Zehntausend KI-Agenten, 88 Stunden Rechenzeit, ein mathematisches Jahrhundertproblem: Was OpenAI Anfang September vorgeführt hat, war der bislang sichtbarste Einsatz eines Agenten-Schwarms. Hinter dem Schlagwort steckt ein einfaches Prinzip – und eine Reihe sehr praktischer Fragen, die sich jedem stellen, der so etwas im eigenen Betrieb einsetzen will. Stand: 10. September 2026.
Chatbot, Agent, Schwarm – drei verschiedene Dinge
| Wer entscheidet | Typische Aufgabe | Was schiefgehen kann | |
|---|---|---|---|
| Assistent im Chat | du, bei jedem Schritt | Text, Analyse, Fragen | eine falsche Antwort, die du siehst |
| Einzelner Agent | das Modell, innerhalb deiner Vorgaben | mehrstufige Aufgabe mit Werkzeugen | eine falsche Handlung, die du erst danach siehst |
| Agenten-Schwarm | viele Instanzen parallel, koordiniert | breite Suche, viele Varianten | viele falsche Handlungen gleichzeitig |
Der Sprung vom Assistenten zum Agenten ist der entscheidende: Ein Assistent schlägt vor, ein Agent tut. Er ruft Werkzeuge auf, liest Dateien, schreibt Dateien, schickt Anfragen. Der Sprung vom Agenten zum Schwarm ist dagegen vor allem eine Frage der Menge – und genau deshalb multipliziert er beides, den Nutzen und den Schaden.
Wie ein Schwarm arbeitet
Das Grundmuster ist einfach: Viele gleichartige Arbeiter arbeiten parallel, eine koordinierende Instanz verteilt Aufgaben und sammelt Ergebnisse ein. Im Fall des Navier-Stokes-Beweises hieß das: Tausende Instanzen probierten Varianten eines Lösungswegs durch, und was durchfiel, wurde verworfen.
Damit das funktioniert, braucht es drei Dinge, die in Demos gern übersehen werden:
Eine klare Erfolgsprüfung. Der Schwarm muss maschinell erkennen können, ob ein Versuch gelungen ist. Bei einem Beweis leistet das ein Beweisassistent, der jeden logischen Schritt maschinell nachrechnet; beim Programmieren leisten es Tests. Ohne so einen Prüfstein erzeugt ein Schwarm nur sehr viel Material, das jemand lesen muss.
Eine Aufgabe, die sich zerlegen lässt. Parallelität hilft nur, wenn viele Wege gleichzeitig gegangen werden können. Aufgaben, bei denen Schritt zwei zwingend auf Schritt eins wartet, gewinnen dadurch nichts.
Eine Vorarbeit, die die Richtung vorgibt. Auch der größte Schwarm sucht nicht ins Blaue. Beim Millennium-Problem stammte die Suchstrategie von Menschen – nachzulesen im Guide Das Millennium-Problem und die KI.
Was davon im normalen Betrieb ankommt
Die ehrliche Antwort: weniger, als die Schlagzeilen nahelegen – aber mehr als null. Sinnvolle Fälle haben ein gemeinsames Merkmal: Es gibt viele gleichartige Vorgänge und eine überprüfbare Erfolgsbedingung.
| Aufgabe im Betrieb | Eignung | Prüfstein |
|---|---|---|
| Hunderte Dokumente nach denselben Kriterien auswerten | gut | Stichprobe gegen manuelle Auswertung |
| Viele Varianten eines Textes erzeugen und filtern | gut | feste Kriterienliste, dann menschliche Auswahl |
| Code gegen eine Testsuite reparieren lassen | gut | die Tests selbst |
| Kundenanfragen eigenständig beantworten lassen | heikel | fehlt meist – hier haftet der Betrieb |
| Bestellungen oder Zahlungen auslösen | nein | irreversibel, gehört nicht in einen Schwarm |
Die Rechnung im Einzelnen, mit 10 US-Dollar je Million Token Eingabe und 50 für die Ausgabe: 500 Dokumente mal 4.000 Token sind 2 Millionen Token hinein, also 20 US-Dollar. 500 mal 800 Token heraus sind 400.000 Token, also noch einmal 20. Ein Durchlauf kostet damit 40 US-Dollar – für einen Betrieb ein guter Preis, wenn ein Mensch dafür zwei Tage bräuchte.
Der Faktor kommt erst danach. Ein Schwarm probiert mehrere Wege je Vorgang; bei drei Varianten sind es 120 US-Dollar. Und wenn niemand festgelegt hat, wann Schluss ist, läuft er weiter, solange die Erfolgsprüfung nicht anschlägt. Zehn Runden sind dann 1.200 US-Dollar für eine Auswertung, die im günstigen Fall 40 gekostet hätte. Genau das ist der Unterschied zwischen einem Experiment und einem Unfall – und er liegt nicht im Modell, sondern in zwei Zeilen Konfiguration.
