemlösung
Tokens für Koordination stehen nicht für eigentliche Aufgabe zur Verfügung
Tool-Nutzung leidet
Weniger Kapazität für kritische Werkzeuge und externe Datenquellen
Fixes Budget verstärkt den Effekt
In Enterprise-Szenarien mit strikten FinOps-Vorgaben besonders kritisch
Ursache 2: Fehlerverstärkung
Schlechte Koordination verstärkt Fehler
Independent Agents
Fehlannahmen werden ohne Validierung aggregiert und verstärkt
Fehlende Validierung
Keine zentrale Instanz prüft Plausibilität einzelner Agenten-Outputs
Kumulative Degradation
Jeder weitere Agent kann Fehler einbringen oder verstärken
Ursache 3: Topologie bestimmt Robustheit
Centralized / Hybrid
Zentrale Koordination ermöglicht Validierung und Fehlerkorrektur
Decentralized
Höhere Flexibilität, aber schwerer vorhersagbare Ergebnisse
Independent
Fehlerverstärkung wird nicht durch Koordination mitigiert
Architektur vor Agentenanzahl
Koordination ist der eigentliche Hebel
1
Steuerung schlägt Parallelität
Gut koordinierte wenige Agenten übertreffen unkontrollierte viele
2
Validierung wichtiger als Autonomie
Kontrollinstanzen verhindern Fehlerakkumulation und garantieren Qualität
3
Weniger Agenten, besser integriert
Einfachere Systeme mit klaren Schnittstellen sind robuster und wartbarer
Wie viele Agenten ?
Welcher Aufgabentyp liegt vor?
Sequentiell vs. parallelisierbar – das bestimmt die Grundarchitektur
Wie viel Koordination ist sinnvoll?
Zentralisierung für Robustheit oder Dezentralisierung für Exploration
Wo ist Einfachheit ein Vorteil?
Weniger Komponenten bedeuten oft bessere Wartbarkeit und geringere Fehlerquellen

Multi-Agent-Systeme sind ein mächtiges Werkzeug – aber kein universelles Upgrade. Empirische Evidenz zeigt: Architektur und Aufgabentyp entscheiden über Erfolg.