Lösungen für
Bitte auswählen
Web-App testen
ki-orchestrierung

Plan-and-Execute — das Planner-Executor-Muster für KI-Agenten

Redaktion ·

Plan-and-Execute heißt erst mal nur: Der KI-Agent denkt sich zuerst den ganzen Plan aus und arbeitet ihn danach Schritt für Schritt ab. Kein Nachdenken bei jedem einzelnen Schritt — einmal planen, dann durchziehen. Das klingt fast banal, aber genau darin steckt der Unterschied zu der Art, wie die meisten Agenten sonst arbeiten.

Was Plan-and-Execute eigentlich ist

Stell dir vor, du sollst eine Reise organisieren. Du kannst es auf zwei Arten machen. Entweder du machst einen Schritt, schaust was dabei rauskommt, überlegst dann den nächsten — und so weiter. Oder du setzt dich einmal hin, schreibst die komplette Liste auf (Flug, Hotel, Mietwagen, Versicherung) und hakst sie danach einfach ab. Plan-and-Execute ist die zweite Variante.

Technisch zerfällt das Muster in zwei Rollen. Ein Planner — meist ein Sprachmodell — bekommt die Aufgabe und erzeugt daraus einen mehrschrittigen Plan: eine geordnete Liste von Teilaufgaben. Ein Executor nimmt diese Liste und arbeitet sie ab, Schritt für Schritt, indem er die nötigen Tools aufruft. Der Executor denkt dabei nicht mehr groß nach. Er führt aus, was der Plan vorgibt.

Und genau da macht es klick: Das Denken passiert einmal vorne, gebündelt. Danach läuft die eigentliche Arbeit ohne ständiges Grübeln durch.

Der Unterschied zu ReAct

Um Plan-and-Execute zu verstehen, hilft der Vergleich mit dem bekanntesten Gegenstück: ReAct (kurz für „Reasoning and Acting”). ReAct ist eine enge Schleife. Der Agent denkt einen Gedanken, führt eine Aktion aus, schaut sich das Ergebnis an, denkt den nächsten Gedanken — und so dreht sich die Schleife, Schritt für Schritt, bis die Aufgabe erledigt ist.

Das Problem dabei: Bei jedem einzelnen Schritt fragt ReAct das Sprachmodell erneut. Jeder Schritt kostet also einen vollen LLM-Aufruf samt Tokens. Bei kurzen Aufgaben ist das egal. Aber sobald eine Aufgabe in viele Schritte zerfällt, summiert sich das — an Geld und an Zeit.

Plan-and-Execute dreht das um. Der teure Denk-Schritt passiert genau einmal, beim Planen. Danach arbeitet der Executor die Schritte ab, ohne bei jedem davon neu nachzudenken. Faustregel aus der Praxis: Sobald eine Aufgabe mehr als drei, vier Schritte hat, schlägt Plan-and-Execute ReAct bei den Kosten meist deutlich.

Der Vorteil: Der Agent denkt das Ganze einmal durch

Es gibt noch einen zweiten Effekt, der oft unterschätzt wird. Wenn der Planner gezwungen ist, am Anfang alle Schritte aufzuschreiben, muss er die Aufgabe als Ganzes durchdenken. Er kann nicht nur auf den nächsten kleinen Schritt schielen, sondern muss von vornherein das Ziel im Blick behalten.

Das führt häufig zu besseren Ergebnissen, besonders bei langen, mehrschrittigen Aufgaben. Ein ReAct-Agent verliert bei zwanzig Schritten leicht den roten Faden — er optimiert immer nur den nächsten Zug. Der Plan-and-Execute-Agent hat den kompletten Weg schon vor sich liegen.

Das verwandte Muster der KI-Agenten im Allgemeinen erklären wir ausführlich unter KI-Agenten bauen, und wie mehrere Agenten parallel arbeiten unter Multi-Agent-Orchestrierung.

Die Schwachstelle — und das Re-Planning

So sauber das klingt, das Muster hat eine offene Flanke. Ein Plan ist immer eine Vermutung über die Zukunft. Wenn ein Schritt etwas zurückliefert, womit der Planner nicht gerechnet hat, kann der ganze Restplan entgleisen. Der Executor arbeitet brav weiter, obwohl die Grundlage längst nicht mehr stimmt.

