Der Agentenkurs · Die Landkarte
Agent oder Workflow
Lernziele
- Du prüfst an zwei Bedingungen, ob eine Aufgabe einen Loop braucht.
- Du nennst vier Gründe, warum ein Workflow standardmäßig die bessere Wahl ist.
- Du schätzt ab, was ein Agent und ein Multi-Agent-System im Vergleich zu einem Chat an Tokens kosten.
Vor jedem Bau steht eine Entscheidung: Kannst du die Schritte aufschreiben? Wenn ja, schreib sie auf. Code, der bekannte Schritte in bekannter Reihenfolge ausführt, ist ein WorkflowEin System, in dem Modellaufrufe und Tools auf Pfaden laufen, die du vorher im Code festgelegt hast. Der Code entscheidet den nächsten Schritt.Im Glossar. Ein Workflow schlägt einen AgentEin System, in dem ein Sprachmodell seinen nächsten Schritt selbst wählt: Es ruft Werkzeuge auf, wertet das Ergebnis aus und macht weiter, bis das Ziel erreicht ist.Im Glossar in jeder Disziplin außer einer.
Anthropic zieht die Grenze in Building effective agents klar. Ein Workflow ist ein System, in dem Modellaufrufe und Tool · engl. toolEin Werkzeug, das das Modell aufrufen kann: eine API, eine Datenbankabfrage, ein Shell-Befehl, eine Suche. Über Tools wirkt das Modell auf die Welt.Im Glossar auf Pfaden laufen, die du vorher im Code festgelegt hast. Ein Agent ist ein System, in dem das Modell seinen Ablauf selbst lenkt und den nächsten Schritt unterwegs wählt. Der Rat dazu lautet: Such die einfachste Lösung, die funktioniert, und füge Komplexität erst hinzu, wenn sie sich auszahlt. Agentische Systeme tauschen Latenz und Kosten gegen Leistungsfähigkeit, und dieser Tausch muss sich lohnen.
Warum Workflows standardmäßig gewinnen
Workflow
- Billiger: Jeder Schritt trägt nur den Kontext, den er braucht.
- Parallel: Unabhängige Schritte laufen gleichzeitig.
- Debugbar: Ein Fehler hat einen Namen, eine Eingabe und eine Logzeile.
- Testbar: Jeder Schritt lässt sich einzeln prüfen, ein Fix bleibt ein Fix.
Agent
- Trägt einen wachsenden Verlauf von allem bisher Passierten mit.
- Läuft nacheinander: Jede Entscheidung wartet auf die letzte Beobachtung.
- Ein Fehler steckt irgendwo in vierzig Runden Transkript.
- Flexibel: findet einen Weg, den vorher niemand kannte.
Workflows sind billiger, weil jeder Schritt nur den Kontext bekommt, den er braucht. Ein Agent schleppt dagegen ein wachsendes Transkript von allem mit, was bisher passiert ist. Workflows laufen parallel: Unabhängige Schritte verzweigen sich, während ein Loop · engl. agent loopDie Schleife eines Agenten: denken, handeln, beobachten, wiederholen. Zwischen den Durchläufen wird der Kontext des Modells jedes Mal neu gebaut.Im Glossar von Natur aus nacheinander läuft, weil jede Entscheidung auf die letzte Beobachtung wartet.
Workflows lassen sich debuggen. Ein fehlgeschlagener Schritt hat einen Namen, eine Eingabe und eine Logzeile, ein fehlgeschlagener Loop hat vierzig Runden Transkript zum Durchlesen. Workflows lassen sich außerdem Schritt für Schritt testen, deshalb bleibt eine Korrektur auch korrigiert.
Wo sich ein Loop lohnt
Ein Loop gehört dorthin, wo die Schritte vorher unbekannt sind. Bei einer Recherche hängt die nächste Suche davon ab, was die letzte geliefert hat. Bei der Fehlersuche weiß niemand, welche von tausend Dateien den Fehler enthält. Bei einer offenen Synthese ergibt sich die Form der Antwort erst aus dem Material.
Das Erkennungszeichen ist immer dasselbe: Du kannst die Verzweigungen vorher nicht aufzählen, und du kannst das Ergebnis hinterher prüfen. Gilt nur eine der beiden Hälften, zahlst du Agentenpreise für Workflow-Arbeit.
Die Kosten
Der Aufpreis ist gemessen. Anthropic hat ihn an den eigenen Nutzungsdaten veröffentlicht, im Beitrag How we built our multi-agent research system vom Juni 2025. Danach verbrauchen Agenten typischerweise etwa viermal so viele TokenDie Einheit, in der Modelle Text lesen und abrechnen: meist ein Wortteil. Anbieter rechnen pro Million Tokens ab.Im Glossar wie eine Chat-Interaktion und Multi-Agent-System · engl. multi-agent systemMehrere spezialisierte Agenten, die sich gegenseitig wie Tools aufrufen. Meist verteilt ein Supervisor die Teilaufgaben.Im Glossar etwa fünfzehnmal so viele. Multi-Agent-Architekturen rechnen sich nur, wenn der Wert der Aufgabe die Rechnung deckt.
