Warum deterministische Workflows die KI-gesteuerte Orchestrierung für Agentensysteme übertreffen

KI-gesteuerte Orchestrierung: Die Verlockung und die Realität

Das Konzept eines "Meta-Agenten", der entscheidet, welche Agenten aufgerufen werden, in welcher Reihenfolge sie ausgeführt werden und wie mit Fehlern umgegangen wird, ist aufgrund seiner Flexibilität und minimalen Hardcodierung verlockend. Nach mehreren Versuchen scheiterte dieser Ansatz in der Praxis jedoch konsequent an der Zuverlässigkeit.

Was bei der KI-Orchestrierung schiefgeht

• Nicht-deterministisches Routing: Der Orchestrierungsagent entscheidet bei jedem Durchlauf mit denselben Eingabedaten anders, was zu unterschiedlichen Ausführungspfaden führt. Manchmal überspringt er Schritte oder fügt unnötige hinzu, was die Fehlersuche erschwert.
• Sich aufschaukelnde Fehler: Eine schlechte Routing-Entscheidung des Orchestrierers setzt sich durch jeden nachgelagerten Agenten fort und vererbt Fehler durch die gesamte Pipeline.
• Explodierende Kosten: Der Orchestrierer verbraucht Tokens, um zu entscheiden, was zu tun ist, bevor überhaupt Arbeit geleistet wird. Bei 6 Agenten in einer Pipeline bezahlt man für mindestens 7 LLM-Aufrufe, wobei der Orchestrierer-Aufruf aufgrund des benötigten vollständigen Kontexts oft der teuerste ist.
• Unmögliche Fehlersuche: Wenn etwas schiefgeht, kann man nicht nachvollziehen, warum – lag es an der Routing-Logik des Orchestrierers, der Ausführung des nachgelagerten Agenten oder an Kontextverschiebungen im Prompt des Orchestrierers? Man endet damit, KI mit KI zu debuggen.

Die Lösung: Deterministische Orchestrierung

Die Lösung bestand darin, die Workflow-Engine durch Code statt KI zu steuern. Die KI tut, was sie gut kann: Inhalte generieren, analysieren und darüber schlussfolgern. Der Code tut, was er gut kann: Sequenzieren, Routen, Fehlerbehandlung und Wiederholungen.

Vier deterministische Workflow-Muster

• Sequenzmuster: Agent A läuft, die Ausgabe geht an Agent B, dann an Agent C. Keine Entscheidungen – nur eine Pipeline.
• Router-Muster: Ein regelbasierter Router (keine KI) prüft die Eingabe und leitet sie an den richtigen Spezialagenten weiter. Deterministisch, fehlersuchbar und schnell.
• Planer→Ausführer: Ein KI-Agent erstellt einen Plan. Eine deterministische Engine führt jeden Schritt aus. Die KI plant; der Code orchestriert.
• Parallelmuster: Mehrere Agenten laufen gleichzeitig an verschiedenen Aspekten. Ein deterministischer Zusammenführungsschritt kombiniert die Ergebnisse.

Praktisches Beispiel: Content-Pipeline

Eine Content-Pipeline mit 3 Stufen: Der Recherche-Agent sammelt Informationen, der Schreib-Agent verfasst den Beitrag unter Verwendung der Rechercheergebnisse, und der Prüf-Agent kontrolliert auf Genauigkeit und Stil.

Alter Ansatz (KI-Orchestrierer): ~40 % der Durchläufe hatten Probleme. Der Orchestrierer übersprang manchmal die Recherche, führte manchmal die Prüfung vor dem Schreiben aus oder lief manchmal endlos in Schleifen.

Neuer Ansatz (deterministische Sequenz): 0 % Orchestrierungsfehler in 3 Monaten. Jeder Durchlauf folgt demselben Pfad. Wenn etwas fehlschlägt, weiß man genau, welcher Agent versagt hat und warum.

Grundprinzip

Wenn Sie Agenten-Pipelines aufbauen, widerstehen Sie der Versuchung, die Workflow-Engine "intelligent" zu machen. Machen Sie sie vorhersehbar. Machen Sie sie fehlersuchbar. Lassen Sie die Agenten intelligent sein; lassen Sie die Infrastruktur langweilig sein. Jede Verbesserung der Zuverlässigkeit kommt durch mehr Struktur, nicht durch mehr Intelligenz. Je weniger KI in Ihrer Orchestrierungsschicht steckt, desto zuverlässiger werden Ihre Agenten.