Agentic Workflows vs. Agenten — wann fest, wann frei
Der Unterschied zwischen festen, vordefinierten Workflows und autonomen KI-Agenten — mit Anthropics Definition, Trade-offs und Entscheidungshilfe.
Redaktion
KI-Orchestrierung
Mehrere KI-Agenten, Tools und Workflows koordiniert zusammenspielen lassen — von MCP-Servern über Keyword-gesteuerte Abläufe bis zu Multi-Agent-Pipelines.
-
- ki-orchestrierung Workflow-Automatisierung
Evaluator-Optimizer-Loop
Ein KI-Agent erzeugt, ein zweiter bewertet und kritisiert — und das so lange im Kreis, bis das Ergebnis ein klares Qualitätskriterium erfüllt.
Redaktion - ki-orchestrierung Workflow-Automatisierung
Human-in-the-Loop — Freigabe-Gates für KI-Agenten
Was Human-in-the-Loop in Agenten-Workflows heißt: Freigabe-Gates, Eingriffspunkte vor kritischen Aktionen und warum sie für irreversible Schritte Pflicht sind.
Redaktion - ki-orchestrierung Keyword-Routing
LLM-Routing und der LLM-Router
Was ein LLM-Router macht: Anfragen automatisch an günstige oder starke Modelle leiten, Kosten senken und die Risiken bei Fehlklassifikation verstehen.
Redaktion - ki-orchestrierung MCP-Workflows
Model Context Protocol (MCP)
MCP ist der offene Standard, über den KI-Modelle an Tools und Datenquellen andocken. So funktioniert die Client-Server-Architektur.
Redaktion - ki-orchestrierung Multi-Agent
Multi-Agent-Orchestrierung
Wie mehrere KI-Agenten koordiniert zusammenarbeiten: Orchestrator-Worker, Supervisor-Pattern, Aufgabenverteilung und wann sich Multi-Agent lohnt.
Redaktion - ki-orchestrierung Agenten
Plan-and-Execute — das Planner-Executor-Muster für KI-Agenten
Plan-and-Execute heißt: erst einen kompletten Plan erstellen, dann Schritt für Schritt abarbeiten. Wie das Muster funktioniert und wo es ReAct schlägt.
Redaktion - ki-orchestrierung Workflow-Automatisierung
Prompt Chaining
Mehrere LLM-Aufrufe zu einer Pipeline verketten: Ausgabe wird Eingabe, Zwischen-Checks als Gates und wann Chaining besser ist als ein Mega-Prompt.
Redaktion - ki-orchestrierung Agenten
ReAct-Pattern: Reasoning und Acting im Wechsel
Wie das ReAct-Muster aus Thought, Action und Observation funktioniert, warum tool-nutzende KI-Agenten darauf bauen — und wo es typisch kippt.
Redaktion