Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com8. Januar 2026 · Q011318

4-Step Way to Build Multi-Agent Systems That Actually Ship

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor empfiehlt für Multi-Agent-Systeme eine kontrollierbare, codebasierte Orchestrierung, die flexible LLM-Interaktionen mit festen Abläufen verbindet und jeden Recherchelauf in einem eigenen AgentTool-Kontext kapselt. Für den Betrieb beschreibt er Googles ADK und Agent Starter Pack samt CI/CD und menschlicher Freigabe; die Vorteile werden anhand eines Beispiels behauptet, aber nicht mit Messwerten oder Vergleichstests belegt.

Mittel

Der Bericht stellt einen vierstufigen Ansatz für Multi-Agent-Systeme in Start-ups vor. Autor Code Coup zufolge liegen die größten Schwierigkeiten weniger bei der KI selbst als bei Softwarefragen wie Orchestrierung, Zustand und Bereitstellung. Für einen Sales-Intelligence-Agenten habe das Team deshalb eine codebasierte Lösung mit Googles ADK gewählt, weil vorgefertigte Agenten die eigene Geschäftslogik und Datenanbindung nicht ausreichend abgedeckt hätten.

Die beschriebene Architektur verbindet einen Root-Agenten für das Gesprächs-Onboarding mit einem strukturierten LoopAgent. Ein Controller lädt Unternehmensdaten einmalig aus dem CRM; Recherche und Briefing laufen anschließend über Werkzeuge. Der Autor empfiehlt, flexible Sprachmodell-Interaktionen mit deterministischen Abläufen zu kombinieren. Um Zustandsübertragung zwischen Schleifendurchläufen zu begrenzen, kapselt das Team die gesamte Recherche in einem AgentTool, das laut Bericht pro Aufruf einen frischen Kontext verwendet und nur den fertigen Bericht zurückgibt.

Für den Produktivbetrieb empfiehlt der Autor Googles Agent Starter Pack mit gesperrten Abhängigkeiten, Cloud-Build-CI/CD, getrennten Staging- und Produktionsumgebungen sowie menschlicher Freigabe vor dem Produktionsstart. Als Laufzeit nennt er Vertex AI Agent Engine und Cloud Run. Die Empfehlungen beruhen auf einem einzelnen Erfahrungsbericht; Messwerte, Vergleichstests und unabhängige Belege für die behaupteten Vorteile werden nicht vorgelegt.

Ausführlich lesen

Der Bericht „4-Step Way to Build Multi-Agent Systems That Actually Ship“ beschreibt einen vierstufigen Ansatz, mit dem Start-ups Multi-Agent-Systeme aus Sicht des Autors Code Coup verlässlich entwickeln und in den Betrieb bringen können. Seine zentrale These lautet: Die größten Schwierigkeiten lägen weniger in der Leistungsfähigkeit der KI als in der Softwarestruktur, insbesondere beim Umgang mit Zustand, klaren Zuständigkeiten und Bereitstellung. Als typische Probleme nennt der Autor zu frühe Abstraktion, unübersichtlich weitergegebenen Zustand und Prototypen, die beim Einsatz mit mehreren Nutzern instabil werden.

Im ersten Schritt empfiehlt der Autor, früh die nötige Kontrolle über die Orchestrierung zu bestimmen. Für den beschriebenen Sales-Intelligence-Agenten seien vorgefertigte oder externe Agenten wegen eigener Geschäftslogik und der nötigen Anbindung an interne Daten nicht passend gewesen. Das Team habe sich deshalb für eine codebasierte Umsetzung mit Googles Agent Development Kit (ADK) entschieden. Der Autor begründet die Wahl damit, dass das ADK seiner Einschätzung nach ausreichend Kontrolle biete und dennoch zügige Entwicklung ermögliche.

Der zweite Schritt ist der Aufbau einer gemischten Architektur: Ein Root-Agent übernimmt laut Bericht die Gesprächsführung beim Onboarding und leitet anschließend an einen strukturierten LoopAgent weiter. Ein eigener Controller lädt die Unternehmensdaten aus einem CRM zu Beginn in den Sitzungszustand. Für jedes Unternehmen werden dann zwei Werkzeuge eingesetzt: eine Recherchepipeline und ein Agent, der ein abschließendes Briefing erstellt. Der Autor sieht darin eine sinnvolle Aufgabenteilung: Sprachmodelle für flexible Interaktionen mit Menschen, deterministische Abläufe für wiederkehrende Verarbeitung.

