Architektur skalierbarer Multi-Agenten-Systeme mit Azure AI Foundry

Von Mirko Peters · 2026-08-28

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Willkommen zurück im Blog! Wenn Sie unserer Podcast-Reise gefolgt sind, wissen Sie, dass wir ständig untersuchen, wie moderne Automatisierung sich von isolierten Einzel-Prompt-KI-Interaktionen hin zu kollaborativen Multi-Agenten-Frameworks verlagert. In diesem Beitrag gehen wir tief in die technischen Details der Architektur zuverlässiger, skalierbarer Multi-Agenten-Systeme ein. Wir zeigen, wie Plattformen wie Azure AI Foundry die grundlegende Architektur bereitstellen, die nötig ist, um gemeinsame Kontexte zu verwalten, ereignisgesteuerte Übergaben zu orchestrieren und eine Fehlertoleranz auf Unternehmensniveau aufrechtzuerhalten.

Ob Sie komplexe Cloud-Infrastrukturabläufe automatisieren oder die Compliance im Unternehmen optimieren möchten: Das Zusammenspiel mehrerer spezialisierter KI-Instanzen zu verstehen, ist der Schlüssel zur nächsten Stufe organisatorischer Produktivität. Lassen Sie uns die genauen Muster, Modelle und Werkzeuge durchgehen, die Sie kennen sollten.

Anforderungen an Multi-Agenten-Systeme

Benutzerbedürfnisse

Beim Planen von Multi-Agenten-Systemen ist es sehr wichtig, die Bedürfnisse der Nutzer zu kennen. Sie müssen herausfinden, was Nutzer von diesen Systemen erwarten. Das hilft sicherzustellen, dass die Systeme ihre Ziele erreichen. Hier sind einige typische Nutzerbedürfnisse im geschäftlichen Umfeld:

Modulare und skalierbare Lösungen: Nutzer wollen Systeme, die mit ihren Anforderungen wachsen können. So können Organisationen bei Bedarf Agenten hinzufügen oder entfernen.
Zentraler Orchestrator: Ein übergeordnetes System ist nötig, das Aufgaben steuert und die Agenten im Blick behält. Das hilft den Agenten, gut zusammenzuarbeiten, und sorgt für einen reibungslosen Betrieb.
Kontinuierliche Überwachung: Nutzer wollen ständige Prüfungen des Zustands der Agenten. Die Möglichkeit, Probleme schnell zu beheben, ist entscheidend, damit das System stabil bleibt.
Starke Sicherheitsrahmen: Den Schutz von Daten und die Einhaltung von Vorgaben sicherzustellen, ist sehr wichtig. Nutzer müssen darauf vertrauen können, dass ihre Systeme vor Bedrohungen geschützt sind.

Wenn Sie sich auf diese Bedürfnisse konzentrieren, entwickeln Sie Multi-Agenten-Systeme, die besser und schneller arbeiten.

Funktionale Spezifikationen

Funktionale Spezifikationen beschreiben, wie Multi-Agenten-Systeme arbeiten sollen. Sie beeinflussen, wie gut das System funktioniert und wachsen kann. Hier sind einige wichtige Punkte, die Sie berücksichtigen sollten:

Anpassungsfähigkeit: Multi-Agenten-Systeme können sich verändern, indem spezialisierte Agenten hinzukommen. Das verbessert die Leistung und ermöglicht es dem System, zu wachsen.
Fehlertoleranz: Redundante Komponenten machen Multi-Agenten-Systeme robust. Das ist wichtig, damit sie unter unterschiedlichen Bedingungen zuverlässig arbeiten.
Gemeinsame Problemlösung: Agenten arbeiten zusammen und bringen ihre unterschiedlichen Fähigkeiten ein. Diese Zusammenarbeit nutzt Ressourcen besser und löst schwierige Probleme schneller als Einzelagenten-Systeme.

Um funktionale Spezifikationen gut zu erheben, probieren Sie diese Methoden aus:

Methode	Beschreibung	Nutzerfeedback
KI-basierter Multi-Agenten-Ansatz	Nutzt KI-Agenten, um Anforderungen zu sammeln und zu analysieren, und erstellt sowie priorisiert User Stories.	Gemischte Rückmeldungen; Nutzer schlagen zusätzliche Funktionen sowie bessere Suchoptionen vor.

Das Multi-Agenten-System nutzt große Sprachmodelle (LLMs), um Anforderungen zu analysieren. Diese Modelle erstellen aus Projektideen User Stories, verbessern sie und bewerten ihre Wichtigkeit. Diese klare Methode hilft Ihnen, Nutzerbedürfnisse gut zu erfassen.

Wenn Sie die Bedürfnisse der Nutzer kennen und klare funktionale Spezifikationen festlegen, können Sie Multi-Agenten-Systeme entwickeln, die den heutigen Anforderungen entsprechen und sich für die Zukunft anpassen lassen.

Modelle in Azure AI Foundry

Verfügbare Modelle

Azure AI Foundry bietet viele Modelle für unterschiedliche Aufgaben in Multi-Agenten-Systemen. Sie können gezielt spezialisierte Agenten auswählen, die zusammenarbeiten, um schwierige Probleme schnell zu lösen. Hier sind einige wichtige Agenten:

Primärer „Triage“-Agent: Nutzt ConnectedAgentTools, um eingehende Aufgaben entgegenzunehmen und korrekt zuzuweisen.
Prioritäts-Agent: Prüft, wie dringend Aufgaben sind, um zu erkennen, welche schnelle Hilfe benötigen.
Team-Agent: Leitet Aufgaben an das richtige Team zur Lösung weiter.
Aufwands-Agent: Schätzt Umfang und Schwierigkeit von Aufgaben ab, um Ressourcen sinnvoll einzusetzen.

Neben diesen Agenten bietet Azure AI Foundry leistungsstarke KI-Modelle für unterschiedliche Aufgaben:

gpt-5.1: Ideal für Aufgaben, die tiefgehendes Denken und viele Schritte erfordern.
claude-sonnet-4-6: Liefert intelligente Lösungen für Programmierung und Teamarbeit.
claude-opus-4-6: Am besten geeignet für Produktionscode, Sicherheit und Geschäftsaufgaben.
gpt-5.1-codex: Konzentriert sich auf Frontend-Arbeit und interaktive Aufgaben.
claude-haiku-4-5: Schnell und kosteneffizient bei hoher Intelligenz.
DeepSeek-V3.1: Verbessert die Werkzeugnutzung und unterstützt verschiedene Denkmodi.

Mit diesen Modellen können Sie ein Team aus Agenten zusammenstellen, die gut zusammenarbeiten und so das System insgesamt verbessern.

Kriterien für die Modellauswahl

Die Wahl des richtigen Modells für Ihr Multi-Agent-System ist entscheidend. Berücksichtigen Sie diese zentralen Punkte, um eine gute Entscheidung zu treffen:

Kriterium	Beschreibung
Eignung für die Aufgabe	Passen Sie die Stärken des Modells an Ihren Bedarf an, etwa für Chat, logisches Schlussfolgern oder multimodale Aufgaben.
Strategie zum Modell-Routing	Nutzen Sie eine intelligente Auswahl, um Anfragen je nach Kosten, Qualität oder Aufgabentyp an das jeweils beste Modell weiterzuleiten.
Kostenvorgaben	Achten Sie darauf, dass das Modell zu Ihrem Budget für Nutzung und Bereitstellung passt.

Die Auswahl von Modellen in Multi-Agent-Systemen ist sehr wichtig. Unterschiedliche Modelle eignen sich für unterschiedliche Aufgaben. Auf Anweisungen ausgerichtete Modelle bearbeiten viele Anfragen schnell. Auf logisches Schlussfolgern ausgerichtete Modelle eignen sich hervorragend für Planung und das Korrigieren von Fehlern. Die richtige Modellzuweisung für jede Aufgabe kann die Leistung und Zuverlässigkeit Ihres Systems deutlich steigern.

