Referenz

Glossar

Ein Schnell-Nachschlagewerk mit 174 Begriffen in 17 Abschnitten. Für die ausführliche Behandlung eines Begriffs folge dem Sprosse-Badge zu seinem kanonischen Eintrag auf der Leiter. Die vollständige Bibliografie findet sich auf der Seite Quellen.

Zuletzt aktualisiert: 2026-05-31
Format: Referenz (nach Diátaxis)

§1

Grundlegende Konzepte und Paradigmen

14 Begriffe

Agent / Agentic AI: Ein KI-System, das ein Foundation Model als kognitiven Kern verwendet, um aktiv zu schlussfolgern, autonom Pläne zu erstellen, Entscheidungen zu treffen und Aktionen in seiner Umgebung auszuführen — statt nur passiv Text zu generieren.
Multi-Agent System (MAS): Ein System, in dem mehrere autonome Agenten gemeinsam eine Aufgabe lösen, indem sie miteinander kommunizieren, kooperieren und sich koordinieren.
LaMAS (LLM-based Multi-Agent System): Ein Framework aus vernetzten LLM-Agenten, das dynamische Aufgabenzerlegung, organische Spezialisierung und autonomen Betrieb ermöglicht. Bietet inhärente Fehlertoleranz durch Agent-Redundanz und ermöglicht komplexe Problemlösung.
Foundation Model (LLM): Das vortrainierte Sprachmodell, das die Reasoning-Kapazität eines Agenten bereitstellt. Das Modell ist eine Komponente des Agenten, nicht der Agent selbst.
Prompt Engineering: Das ursprüngliche Paradigma, bei dem natürlichsprachliche Prosa iterativ verfeinert wird, um das gewünschte Verhalten eines LLM hervorzurufen. Nicht-deterministisch und schwach spezifiziert.
Agentic Engineering: Das moderne Paradigma: Steuerlogik liegt im Code (State, Edges, Validatoren), nicht in Prosa. Das LLM wird zu einem Tool innerhalb eines deterministischen Frameworks, nicht zum Framework selbst.
Recursive Composability: Die Eigenschaft, dass komplexe Systeme aus verifizierbaren Modulen mit reproduzierbarem Verhalten zusammengesetzt werden können. Der Hauptgrund, weshalb Logik aus Prosa in die Runtime verlagert wird.
Das 3Cs-Prinzip: Communication, Cooperation, Coordination. Die drei Verhaltenssäulen, die ein Multi-Agent System von einem parallelen Ensemble unabhängiger Agenten unterscheiden.
Determinismus (Struktur vs. Ausgabe): Struktur-deterministische Systeme fixieren den Kontrollfluss im Code, während das LLM die Inhalts-Slots füllt; ausgabe-deterministische Systeme würden auch den Inhalt fixieren, was bei LLMs generell nicht erreichbar ist.
Encapsulation: Architektonisches Prinzip, Spezialisten-Agenten hinter einer tool-artigen Schnittstelle zu verbergen, sodass Aufrufer eine einheitliche Schnittstelle sehen.
Decoupling: Architektonisches Prinzip der Trennung von Kommunikationstopologie und Arbeitstopologie, sodass keine von beiden zu einer harten Abhängigkeit der anderen wird.
Emergent Topology: Die Laufzeiteigenschaft, bei der der tatsächliche Agenten-Graph während der Ausführung materialisiert wird (z. B. via Handoffs), statt statisch deklariert zu sein.
Composability: Entwurfsprinzip, dass Patterns sich sauber kombinieren lassen. Zum Beispiel lässt sich Human-in-the-Loop mit allen sechs Koordinations-Patterns kombinieren.
Batch-invariance: Batch-Invarianz — die (nicht realisierte) Eigenschaft, dass ein LLM bei Temperatur 0 über Batch-Größen hinweg identische Ausgaben produziert. Empirisch selbst in Produktions-Inferenz-Stacks verletzt.

§2

Architekturen und Topologien

9 Begriffe

StateGraph: Eine Architektur, bei der Nodes den Ausführungsfluss steuern und jeder Node von einem expliziten, gemeinsamen State-Objekt liest und darin schreibt. Unterstützt bedingte Branches, parallele Ausführung und Zyklen.
Directed Acyclic Graph (DAG): Ein gerichteter Graph ohne Zyklen. Wird zur Definition deterministischer Workflows verwendet, bei denen Schritte in fester Reihenfolge ohne Rücksprünge ausgeführt werden.
Star Architecture: Eine Topologie, bei der ein zentraler Orchestrator die Kommunikation mit allen anderen spezialisierten Agenten koordiniert.
Decentralized Star Architecture: Eine Star-Variante, bei der der Orchestrator Aufgaben delegiert, aber sensible Daten nicht direkt verarbeitet; Spezialisten bearbeiten ihre Aufgaben in eigenen sicheren Datendomänen zum Schutz der Privatsphäre.
Ring Architecture: Eine Topologie, die Aufgaben sequenziell von einem Agenten zum nächsten weiterreicht.
Graph Architecture: Eine vollständig vernetzte Peer-to-Peer-Topologie zwischen Agenten.
Bus Architecture: Eine Topologie, die einen festen Workflow über einen gemeinsamen Bus an die entsprechenden Prozesse verteilt.
Hierarchical Architecture: Agenten sind in mehrere Ebenen organisiert, wobei Supervisoren auf jeder Ebene untergeordnete Teams verwalten.
Workflow DAG: Eine Steuerstruktur mit expliziten Nodes und Edges, die als Fundament unter agentischen Workflows dient.