Der dritte Schritt betrifft Werkzeuge, Zustand und Zuverlässigkeit. Der Bericht beschreibt ein eigenes CRM-Werkzeug für aktuelle Daten aus einer Tabelle, mit Authentifizierung über ein Google-Cloud-Dienstkonto und einer in einer Umgebungsdatei abgelegten Tabellenkennung. Als besonders wichtig hebt der Autor das Muster „Agent als Werkzeug“ hervor: Statt den Recherche-Agenten direkt in jeder Schleifenrunde auszuführen, werde die gesamte Verarbeitung als einzelnes AgentTool gekapselt. Dadurch erhalte jeder Aufruf laut Darstellung einen frischen Kontext; nach außen werde nur der fertige Bericht zurückgegeben. Der Autor behauptet, dieses Muster habe dem Team viel Arbeit erspart.

Im vierten Schritt geht es um den Produktivbetrieb. Der Autor empfiehlt Googles Agent Starter Pack für Projektstruktur und Bereitstellung. Er nennt gesperrte Abhängigkeiten mit PDM und `uv`, vorkonfigurierte CI/CD-Abläufe mit Cloud Build sowie getrennte Staging- und Produktionsumgebungen. Nach einem Build werde zunächst in Staging bereitgestellt; die Beförderung in die Produktion erfolge nach einer menschlichen Freigabe. Als Laufzeit nennt der Bericht Vertex AI Agent Engine und Google Cloud Run und führt automatische Skalierung sowie nutzungsabhängige Kosten als Vorteile an.

Die Aussagen beruhen auf der Erfahrung und Architektur eines beschriebenen Beispiels. Der Bericht liefert keine Messwerte, systematischen Vergleichstests oder unabhängige Belege für die behaupteten Zuverlässigkeits- und Kostenvorteile. Er stellt den Ansatz als praktische Empfehlung dar, nicht als Nachweis, dass dieselbe Architektur für jedes Team oder jeden Anwendungsfall geeignet ist.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Zusammenfassungen (kurz und mittel) geliefert; beide wurden geprüft. Beide geben den Bericht sachlich korrekt wieder, ohne erfundene Angaben. Die Bewertung der Zusammenfassung bezieht sich auf die mittlere Fassung, die kurze Fassung ist ebenfalls treu. Die Einordnung betrifft einen Erfahrungsbericht zum Bau von Multi-Agent-Systemen in Startups und nicht die gestellten Sicherheitsfragen, deshalb fallen die Bewertungen insgesamt niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die drei Wege für Startups (Pre-built, Partner, Custom-built Agents) werden nicht genannt
  • Die Authentifizierung über ein Google-Cloud-Service-Account und die Konfiguration über .env werden nicht erwähnt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 31 %nur am Rande erwähnt
    • amos 100 %kein Bezug
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 21 %gleiches Oberthema, hilft nicht
    • Luna 46 %Hintergrund, keine Belege
    • JEV 35 %beantwortet teilweise oder widerspricht
    • amos 24 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 29 %Hintergrund, keine Belege
    • Luna 55 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 25 %nur am Rande erwähnt
    • SubQ 29 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-A1-T01 Welche Mindestgrenzen und Schutzvorkehrungen sollen für Zugangsdaten, Kommunikation, Geld, dauerhaftes Gedächtnis, Verträge, Änderungen an Systemen und Handlungen in der physischen Welt gelten, auch wenn ein Agent über Tage ohne sofortige menschliche Zustimmung handelt, und wer darf Befugnisse erteilen, prüfen und entziehen? Luna: Stufe 4 · 26 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 28 %Hintergrund, keine Belege
    • Luna 57 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 27 %nur am Rande erwähnt
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 26 %Hintergrund, keine Belege
    • Luna 73 %einzelne zitierbare Belege
    • JEV 50 %beantwortet teilweise oder widerspricht
    • amos 28 %Hintergrund, keine Belege
    • SubQ 28 %nur am Rande erwähnt
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →