Anthropic Leitfaden: So bauen Entwickler bessere KI-Agenten

Das KI-Unternehmen Anthropic hat einen neuen Leitfaden für die Entwicklung von KI-Agenten veröffentlicht. Anstatt auf komplexe, unberechenbare Systeme zu setzen, raten die Entwickler zu simplen, modularen Arbeitsabläufen, um verlässliche Ergebnisse zu erzielen. Im Zentrum stehen dabei drei grundlegende Architektur-Muster.

Abkehr von komplexen Konstrukten

Viele Entwickler versuchen aktuell, möglichst eigenständige KI-Agenten zu bauen, die Aufgaben völlig frei lösen. Dieser Ansatz führt laut Anthropic jedoch oft zu unberechenbarem Verhalten, Fehlern und hohen Betriebskosten. Die Experten raten stattdessen dazu, auf bewährte, leicht verständliche Muster zu vertrauen. Diese modularen Systeme lassen sich wesentlich einfacher testen und kontrollieren. Anthropic unterscheidet in seinem Ansatz dabei primär zwischen drei etablierten Arbeitsabläufen, die je nach Anwendungsfall zum Einsatz kommen.

Schrittweise oder gleichzeitig arbeiten

Der grundlegendste Ansatz ist der sequenzielle Workflow. Hier arbeiten mehrere Agenten nacheinander. Der erste Agent nimmt beispielsweise eine Suchanfrage entgegen und strukturiert diese. Er reicht sein Ergebnis an den zweiten Agenten weiter, der die eigentliche Suche in einer Datenbank durchführt. Ein dritter Agent formuliert schließlich aus den Rohdaten die finale Antwort für den Nutzer. Dieses Muster eignet sich besonders für Aufgaben, die sich sauber in einzelne logische Schritte zerlegen lassen. Jeder Agent erhält so eine leichtere Teilaufgabe, was die Fehlerquote deutlich senkt.

Im direkten Kontrast dazu steht der parallele Workflow. Dieser greift immer dann, wenn eine schnelle Reaktionszeit gefragt ist oder verschiedene Aspekte einer Eingabe gleichzeitig geprüft werden müssen. Ein Start-Agent verteilt die Aufgabe hierbei an mehrere Unter-Agenten, die simultan arbeiten. So kann ein Agent einen Text übersetzen, während ein anderer Agent denselben Text auf mögliche Regelverstöße prüft. Auch das Einholen unterschiedlicher Meinungen zu einem spezifischen Problem ist so möglich. Ein abschließender Agent sammelt die verschiedenen Teilergebnisse ein und fügt sie zu einer stimmigen Gesamtanwort zusammen.

Die interne Qualitätskontrolle

Für komplexe Aufgaben, bei denen eine klare Erfolgsmessung möglich ist, empfiehlt das Unternehmen den sogenannten Evaluator-Optimizer-Workflow. Hier arbeiten zwei Agenten in einem geschlossenen Kreislauf zusammen. Der erste Agent entwirft eine erste Lösung, etwa ein Stück Software-Code. Der zweite Agent übernimmt die Rolle des strengen Prüfers. Er bewertet den Code und sucht nach Fehlern.

Entdeckt der Prüfer-Agent Mängel, schickt er das Ergebnis zusammen mit konkretem Feedback an den ersten Agenten zurück. Dieser verbessert seinen Entwurf auf Basis der Kritik. Dieser Kreislauf wiederholt sich so lange, bis das Ergebnis den definierten Anforderungen entspricht. Durch diese Architektur lassen sich auch anspruchsvolle Aufgaben mit hoher Zuverlässigkeit bewältigen. Entwickler behalten durch die klare Trennung der Aufgaben stets die Übersicht, wo genau ein Fehler im System auftritt und behalten so die volle Kontrolle.