Derselbe Beitrag räumt ein, dass Aufgaben mit gemeinsamem Kontext oder eng gekoppelten Agenten heute schlecht zu Multi-Agent-Systemen passen. Die meisten Programmieraufgaben gehören dazu.
Was die Leiter kostet
- Chat
- 30,00 $
- Ein Agent (etwa 4×)
- 120,00 $
- Multi-Agent-System (etwa 15×)
- 450,00 $
Monatskosten mit Beispielwerten. Die Faktoren 4× und 15× stammen aus Anthropics eigenen Nutzungsdaten (Juni 2025). Echte Preise hängen vom Modell und vom Caching ab.
Die Leiter
Daraus ergibt sich eine Leiter: ein einzelner Modellaufruf, dann ein Workflow, dann ein einzelner Agent, dann mehrere Agenten. Jede Sprosse muss den Schritt zur nächsten rechtfertigen. Die meisten Systeme sollten früh stehen bleiben. Das Whitepaper aus der ersten Lektion lässt diese Frage offen. Dieser Kurs stellt sie zuerst.
Welche Sprosse reicht?
Ordne jede Aufgabe der niedrigsten Sprosse zu, die sie zuverlässig erledigt.
Noch offen (7)
- Eine E-Mail als Spam oder Nicht-Spam einstufen.
- Einen Absatz ins Englische übersetzen.
- Eingehende Rechnungen auslesen, den Betrag prüfen und ins Buchhaltungssystem eintragen.
- Jeden Morgen die Support-Tickets der Nacht zusammenfassen und ans Team schicken.
- Einen Fehler finden, der nur in Produktion auftritt, irgendwo in einer großen Codebasis.
- Eine Frage an deine Notizen beantworten, bei der jede Suche vom letzten Treffer abhängt.
- Eine teure Marktrecherche mit vielen unabhängigen Teilfragen, die sich parallel bearbeiten lassen.
Ein Modellaufruf (0)
Workflow (0)
Ein Agent (0)
Mehrere Agenten (0)
Wie du diesen Kurs nutzt
Geh der Reihe nach vor und bau dabei etwas. Dieses Modul ist die Landkarte: was ein Agent ist, die fünf Schichten und diese Entscheidung. Die Module 1 bis 5 nehmen sich danach je eine Schicht vor, in der Reihenfolge, in der die Fragen auftauchen: was es sieht, wer entscheidet, wer sortiert, was es erreichen darf, woher du es weißt.
Jedes Modul gibt dir funktionierende Standardlösungen. Die Handbücher enthalten die Begründungen dahinter. In ein Handbuch kannst du einsteigen, sobald seine Schicht in deinem eigenen System wehtut. Lies Was ein Agent ist und Fünf Schichten, ein System vor allem anderen. Der Rest kann warten.
- Modul 0 · Die Landkarte: diese Lektion und ihre zwei Vorgänger
- Modul 1 · Kontext: wie Modelle lesen
- Modul 2 · Die Schleife, mit dem Handbuch Loop Engineering
- Modul 3 · Das Gate, mit dem Handbuch Gates mit Entscheidungsmodellen
- Modul 4 · Der Harness, mit dem Handbuch Agent-Harnesses
- Modul 5 · Evals, mit dem Handbuch Eval Engineering
- Modul 6 · Produktion: von der Demo zum Betrieb und der Plan für Tag eins
Merksätze
- Die erste Frage vor jedem Bau lautet: Kannst du die Schritte aufschreiben? Wenn ja, bau einen Workflow.
- Workflows sind billiger, laufen parallel, lassen sich debuggen und Schritt für Schritt testen.
- Ein Loop lohnt sich, wenn die Schritte vorher unbekannt sind und das Ergebnis prüfbar ist.
- Agenten verbrauchen etwa 4-mal, Multi-Agent-Systeme etwa 15-mal so viele Tokens wie ein Chat.
- Die Leiter heißt Modellaufruf, Workflow, Agent, mehrere Agenten. Jede Sprosse muss sich rechtfertigen.
Prüf dich selbst
Denkfrage
Jemand im Team will einen Agenten bauen, der jeden Freitag die Umsatzzahlen aus drei Systemen holt und als PDF verschickt. Was rätst du?
Einen Workflow. Die Schritte sind bekannt und immer gleich: drei Abfragen, ein Bericht, ein Versand. Die drei Abfragen können parallel laufen, jeder Schritt hat eine eigene Logzeile, und ein Fehler lässt sich einzeln testen. Ein Agent würde ein Vielfaches an Tokens kosten und nichts gewinnen, weil es keinen unbekannten Weg zu finden gibt.
Denkfrage
Warum reicht „die Schritte sind vorher unbekannt“ allein als Grund für einen Agenten noch nicht?
Weil du das Ergebnis auch prüfen können musst. Ohne Prüfung weißt du nicht, ob der Agent am Ziel ist oder nur aufgehört hat. Dann zahlst du Agentenpreise für ein Ergebnis, dem du nicht trauen kannst. Beide Hälften müssen gelten: unbekannte Schritte und ein prüfbares Ergebnis.
Prüf dich selbst
Quellen
- Building effective agents
- How we built our multi-agent research system
Quelle der Faktoren 4× und 15×.