Multi-Agenten-Setups gelten derzeit als naheliegender nächster Schritt in der Automatisierung: Statt eines einzelnen Sprachmodells, das eine Aufgabe bearbeitet, teilen sich mehrere spezialisierte Agenten die Arbeit auf, übergeben Zwischenergebnisse und prüfen sich gegenseitig. Die Erwartung dahinter ist einfach: mehr Perspektiven, weniger Fehler, bessere Ergebnisse. Eine Analyse des Testanbieters Vals AI stellt diese Erwartung in Frage.

Das Ergebnis der Untersuchung: Teams aus KI-Agenten lieferten kaum bessere Resultate als einzelne Agenten, verursachten dabei aber bis zu 5,1-mal höhere Kosten. Nur in einem von vier Testläufen zeigte sich überhaupt ein messbarer Vorteil. Geprüft wurde dabei mit aktuellen Modellen, unter anderem GPT-6 Sol und Claude Opus 5.5.

Wo die Kosten entstehen

Der Kostentreiber in solchen Setups sind Token – also die Texteinheiten, in die Eingaben und Ausgaben eines Sprachmodells zerlegt und nach denen sie abgerechnet werden. Jeder zusätzliche Agent bringt eigenen Kontext mit: Systemanweisungen, Aufgabenbeschreibung, bisherige Zwischenstände, Ergebnisse der anderen Agenten. Dieser Kontext wird bei jedem Schritt erneut verarbeitet.

Das führt dazu, dass der Aufwand nicht linear mit der Anzahl der Agenten wächst. Koordination, Rückfragen und Wiederholungen erzeugen zusätzlichen Textverkehr, der bezahlt werden muss – unabhängig davon, ob er die Lösungsqualität verbessert. Auch Daten von Anthropic weisen laut der Analyse in dieselbe Richtung: Ab etwa zehn Agenten stagniert die Qualität, während die Token-Kosten weiter ansteigen.

Warum mehr Agenten nicht automatisch klüger sind

Die Vorstellung, dass sich Agenten gegenseitig korrigieren, setzt voraus, dass die Fehler unabhängig voneinander entstehen. Arbeiten mehrere Instanzen desselben oder eines ähnlichen Modells an einer Aufgabe, teilen sie jedoch häufig dieselben blinden Flecken. Ein zweiter Agent bestätigt dann eher eine falsche Annahme, als sie aufzudecken.

Hinzu kommt der Informationsverlust an den Übergabepunkten. Was ein Agent an den nächsten weitergibt, ist eine verdichtete Zusammenfassung – Details, Unsicherheiten und Begründungen gehen dabei teilweise verloren. Je mehr Übergaben eine Aufgabe durchläuft, desto größer ist das Risiko, dass sich kleine Ungenauigkeiten zu einem falschen Gesamtergebnis summieren.

Konsequenzen für Entwicklungsprojekte

Für Unternehmen, die KI-gestützte Entwicklung oder Prozessautomatisierung planen, folgt daraus kein Verzicht auf Agenten, aber eine andere Reihenfolge der Fragen. Statt zu fragen, wie viele Agenten ein Workflow braucht, lohnt sich die Frage, welche Teilaufgabe überhaupt eine eigenständige Instanz rechtfertigt.

Praktisch heißt das:

  • Mit einem Agenten beginnen. Ein einzelner, gut instruierter Agent mit sauberem Kontext ist die Vergleichsbasis. Erst wenn er eine Aufgabe nachweislich nicht löst, kommt eine Aufteilung in Frage.
  • Parallelisierung nur bei echter Unabhängigkeit. Mehrere Agenten lohnen sich vor allem dort, wo Teilaufgaben wirklich getrennt bearbeitbar sind – etwa das gleichzeitige Durchsuchen verschiedener Datenquellen – und nicht dort, wo sie ständig aufeinander warten müssen.
  • Kosten pro Ergebnis messen. Nicht die Token-Summe pro Monat ist die relevante Kennzahl, sondern der Aufwand pro gelöstem Ticket, erzeugtem Modul oder geprüftem Dokument.
  • Qualität gegen eine feste Referenz prüfen. Ohne definierte Testfälle lässt sich nicht beurteilen, ob ein komplexeres Setup tatsächlich besser arbeitet oder nur anders.
  • Deterministische Schritte klassisch lösen. Validierungen, Formatprüfungen oder Datenbankabfragen gehören in regulären Code, nicht in einen weiteren Agenten.

Architektur schlägt Masse

Die interessantere Stellschraube liegt meist nicht in der Anzahl der Agenten, sondern in der Qualität dessen, was ein Agent zur Verfügung hat: präzise Werkzeuge, zuverlässige Schnittstellen zu den eigenen Systemen, ein kompakter und aktueller Kontext. Ein Agent, der direkt auf eine gepflegte Produktdatenbank oder ein sauber dokumentiertes API zugreifen kann, liefert in der Regel bessere Ergebnisse als drei Agenten, die sich gegenseitig unvollständige Zusammenfassungen zuspielen.

Dazu gehört auch eine nüchterne Betrachtung der Modellwahl. Nicht jeder Arbeitsschritt braucht das stärkste verfügbare Modell. Eine Aufteilung nach Schwierigkeitsgrad – einfache Klassifikationen auf kleinere Modelle, komplexe Analysen auf leistungsfähigere – senkt die Kosten oft deutlicher als jede Umstellung der Agentenzahl.

Einordnung für Web- und Softwareprojekte

Für Web- und Softwareprojekte heißt das: Ein Multi-Agenten-Setup ist eine Architekturentscheidung mit laufenden Betriebskosten, kein Qualitätsmerkmal an sich. Wer KI in Entwicklung, Redaktionsprozesse oder Datenpflege einbindet, sollte den einfachsten funktionierenden Aufbau als Ausgangspunkt nehmen und jede zusätzliche Instanz mit messbarem Nutzen begründen. Entscheidend für das Ergebnis sind am Ende saubere Daten, klare Schnittstellen und belastbare Testfälle – also genau die Grundlagen, die auch ohne KI über den Erfolg eines Projekts entscheiden.

Quellen