Agentic Workflow

Ein Agentic Workflow ist ein Arbeitsprozess, in dem KI-Agenten nicht nur einzelne Aufgaben erledigen, sondern selbstständig mehrstufige Aufgabenketten planen und ausführen. Der Mensch definiert das Ziel — der Agent bestimmt den Weg.

Andrew Ng, Mitgründer von Google Brain, stellte 2024 das Konzept in den Mittelpunkt seiner Keynotes und unterschied es klar vom „prompten und hoffen"-Ansatz: Statt einem LLM eine Frage zu stellen und die erste Antwort zu nehmen, durchläuft ein Agentic Workflow iterative Schleifen — Planen, Ausführen, Überprüfen, Korrigieren.

Ein konkretes Beispiel: Ein Agent soll einen Marktforschungsbericht erstellen. Statt einen monolithischen Prompt zu verarbeiten, gliedert er die Aufgabe: (1) Recherche durchführen — dazu ruft er Suchmaschinen, Datenbanken und Nachrichtenquellen ab. (2) Daten strukturieren und analysieren. (3) Text schreiben. (4) Den Text selbstkritisch überprüfen (Reflection). (5) Schwache Stellen nachbessern.

Frameworks wie LangChain, CrewAI und Microsoft AutoGen ermöglichen solche Workflows. In der Praxis zeigt sich: Ein GPT-3.5-Modell in einem agentic Workflow übertrifft häufig ein einzelnes GPT-4 ohne Agentic-Architektur. Die Orchestrierung ist oft wichtiger als die reine Modellgröße.

Die Grenzen liegen in der Zuverlässigkeit. Agenten können sich in Endlosschleifen verfangen, Fehler kaskadieren lassen oder an unerwarteten Edge Cases scheitern. Robuste Fehlerbehandlung und menschliche Oversight-Mechanismen bleiben unverzichtbar.