{"id":14008,"date":"2025-06-30T10:00:34","date_gmt":"2025-06-30T08:00:34","guid":{"rendered":"https:\/\/www.iese.fraunhofer.de\/blog\/?p=14008"},"modified":"2026-01-26T12:38:24","modified_gmt":"2026-01-26T11:38:24","slug":"agentic-ai-multi-agenten-systeme","status":"publish","type":"post","link":"https:\/\/www.iese.fraunhofer.de\/blog\/agentic-ai-multi-agenten-systeme\/","title":{"rendered":"Agentic AI \u2013 Multi-Agenten-Systeme im Zeitalter generativer KI"},"content":{"rendered":"

Der Hype um generative KI ist enorm, aber die wahre Transformation beginnt, wenn diese Modelle lernen, autonom zu agieren und miteinander zu kommunizieren. Genau hier setzt der Trend Agentic AI ein, der die Grenzen dessen verschiebt, was autonome, agentenbasierte KI leisten kann. Was ist Agentic AI \u00fcberhaupt? In diesem Artikel erkl\u00e4rt unser Experte Dr. Julien Siebert nicht nur, was KI-Agenten sind, sondern auch wie die zugrundeliegenden Multi-Agenten-Systeme (MAS) funktionieren. Er gibt einen kurzen \u00dcberblick \u00fcber die Geschichte von Multi-Agenten und agentenorientierter Softwareentwicklung (AOSE) und vergleicht sie mit aktuellen Trends. Zudem nennt er Anwendungsf\u00e4lle, in denen Agenten von Vorteil sind. Vielleicht fragen auch Sie sich schon, ob diese intelligenten Netzwerke aus interagierenden Agenten bald die Komplexit\u00e4t Ihrer Gesch\u00e4ftsabl\u00e4ufe drastisch reduzieren k\u00f6nnen.<\/p>\n

\n

You would rather read the article in English? Click here to read: \u00bbWhat is Agentic AI? Multiagent Systems in the Age of Generative AI<\/a>\u00ab<\/p>\n<\/div>\n

Generative KI-Modelle haben die Welt im Sturm erobert \u2013 doch ihre wahre St\u00e4rke entfalten sie erst, wenn man ihre individuellen F\u00e4higkeiten nicht nur versteht, sondern auch gezielt einsetzt. Die Entwicklung effektiver Anwendungen auf Basis generativer KI-Modelle erfordert ein tiefgreifendes Verst\u00e4ndnis des Modells. Es ist entscheidend, zu wissen, was es leisten kann und wie man optimal mit ihm interagiert \u2013 eine Kernkompetenz, die wir Prompt Engineering<\/a> nennen. Nur so lassen sich generative KI-Modelle in der Praxis erfolgreich und zielgerichtet einsetzen.<\/p>\n

Es ist jedoch auch wichtig zu erkennen, dass Modelle keine eigenst\u00e4ndigen L\u00f6sungen sind, sondern vielmehr Schl\u00fcsselkomponenten innerhalb einer gr\u00f6\u00dferen Architektur. Diese Modelle spielen zwar eine entscheidende Rolle, sind jedoch nur ein Teil des \u00d6kosystems, das eine effektive Probleml\u00f6sung erm\u00f6glicht. Um das volle Potenzial generativer KI-Anwendungen auszusch\u00f6pfen, ist es unerl\u00e4sslich, die richtigen Komponenten f\u00fcr bestimmte Anwendungsf\u00e4lle zu orchestrieren. Ein Beispiel hierf\u00fcr ist die Kopplung von Datenbanken mit gro\u00dfen Sprachmodellen (LLMs<\/a>) in RAG-Systemen (Retrieval-Augmented Generation<\/a>).<\/p>\n

Ein Ansatz zur Strukturierung generativer KI-Anwendungen besteht darin, sie in separate Einheiten, sogenannte Agenten, zu unterteilen. Jedem Agenten werden in der Regel bestimmte Rollen und Aufgaben zugewiesen, sodass er bestimmte Aspekte des Problems bearbeiten kann. Indem diese Agenten als Team zusammenarbeiten (und sich m\u00f6glicherweise selbst organisieren), lassen sich komplexe Probleme leichter bew\u00e4ltigen.<\/div>\n
\n

Welche KI-Anwendungen sind f\u00fcr Ihr Business die richtigen?<\/h2>\n

Sie wollen KI nutzen und wissen, ob es f\u00fcr Ihr Unternehmen sinnvoll ist? Mit \u00bbAI Innovation Labs\u00ab<\/b><\/a> haben wir einen Methoden- und Werkzeugbaukasten entwickelt, mit dem wir KI-Anwendungen, die einen klaren unternehmerischen Mehrwert aufweisen, systematisch identifizieren, implementieren und evaluieren.<\/p>\n

Mehr zu LLMs and generativer KI:<\/h3>\n