Multi-Agent-Workflows implementieren

Julia Hartmann, Head of CRM bei einem E-Commerce-Unternehmen aus Stuttgart, hatte die Architektur im Kopf. Drei Schichten, vier Agenten, klares Datenmodell. Das Whiteboard sah überzeugend aus. Und dann öffnete sie ihre Entwicklungsumgebung – und wusste nicht, wo sie anfangen sollte.

Der Sprung vom Konzept zum laufenden System ist der härteste Schritt. Ein Plan ist kein Code. Eine Architektur ist kein laufendes System. Dieses Kapitel schließt diese Lücke.

Die Erkenntnis, die den Unterschied macht

Zwei Dinge, die in der Praxis fast immer unterschätzt werden: Die Schnittstellen zwischen Agenten sind wichtiger als die Agenten selbst. Ein durchschnittlicher Agent mit sauberen Input/Output-Schemata schlägt einen brillanten Agenten mit unklaren Übergaben jedes Mal. Und für 90% aller Marketing-Workflows ist die Supervisor-Architektur die richtige Wahl – nicht weil Alternativen schlechter sind, sondern weil Kontrolle, Nachvollziehbarkeit und Compliance im DACH-Kontext keine optionalen Features sind.

Wenn ein Regulator fragt: „Warum hat euer System diese Entscheidung getroffen?” – brauchst du eine Antwort. Mit Supervisor-Architektur hast du eine. Mit emergenter Swarm-Koordination nicht.

Welches Framework – und warum

CrewAI, LangGraph, Google ADK, Claude API direkt: Vier Ansätze mit unterschiedlichen Stärken für unterschiedliche Situationen. Die Faustregel ist einfacher als viele Evaluierungsprojekte vermuten lassen.

Für die meisten DACH-Marketing-Teams ist CrewAI der richtige erste Schritt – kein anderes Framework erlaubt schnellere erste Ergebnisse mit dem bestehenden Team, ohne dass Marketing-Leads die YAML-Konfiguration nicht mehr lesen können. Für persistente Customer-Journey-Agenten, die über Wochen Zustand halten müssen, ist LangGraph mächtiger. Für maximale Kontrolle und komplexe Entscheidungslogik bietet die Claude API direkte Vorteile, die kein Framework repliziert – inklusive Prompt Caching, das bei tausenden täglichen Workflows über Wirtschaftlichkeit entscheidet.

Wie der erste Workflow in der Praxis aussieht, welche Voraussetzungen wirklich nötig sind und warum Produktionsreife vier bis sechs Wochen dauert, nicht drei Tage – auch wenn der Prototyp in Tagen steht – zeigt dieses Kapitel.

→ Kapitel 9 zeigt, wie Workflows in der Praxis aussehen. Welche Tools und Plattformen den Markt 2026 prägen, beschreibt Kapitel 10.

→ Zum Buch