Azure AI Foundry lässt sich außerdem an Ihre spezifischen Anforderungen anpassen. Funktionen wie Connected Agents helfen dabei, schwierige Aufgaben in kleinere Rollen aufzuteilen. Multi-Agent-Workflows bieten eine strukturierte Verwaltung mit Zustandskontrolle und Fehlerbehebung. Sie können No-Code-Werkzeuge oder Open-Source-Frameworks nutzen, um Ihre Agenten einfach zu erstellen und zu verwalten.

Wenn Sie die verfügbaren Modelle kennen und diese Auswahlkriterien anwenden, können Sie ein Multi-Agent-System aufbauen, das gut funktioniert und zu den Anforderungen Ihrer Organisation passt.

Architektur von Multi-Agent-Systemen

Multi-Agent System Architecture

Zentrale Komponenten

Eine leistungsfähige Architektur für Multi-Agent-Systeme besteht aus wichtigen Bausteinen, die die Zusammenarbeit und Kommunikation der Agenten ermöglichen. Hier ein Überblick über diese Bausteine:

Komponente	Beschreibung
Gemeinsamer Kontext	Diese Schicht sorgt dafür, dass alle Agenten denselben zentralen Zustand sehen. Das ist für die Zusammenarbeit entscheidend.
Ereignisgesteuerte Übergaben	Diese Funktion hält die Agenten lose gekoppelt und protokolliert Aktionen lückenlos.
Einheitliche Definitionen	Sie stellt sicher, dass alle Agenten Entscheidungen auf dieselbe Weise treffen, was die Systemleistung verbessert.
Schreibeigentümerschaft mit einem Schreiber	Sie legt fest, wer schreiben darf, und sorgt so für eindeutige Ergebnisse der Agenten.
Echtzeit-Bereitstellung von Features	Sie hilft, Ressourcen besser zu nutzen, indem wiederholte Arbeit zwischen Agenten vermieden wird.
Konflikterkennung	Sie richtet Verfahren ein, um Probleme zu finden und zu beheben, wenn Agenten auf dasselbe Objekt zugreifen.
Observability	Sie ist entscheidend für die Fehlerbehebung, da Entscheidungen und Daten über alle Agenten hinweg nachverfolgt werden können.
Checkpoint-Verwaltung	Sie erfasst, an welcher Stelle sich jede Pipeline in der Verarbeitung befindet, und unterstützt die Fehlerbehebung, wenn Agenten ausfallen.

Diese Bausteine greifen ineinander und bilden eine robuste Architektur, die Wachstum und Zuverlässigkeit in Multi-Agent-Systemen unterstützt.

Interaktionsmuster von Agenten

Wie Agenten miteinander interagieren, ist für die Leistungsfähigkeit von Multi-Agent-Systemen sehr wichtig. Gängige Muster sind:

Kollaboratives Muster: Agenten arbeiten zusammen und teilen Aufgaben, um gemeinsame Ziele zu erreichen. So lassen sich Ressourcen gemeinsam nutzen und zusätzlicher Aufwand reduzieren.
Command-and-Control-Muster: Dieses Muster legt klare Entscheidungsregeln und Managementstrukturen fest. Es kann Prozesse beschleunigen, kann sie in sich verändernden Situationen aber auch verlangsamen.
Nachrichtenbasierte Kommunikation: Agenten senden strukturierte Nachrichten mit Anfragen, Befehlen oder Informationen. Dadurch bleiben sie lose gekoppelt, und die Kommunikation muss nicht zeitgleich stattfinden. Genau das ist ein wichtiger Faktor für gute Zusammenarbeit.

Diese Interaktionsmuster helfen Agenten, besser zusammenzuarbeiten, und steigern so Leistung und Robustheit in komplexen Systemen. Mit diesen Mustern können Sie die Architektur Ihres Multi-Agenten-Systems wirksamer gestalten.