Die Antwort darauf heißt Re-Planning. Dabei wird der Planner nicht nur einmal am Anfang aufgerufen, sondern zwischendurch erneut — etwa nach jedem K-ten Schritt oder immer dann, wenn ein Ergebnis verdächtig vom Erwarteten abweicht. Der Planner schaut sich an, was bisher passiert ist, und überarbeitet die noch offenen Schritte.

Es klingt nach mehr Aufwand, und das ist es auch. Re-Planning bringt einen Teil der Flexibilität von ReAct zurück, kostet dafür aber zusätzliche LLM-Aufrufe und etwas Latenz. In der Praxis ist es trotzdem fast immer die Mühe wert — ein starrer Plan, der bei der ersten Überraschung kippt, hilft niemandem. Etablierte Implementierungen wie LangChains Plan-and-Execute-Agent oder das frühe BabyAGI bauen genau dieses Re-Plan-Gate ein.

So sieht der Ablauf in der Praxis aus

Gehen wir den typischen Durchlauf einmal durch, damit das Muster greifbar wird:

  1. Planen — Die Aufgabe geht an den Planner. Heraus kommt eine geordnete Liste konkreter Teilschritte.
  2. Ausführen — Der Executor nimmt den ersten Schritt, ruft das passende Tool auf, sammelt das Ergebnis ein.
  3. Prüfen — Nach dem Schritt (oder nach mehreren) wird geschaut: Läuft alles wie geplant? Gab es eine Überraschung?
  4. Re-Planen (bei Bedarf) — Weicht das Ergebnis ab, geht es zurück zum Planner, der die restlichen Schritte anpasst.
  5. Abschließen — Sind alle Schritte abgearbeitet, fügt der Agent das Endergebnis zusammen und meldet fertig.

Dieser Kreislauf aus Planen, Ausführen und gelegentlichem Nachplanen ist das Herz vieler produktiver Agenten-Systeme — gerade da, wo Aufgaben lang und in klar trennbare Häppchen zerlegbar sind.

FAQ

Was ist der Hauptunterschied zwischen Plan-and-Execute und ReAct?
ReAct denkt bei jedem Schritt neu nach und ruft dafür jedes Mal das Sprachmodell auf. Plan-and-Execute denkt einmal am Anfang, erstellt den kompletten Plan und arbeitet ihn danach ohne ständiges Nachdenken ab. Das spart bei längeren Aufgaben Kosten und Zeit.
Wann sollte ich Plan-and-Execute statt ReAct wählen?
Immer dann, wenn sich die nötigen Schritte vorher überblicken lassen und nicht jeder Schritt vom Ergebnis des vorherigen abhängt. Bei mehr als drei bis vier Schritten ist das Muster meist günstiger. Hängt dagegen jeder Schritt eng am letzten Ergebnis, ist ReAct die bessere Wahl.
Was passiert, wenn der ursprüngliche Plan nicht mehr passt?
Dann greift Re-Planning. Der Planner wird erneut aufgerufen, schaut sich die bisherigen Ergebnisse an und überarbeitet die noch offenen Schritte. Das kostet zusätzliche LLM-Aufrufe, verhindert aber, dass ein veralteter Plan stur weiterläuft.
Ist Plan-and-Execute ein Multi-Agent-System?
Nicht zwingend. Planner und Executor sind zwei Rollen, die durchaus dasselbe Modell übernehmen kann. Es wird erst zum Multi-Agent-Setup, wenn mehrere eigenständige Agenten die Teilschritte übernehmen — das ist eine mögliche, aber keine notwendige Ausbaustufe.
Verliere ich mit Plan-and-Execute an Flexibilität?
Ein starrer Plan ohne Re-Planning ist tatsächlich unflexibler als ReAct. Mit eingebautem Re-Plan-Gate holst du einen guten Teil dieser Flexibilität zurück, ohne die Kostenvorteile des Vorab-Planens komplett aufzugeben.

Themenuebersicht

KI-Orchestrierung