Multi-Agenten-Systeme markieren im Bereich der KI die nächste Evolutionsstufe. Dabei handelt es sich um Anwendungen, in denen mehrere KI-Agenten mit speziellen Fähigkeiten autonom zusammenarbeiten. Ziel ist es, hochkomplexe Aufgaben weitgehend ohne menschliches Zutun zu bearbeiten und so das Personal zu entlasten.

Da Robotic Process Automation (RPA) und generative KI inzwischen im professionellen Umfeld weit verbreitet sind, steht die nächste Weiterentwicklung bevor: Multi-Agenten-Systeme (MAS). Bei RPA ging es beispielsweise noch darum, standardisierte Prozesse zu automatisieren, indem ein Bot redundante und auf festen Regeln basierende Tätigkeiten ohne Eingreifen durch das Personal übernimmt. Generative KI (GenAI) geht einen Schritt weiter und reagiert intelligent und im Rahmen fester Guardrails »frei« auf klar definierte Prompts. Bei sogenannten Multi-Agent-Systemen (MAS) sind nicht einmal mehr besonders raffinierte Prompts erforderlich. Stattdessen wird ein gewünschter Zielzustand definiert, woraufhin die KI-Agenten im Rahmen ihrer Möglichkeiten zusammenarbeiten, um ihn zu erreichen. Mit Agentic AI steigt der Grad der Autonomie weiter. Systeme können Aufgaben zunehmend selbstständig planen, Teilziele ableiten und geeignete Werkzeuge auswählen. Eine grundlegende Zieldefinition durch den Menschen bleibt jedoch weiterhin erforderlich.

Multi-Agent-Systeme (MAS): Eine Übersicht

Multi-Agenten-Systeme sind eine direkte Folge der rasanten Weiterentwicklung von Large Language Models (LLMs). Während frühe Generationen dieser Modelle vor allem auf statistischer Textverarbeitung basierten und kaum mit externen Systemen interagieren konnten, ermöglichen moderne Frameworks heute eine tiefe Integration in Anwendungen und Plattformen. Dadurch können LLMs nicht nur Inhalte generieren, sondern auch als koordinierende Instanz innerhalb komplexer digitaler Ökosysteme fungieren. Als solche verbinden sie verschiedene Tools, Datenquellen oder spezialisierte KI-Agenten miteinander.

Damit MAS in der Praxis funktionieren, sind zwei Faktoren entscheidend: ein klares Verständnis der zugrunde liegenden Geschäftsprozesse sowie spezifisches Fachwissen aus dem jeweiligen Unternehmenskontext. In ihrer Logik ähneln solche Systeme der Zusammenarbeit von Abteilungen innerhalb eines Unternehmens. Eine übergeordnete Instanz übernimmt die Steuerung, während spezialisierte Einheiten jeweils klar definierte Aufgaben bearbeiten und ihr Fachwissen einbringen. In einer entsprechenden KI-Architektur übernimmt ein sogenannter Orchestrator-Agent die »Projektleitung«. Er verfügt über das Wissen zum Gesamtprozess und steuert die Zusammenarbeit mit mehreren spezialisierten Agenten, die jeweils für bestimmte Funktionen oder Systeme zuständig sind. So entsteht eine arbeitsteilige Struktur, in der Aufgaben gezielt verteilt und effizient bearbeitet werden können.

Als Beispiel dient der Prozess einer Rechnungsstellung. Der zentrale Agent steuert den Ablauf und ruft bei Bedarf Informationen aus angebundenen Systemen ab, etwa aus CRM- oder ERP-Anwendungen. Spezialisierte Agenten stellen ihrerseits die relevanten Kunden-, Produkt- oder Transaktionsdaten bereit. Auf Basis dieser Informationen erzeugt das System anschließend automatisch eine Rechnung. Besonders relevant sind in diesem Zusammenhang die Fähigkeiten moderner Sprachmodelle zur Kontextverarbeitung und zur strukturierten Interaktion mit unterschiedlichen Systemen. Für den operativen Einsatz solcher Architekturen ist zudem die richtige technische Grundlage erforderlich. Ein leistungsfähiges, skalierbares Framework bildet hier das Fundament, um mehrere Agenten zuverlässig zu betreiben, ihre Interaktionen zu koordinieren und gleichzeitig hohe Anforderungen an Sicherheit, Governance sowie Stabilität zu erfüllen.