Tools in Azure AI Foundry

AI Foundry Agent Playground

Der AI Foundry Agent Playground ist ein hervorragendes Werkzeug, um Multi-Agenten-Systeme zu entwickeln und zu testen. Dieser No-Code-Bereich vereinfacht vieles. Sie können Modelle auswählen, Agenten einrichten und ihnen gezielt Aufgaben und Wissen zuweisen. Der Playground bietet außerdem Werkzeuge zur Leistungsprüfung, etwa Tracing und Bewertungsmetriken. So sehen Sie in Echtzeit, wie gut Ihre Agenten arbeiten.

Im Playground können Sie verschiedene Setups und Workflows ausprobieren. Diese Flexibilität hilft Ihnen zu verstehen, wie Agenten zusammenarbeiten und auf Aufgaben reagieren. Sie können Ihre Entwürfe anhand der Ergebnisse schnell anpassen. Der Playground ermöglicht es, leistungsfähige Multi-Agenten-Systeme zu erstellen, ohne tiefgehende Programmierkenntnisse zu benötigen.

Semantic Kernel integrieren

Das Hinzufügen des Semantic Kernel zu Azure AI Foundry verbessert Ihre Multi-Agenten-Systeme deutlich. Der Semantic Kernel bietet ein flexibles SDK. Damit können Sie zuverlässige und anpassungsfähige KI-Agenten erstellen, verwalten und nutzen. Diese Integration unterstützt komplexe Workflows, in denen Agenten zusammenarbeiten, und funktioniert gut mit verschiedenen APIs.

Gehen Sie zum Hinzufügen des Semantic Kernel wie folgt vor: folgen Sie diesen Schritten:

Melden Sie sich bei Microsoft Foundry an.
Öffnen Sie das Projekt, in dem das Modell eingerichtet ist.
Wechseln Sie zu „Modelle + Endpunkte“ und wählen Sie das bereitgestellte Modell aus.
Kopieren Sie die Endpunkt-URL und den Schlüssel.
Legen Sie Umgebungsvariablen für die Endpunkt-URL und den Schlüssel fest.
Erstellen Sie mit dem bereitgestellten Code einen Client, der eine Verbindung zum Endpunkt herstellt.

Diese Integration hilft Ihnen, Agenten zu entwickeln, die Informationen suchen und schwierige Aufgaben besser bewältigen. Der Semantic Kernel unterstützt Sie dabei, komplexe Geschäftsprozesse zu strukturieren. Mit diesem Framework stellen Sie sicher, dass Ihre Agenten gut zusammenarbeiten, und verbessern so die Gesamtleistung des Systems.

Azure AI Foundry bietet außerdem viele Werkzeuge für die Entwicklung von Multi-Agenten-Systemen. Hier ist eine Übersicht über einige zentrale Funktionen:

Tool/Funktion	Beschreibung
Connected Agents	Helfen Agenten, zusammenzuarbeiten, indem schwierige Aufgaben in Teilaufgaben zerlegt werden.
Concurrent Orchestration	Ermöglicht es Agenten, gleichzeitig zu arbeiten, wodurch Workflows schneller ablaufen.
Protokollierungsfunktionen	Wichtig für die Nachverfolgung und Verwaltung der Interaktionen zwischen Agenten und ihrer Ergebnisse.

Diese Werkzeuge lassen sich gut in Ihre bestehenden IT-Systeme integrieren und sorgen dafür, dass Ihre Multi-Agenten-Systeme im Unternehmen reibungslos laufen. Azure AI Foundry unterstützt eine einfache Orchestrierung über Workflows und gehostete Agenten und verbessert so die Zusammenarbeit über Systemgrenzen hinweg.

Wenn Sie den AI Foundry Agent Playground nutzen und den Semantic Kernel integrieren, können Sie leistungsstarke Multi-Agenten-Systeme aufbauen, die Effizienz und Innovation in Ihrer Arbeit steigern.

