Multi-Agent-Systeme Grundkurs

Multi-Agenten-Systeme sind dann wertvoll, wenn Aufgaben zu komplex für einen einzelnen Agenten werden: mehrere Perspektiven, klare Rollen, verlässliche Tool-Nutzung und nachvollziehbare Entscheidungen. In diesem Seminar baust Du Schritt für Schritt ein Multi-Agenten-Setup, das für reale Prozesse geeignet ist. Du startest mit einer sauberen Architektur: Was ist ein Agent, was ist ein Tool, wie unterscheiden sich Memory, Environment und Zustände, und welche Topologien funktionieren in der Praxis, etwa Supervisor-Modelle oder hierarchische Teams. Danach geht es in die konkrete Umsetzung: Du definierst Rollen wie Planner, Executor und Critic, formulierst Prompt-Contracts mit klaren Ein- und Ausgaben und zerlegst Ziele in Teilaufgaben mit Akzeptanzkriterien. Ein zentraler Teil ist Tool-Use: Du entwirfst Function-Calling-Schnittstellen, integrierst externe Systeme und nutzt RAG als Werkzeug, um Antworten auf Quellen zu stützen. Dabei lernst Du, wie Berechtigungen, Sandboxing und least privilege umgesetzt werden. Für den Betrieb brauchst Du Robustheit. Deshalb behandelst Du Zustandsmanagement, Idempotenz, Retries, Abbruchkriterien und Koordinationsmechanismen wie Delegation oder Voting. Abschließend baust Du ein Evaluations- und Observability-Setup mit Tracing und Regression-Tests, damit Qualität, Risiken, Kosten und Latenz kontrollierbar bleiben. So erhältst Du ein belastbares Vorgehen, um Multi-Agenten-Workflows produktiv zu machen.

Grundlagen & Architektur von Multi-Agenten-Systemen

• Agent, Tool, Memory, Environment: saubere Begriffe

• Single-Agent vs. Multi-Agent: wann lohnt es sich wirklich

• Agenten-Topologien: Supervisor, Swarm, Hierarchie, Debatte

• Kommunikationsmuster: Nachrichten, Protokolle, Zustände

Rollen, Prompts & Aufgabenzerlegung

• Rollen-Design: Planner, Executor, Critic, Researcher

• Task Decomposition: Ziele, Teilziele, Akzeptanzkriterien

• Prompt-Contracts: Inputs, Outputs, Constraints

• Fehlerresistenz: Guardrails, Abbruchkriterien, Retries

Tool-Use & Integrationen

• Function Calling: Schnittstellen und Parameter-Design

• RAG als Tool: Retrieval, Quellen, Zitierfähigkeit

• APIs und Systeme: Tickets, CRM, Datenbanken, Files

• Sandboxing und Berechtigungen: least privilege

Orchestrierung & Zustandsmanagement

• State Machines und Workflow-Modelle für Agenten

• Shared Memory vs. private Memory

• Koordination: Hand-offs, Delegation, Voting

• Idempotenz und deterministische Schritte

Qualität, Tests & Observability

• Evaluation: Golden Sets, Rubrics, Regression-Tests

• Tracing: Prompt/Tool-Aufrufe nachvollziehen

• Halluzinations- und Risiko-Checks

• Kosten- und Latenzsteuerung

Security, Compliance & Betrieb

• Prompt Injection und Datenabfluss verhindern

• PII-Handling, Logging-Strategien, Aufbewahrung

• Deployment-Optionen: Cloud, On-Prem, Hybrid

• Runbooks: Monitoring, Incident-Handling, Rollback

Dieses Seminar richtet sich an Softwareentwickler und IT-Architekten, die über grundlegende Erfahrung mit LLMs verfügen und nun komplexe, autonome Workflows realisieren möchten. Ebenso profitieren Product Owner und Data Teams davon, die KI-gestützte Prozesse stabil in die Produktion überführen wollen. Du solltest Grundkenntnisse in einer Programmiersprache (vorzugsweise Python) mitbringen.

• Grundverständnis von APIs und Softwarearchitektur

• Erfahrung mit LLM-Prompts oder KI-Anwendungen ist hilfreich, aber nicht zwingend