Vorteile und Herausforderungen von MAS

Experten evaluieren aktuell für MAS bereits zahlreiche Einsatzmöglichkeiten. Besonders im Kundenservice können spezialisierte -KI-Agenten Aufgaben wie die Pflege von Kundendaten, die Bearbeitung von Supportanfragen oder die Unterstützung bei Bestellungen automatisiert übernehmen. Dieses Vorgehen entlastet Service-Teams und verbessert darüber hinaus die Servicequalität enorm. Auch in Marketing und Vertrieb bieten Agentensysteme großes Potenzial, etwa bei der Identifikation von Leads, der automatisierten Kundenansprache über Voicebots oder der Steuerung von Kampagnen. In der Praxis koordiniert ein zentraler Orchestrator-Agent komplexe Anfragen, die Nutzer in natürlicher Sprache formulieren. Er verteilt die einzelnen Aufgaben an spezialisierte Agenten, beispielsweise für Datenzugriff, Analyse oder Reporting, und ermöglicht so eine effiziente Bearbeitung auch komplexer Fragestellungen.

Wenn es um die Vorteile von MAS geht, dann sticht vor allem deren Potenzial heraus, Effizienz und Resilienz zu -steigern. Sie können repetitive Aufgaben automatisiert übernehmen, Fachkräfte entlasten und somit helfen, den Aus-wirkungen des zunehmenden Fachkräftemangels entgegenzuwirken. Gleichzeitig bringen solche Systeme aber auch Herausforderungen mit sich. So ist eine Grundvoraussetzung für ihren erfolgreichen Einsatz etwa die Bereitstellung hochwertiger Daten für das System sowie gut dokumentierter Prozesse. Nur so ist es überhaupt möglich, komplexe Abläufe zuverlässig zu automatisieren. Darüber hinaus spielen Aspekte wie Transparenz, Vertrauenswürdigkeit der Ergebnisse sowie Datenschutz, Compliance und Sicherheit eine zentrale Rolle und erfordern entsprechende Governance-Strukturen.

Geschäftsprozesse nachhaltig optimieren

In Deutschland gestaltet sich die Einführung neuer Technologien erfahrungsgemäß eher schleppend. Auch bei neuesten KI-Entwicklungen ist das der Fall. So befinden sich selbst im Bereich der generativen KI viele Unternehmen noch in der Anfangsphase. Vor diesem Hintergrund ist zu erwarten, dass sich Multi-Agenten-Systeme zunächst nur zögerlich durchsetzen werden. Dennoch lohnt es sich für Unternehmen, das Thema frühzeitig auf die Agenda zu setzen. Im Unterschied zu einfachen generativen KI-Anwendungen zeichnen sich Multi-Agenten-Systeme durch ihre Fähigkeit aus, Aufgaben kooperativ, zielgerichtet und weitgehend autonom zu bearbeiten. Dadurch besitzen sie das Potenzial, zu einem entscheidenden Baustein der digitalen Transformation zu werden und Geschäftsprozesse nachhaltig zu optimieren.

Thomas Sengotta
ist Director Consulting
bei CGI Deutschland

Illustration: © Tanawat Chantapiriyakul | Dreamstime.com

85 Artikel zu „Multi-Agenten-Systeme“

News | Favoriten der Redaktion | IT-Security | Künstliche Intelligenz | Tipps

Die Zukunft der Cybersicherheit: Multi-Agenten-Systeme im Einsatz

4. September 2025

Multi-Agenten-Systeme (MAS) haben das Potenzial, die Cybersicherheit in Unternehmen maßgeblich zu steigern. Allerdings müssen die KI-Agenten nicht nur intelligent, sondern auch interoperabel, vertrauenswürdig und resilient sein. Experten für Managed Extended Detection and Response (MXDR), nennen die größten Herausforderungen, die MAS im Cybersecurity-Bereich mit sich bringen – und skizzieren praktische Lösungsansätze. Künstliche Intelligenz ist im…

Multi-Agent-Systeme (MAS): Eine Übersicht

Vorteile und Herausforderungen von MAS

Geschäftsprozesse nachhaltig optimieren

Thomas Sengotta ist Director Consulting bei CGI Deutschland

85 Artikel zu „Multi-Agenten-Systeme“

Thomas Sengotta
ist Director Consulting
bei CGI Deutschland