Ein Schwarm multipliziert den Tokenverbrauch. Was als Einzelanfrage Cent kostet, wird tausendfach parallel zu den Beträgen oben – und bei ergebnisloser Suche zahlst du trotzdem. Vor jedem Schwarm-Experiment gehören deshalb eine Obergrenze und ein Abbruchkriterium festgelegt, technisch und nicht als Vorsatz. 88 Stunden Rechenzeit sind kein Zufallswert, sondern eine Budgetentscheidung.
Vier Regeln, bevor ein Agent etwas darf
- Getrennte Rechte, nicht deine. Ein Agent bekommt ein eigenes Konto mit genau den Rechten, die er braucht. Wer ihm seine eigenen Zugänge gibt, kann hinterher nicht mehr unterscheiden, wer was getan hat.
- Nur umkehrbare Handlungen ohne Rückfrage. Lesen, entwerfen, vorschlagen: frei. Senden, löschen, bezahlen, veröffentlichen: nur mit menschlicher Freigabe. Diese Linie ist wichtiger als jede Modellwahl.
- Ein Protokoll, das jemand liest. Was der Agent getan hat, muss nachvollziehbar sein – und zwar bevor etwas schiefgeht, nicht erst danach.
- Ein Not-Aus, den jemand kennt. Wer stoppt den Vorgang um drei Uhr nachts, und wie? Wenn diese Frage keine Antwort hat, ist das System nicht bereit für den Produktivbetrieb.
Rechtlich ist die Lage klar, auch wenn die Aufsicht noch nachzieht: Verantwortlich ist, wer das System einsetzt. Ein Verweis auf die Selbstständigkeit des Agenten entlastet niemanden. Wie der europäische Rahmen aussieht, ordnet der Guide AI Act ein.
Häufige Fragen
Was ist agentische KI?
Ein KI-System, das nicht nur antwortet, sondern innerhalb vorgegebener Grenzen selbst handelt: Werkzeuge aufruft, Dateien liest und schreibt, mehrstufige Aufgaben abarbeitet. Der Unterschied zum Assistenten ist, dass es tut statt vorschlägt.
Was ist ein Multi-Agenten-System oder Agenten-Schwarm?
Viele Agenten-Instanzen, die parallel an Teilaufgaben arbeiten und von einer koordinierenden Instanz gesteuert werden. Sinnvoll bei Aufgaben, die sich zerlegen lassen und bei denen sich maschinell prüfen lässt, ob ein Versuch gelungen ist.
Wofür eignen sich Agenten im Betrieb?
Für viele gleichartige Vorgänge mit überprüfbarem Ergebnis: Dokumente nach festen Kriterien auswerten, Varianten erzeugen und filtern, Code gegen eine Testsuite reparieren. Ungeeignet sind irreversible Handlungen wie Bestellungen oder Zahlungen.
Was kostet ein Agenten-Schwarm?
Deutlich mehr als eine Einzelanfrage, weil der Tokenverbrauch mit der Zahl der Instanzen multipliziert wird – und auch eine ergebnislose Suche wird abgerechnet. Vor dem Start gehören eine technische Obergrenze und ein Abbruchkriterium festgelegt.
Wer haftet, wenn ein Agent Schaden anrichtet?
Wer das System einsetzt. Die Selbstständigkeit des Agenten entlastet nicht. Praktisch folgt daraus: eigene Zugangsrechte für den Agenten, menschliche Freigabe für alles Unumkehrbare, ein lesbares Protokoll und ein bekannter Not-Aus.
Brauche ich dafür ein bestimmtes Modell?
Weniger, als oft angenommen. Entscheidender als die Modellwahl sind eine zerlegbare Aufgabe, eine maschinelle Erfolgsprüfung und klare Grenzen für das, was der Agent tun darf.
Agenten einsetzen, ohne die Kontrolle abzugeben
Wo Automatisierung Arbeit abnimmt und wo sie Risiken schafft, ist eine Frage der Aufgabengestaltung – nicht der Technik. Genau das üben wir in unserer geförderten Weiterbildung an echten Abläufen. Ob eine Förderung in Betracht kommt, klären wir im kostenlosen Erstgespräch; entschieden wird sie von der Agentur für Arbeit.
Kostenloses Erstgespräch sichern
Paul Niebler – Gründer der Scaly Academy. Über zehn Jahre IT-Consulting mit Schwerpunkt KI, unter anderem bei IBM und mit seinem zweiten Unternehmen Pexon Consulting. Er setzt die hier beschriebenen Werkzeuge selbst täglich ein und schreibt auf, was davon im Betrieb trägt – und was nicht. Einschätzung, keine Rechtsberatung. Paul auf LinkedIn