Azure AI Foundry hilft Ihnen, leistungsfähige Multi-Agenten-Systeme aufzubauen. Diese Systeme verbessern Automatisierung und Effizienz. Sie profitieren unter anderem von folgenden Vorteilen:

37,6 % höhere Genauigkeit mit speziellen Agenten
Bis zu 33 % schnellere Ausführungszeiten
Geringere Aufsichtskosten und weniger Fehler
Architekturen, die mitwachsen und Probleme bewältigen

Tipp: Nutzen Sie Connected Agents und Multi-Agent-Workflows. Damit entwickeln Sie flexible Systeme, die wie menschliche Teams arbeiten. Diese Funktionen helfen Ihnen, den Fortschritt nachzuverfolgen, Aufgaben zu verwalten und sich problemlos mit vielen Tools zu verbinden.

Künftig wird Azure AI Foundry die Zusammenarbeit von Agenten verbessern und Aufgaben besser organisieren. Ihre Automatisierung wird dadurch intelligenter und zuverlässiger. Mit dieser Plattform unterstützen Sie Ihre Organisation dabei, durch intelligente Teamarbeit Innovationen voranzutreiben und die Produktivität zu steigern.

Häufige Fragen

Was ist ein Multi-Agent-System?

Ein Multi-Agent-System besteht aus mehreren Agenten, die zusammenarbeiten. Sie lösen gemeinsam Probleme oder erledigen Aufgaben. Jeder Agent hat seine eigene Aufgabe, wodurch sie besser zusammenarbeiten und gute Ergebnisse erzielen.

Wie unterstützt Azure AI Foundry Multi-Agent-Systeme?

Azure AI Foundry stellt Ihnen Werkzeuge und Modelle zur Verfügung, mit denen Sie Multi-Agent-Systeme erstellen, verwalten und verbessern können. Die Plattform sorgt dafür, dass Agenten reibungslos zusammenarbeiten, und automatisiert komplexe Aufgaben.

Kann ich Agenten in Azure AI Foundry anpassen?

Ja, Sie können Agenten in Azure AI Foundry anpassen. Sie legen deren Aufgaben, Fähigkeiten und Interaktionen auf Basis der Anforderungen Ihrer Organisation fest. So erzielen die Agenten die bestmögliche Leistung.

Welche Vorteile bieten Multi-Agent-Systeme?

Multi-Agent-Systeme verbessern die Automatisierung, optimieren Abläufe und beschleunigen die Erledigung von Aufgaben. Außerdem erhöhen sie die Genauigkeit und ermöglichen eine bessere Ressourcenverwaltung in unterschiedlichen Prozessen.

Sind Programmierkenntnisse für Azure AI Foundry erforderlich?

Nein, für Azure AI Foundry müssen Sie nicht programmieren. Die Plattform bietet eine Einrichtung ohne Code, mit der Sie Multi-Agent-Systeme einfach erstellen und verwalten können, ohne tiefgehende Programmierkenntnisse zu benötigen.

🎧 Diese Folge anhören

Möchten Sie eine praxisnahe Erklärung zu Build Reliable Intune and Entra ID Agents? Diese Folge erläutert das Thema verständlich und zeigt, warum es für Microsoft 365, Azure, Power Platform, Sicherheit, KI und modernes Arbeiten wichtig ist. Eine vollständige Vertiefung dieser Konzepte finden Sie in der passenden Podcast-Folge: Build Reliable Intune and Entra ID Agents with Azure AI Foundry.

Hören Sie diese Folge, wenn Sie:

die zentralen Konzepte hinter Build Reliable Intune and Entra ID Agents verstehen möchten
sehen möchten, wie sich das Thema in das größere Microsoft-Technologie-Ökosystem einordnet
erfahren möchten, wo es für Ihre Organisation einen praktischen Nutzen schaffen kann

Diese verwandten M365 FM-Folgen könnten Sie ebenfalls interessieren:

Entdecken Sie weitere praxisnahe Microsoft-Themen auf M365 FM.