KKC_0248 | Multi-Agent-Systeme Grundkurs

Multi-Agenten-Systeme sind dann wertvoll, wenn Aufgaben zu komplex für einen einzelnen Agenten werden: mehrere Perspektiven, klare Rollen, verlässliche Tool-Nutzung und nachvollziehbare Entscheidungen. In diesem Seminar bauen Sie Schritt für Schritt ein Multi-Agenten-Setup, das für reale Prozesse geeignet ist. Sie starten mit einer sauberen Architektur: Was ist ein Agent, was ist ein Tool, wie unterscheiden sich Memory, Environment und Zustände, und welche Topologien funktionieren in der Praxis, etwa Supervisor-Modelle oder hierarchische Teams.

Danach geht es in die konkrete Umsetzung: Sie definieren Rollen wie Planner, Executor und Critic, formulieren Prompt-Contracts mit klaren Ein- und Ausgaben und zerlegen Ziele in Teilaufgaben mit Akzeptanzkriterien. Ein zentraler Teil ist Tool-Use: Sie entwerfen Function-Calling-Schnittstellen, integrieren externe Systeme und nutzen RAG als Werkzeug, um Antworten auf Quellen zu stützen. Dabei lernen Sie, wie Berechtigungen, Sandboxing und least privilege umgesetzt werden.

Für den Betrieb brauchen Sie Robustheit. Deshalb behandeln Sie Zustandsmanagement, Idempotenz, Retries, Abbruchkriterien und Koordinationsmechanismen wie Delegation oder Voting. Abschließend bauen Sie ein Evaluations- und Observability-Setup mit Tracing und Regression-Tests, damit Qualität, Risiken, Kosten und Latenz kontrollierbar bleiben.

So erhalten Sie ein belastbares Vorgehen, um Multi-Agenten-Workflows produktiv zu machen.

• Grundlagen von Agenten, Tools, Memory, Environment und Zuständen verstehen
• Geeignete Topologien wie Supervisor-Modelle oder hierarchische Teams einordnen
• Rollen, Prompt-Contracts, Teilaufgaben und Akzeptanzkriterien definieren
• Function Calling, externe Systeme und RAG als Werkzeuge integrieren
• Berechtigungen, Sandboxing und Least Privilege berücksichtigen
• Zustandsmanagement, Idempotenz, Retries und Abbruchkriterien planen
• Evaluations- und Observability-Setups mit Tracing und Regression-Tests aufbauen

Das Seminar richtet sich an Entwickler/innen, KI-Engineer/innen, Architekt/innen, Data-Teams und technische Projektverantwortliche, die Multi-Agenten-Systeme entwickeln möchten.

Vorausgesetzt werden Grundkenntnisse zu KI, Softwareentwicklung oder APIs. Erfahrungen mit LLMs, Prompting oder RAG sind hilfreich.

• Grundlagen & Architektur von Multi-Agenten-Systemen
  • Agent, Tool, Memory, Environment: saubere Begriffe
  • Single-Agent vs. Multi-Agent: wann lohnt es sich wirklich
  • Agenten-Topologien: Supervisor, Swarm, Hierarchie, Debatte
  • Kommunikationsmuster: Nachrichten, Protokolle, Zustände
• Rollen, Prompts & Aufgabenzerlegung
  • Rollen-Design: Planner, Executor, Critic, Researcher
  • Task Decomposition: Ziele, Teilziele, Akzeptanzkriterien
  • Prompt-Contracts: Inputs, Outputs, Constraints
  • Fehlerresistenz: Guardrails, Abbruchkriterien, Retries
• Tool-Use & Integrationen
  • Function Calling: Schnittstellen und Parameter-Design
  • RAG als Tool: Retrieval, Quellen, Zitierfähigkeit
  • APIs und Systeme: Tickets, CRM, Datenbanken, Files
  • Sandboxing und Berechtigungen: least privilege
• Orchestrierung & Zustandsmanagement
  • State Machines und Workflow-Modelle für Agenten
  • Shared Memory vs. private Memory
  • Koordination: Hand-offs, Delegation, Voting
  • Idempotenz und deterministische Schritte
• Qualität, Tests & Observability
  • Evaluation: Golden Sets, Rubrics, Regression-Tests
  • Tracing: Prompt/Tool-Aufrufe nachvollziehen
  • Halluzinations- und Risiko-Checks
  • Kosten- und Latenzsteuerung
• Security, Compliance & Betrieb
  • Prompt Injection und Datenabfluss verhindern
  • PII-Handling, Logging-Strategien, Aufbewahrung
  • Deployment-Optionen: Cloud, On-Prem, Hybrid
  • Runbooks: Monitoring, Incident-Handling, Rollback