§3

Domäne 1 — Denk- und Reasoning-Muster

9 Begriffe

Single-Agent-Reasoning-Muster (Ladder Rung L1).

ReAct (Reason + Act)L1: Grundlegendes Paradigma, bei dem der Agent iterativ zwischen einem Reasoning-Schritt (einem Thought) und einem Tool-Aufruf (einem Act) wechselt, das Ergebnis beobachtet und den nächsten Schritt ableitet. Aliase: Thought–Action–Observation Loop.
Chain of Thought (CoT)L1: Reasoning-Methode, bei der das LLM logische Zwischenschritte artikuliert, bevor es die abschließende Antwort generiert.
Inner Monologue (IM)L1: Ein Reasoning-Stil, der externes Feedback aus der Umgebung direkt als interne Gedanken in den Agenten injiziert.
Plan-and-Execute L1: Der Agent erstellt zunächst einen vollständigen Plan und führt die Schritte anschließend sequenziell aus. Aliase: Planner-Executor, Plan then Act, Task Planning.
ReWOO (Reasoning Without Observation)L1: Der Agent plant alle erforderlichen Tool-Aufrufe im Voraus, führt sie als Batch aus und aggregiert die Ergebnisse. Spart LLM-Aufrufe und Tokens im Vergleich zu ReAct. Aliase: Planner-Solver.
Reflexion (Self-Reflection)L1: Ein iterativer Prozess, bei dem der Agent seine eigenen Zwischenergebnisse kritisch bewertet und das Feedback nutzt, um nachfolgende Schritte zu verbessern. Aliase: Self-Critique, Reflection Loop.
Tree of Thoughts (ToT)L1: Der Agent erkundet gleichzeitig mehrere Reasoning-Pfade in einer Baumstruktur, bewertet Zwischenschritte und verfolgt die vielversprechendsten Äste. Aliase: Branching Reasoning, Search over Thoughts.
Self-Consistency (CoT-SC)L1: Das System generiert mehrere unabhängige Reasoning-Pfade und wählt die abschließende Antwort durch Konsens oder Mehrheitsabstimmung aus. Aliase: Majority Reasoning, Sample-and-Vote.
CodeAct L1: Der Agent verwendet ausführbaren Code als primäres Medium für Aktionen und Reasoning, was Präzision und Reproduzierbarkeit sicherstellt. Aliase: Code-as-Action, Programmatic Action.

§4

Domäne 2 — Ablauf- und Ausführungsmuster

8 Begriffe

Workflow-Muster, bei denen die Struktur im Code liegt und das LLM die Slots füllt (Ladder Rung L2).

Sequential Pipeline (Prompt Chaining)L2: Schritte werden deterministisch in fester Reihenfolge ausgeführt; die Ausgabe eines Schritts ist die Eingabe des nächsten. Aliase: Linear Workflow, Sequential Process.
Routing L2: Ein Klassifikationsmodul leitet eine Anfrage dynamisch an einen bestimmten Ausführungspfad, einen Agenten oder ein Tool weiter — basierend auf der Absicht. Aliase: Classifier Router, Intent Routing, Conditional Branching.
Parallelization (Sectioning / Voting)L2: Unabhängige Teilaufgaben werden gleichzeitig verarbeitet und entweder semantisch zusammengeführt (Sectioning) oder aggregiert, um das beste Ergebnis auszuwählen (Voting). Aliase: Fan-out, Divide and Process.
Evaluator-Optimizer L2: Ein Generator-Agent produziert ein Ergebnis, ein Evaluator-Agent bewertet es, und der Generator optimiert es anhand des Feedbacks. Aliase: Generator-Critic, Critique and Revise.
Iterative Refinement L2: Eine kontrollierte Mehrpass-Schleife, die ein einzelnes Artefakt über Revisionen hinweg verbessert. Aliase: Revise Loop, Draft-Improve.
Orchestrator-Workers L2: Ein zentraler Orchestrator zerlegt eine Aufgabe dynamisch und delegiert die Ausführung an spezialisierte Worker-Agenten. Aliase: Coordinator-Workers, Manager-Worker, Dynamic Task Decomposition.
Map-Reduce L2: Eine große Aufgabe wird in unabhängige Teilstücke zerlegt, parallel verarbeitet und zu einem einzelnen Ergebnis aggregiert. Aliase: Fan-out/Fan-in, Map Aggregate.
Loop L2: Ein oder mehrere Schritte werden wiederholt, bis ein bestimmtes Budget, eine Qualitätsgrenze oder eine Abbruchbedingung erreicht ist. Aliase: Control Loop, Retry Loop, Agent Loop.

§5

Domäne 3 — Kollaborationsmuster

13 Begriffe

Multi-Agent-Koordinationsmuster (Ladder Rung L3).

Supervisor L3: Ein zentraler Manager-Agent entscheidet, welcher untergeordnete Agent als nächstes handeln soll. Aliase: Manager Agent, Coordinator Agent.
Hierarchical Supervisor L3: Supervisor-Pattern, das für größere Teams in mehrere Ebenen organisiert ist. Aliase: Multi-Level Supervisor, Manager Hierarchy.
Handoff L3: Ein Agent überträgt Kontrolle und relevanten Kontext vollständig an einen anderen Spezialisten-Agenten. Aliase: Transfer of Control, Delegated Turn.
Swarm L3: Ein dezentralisiertes Multi-Agent-System, in dem sich spezialisierte Agenten autonom über lokale Regeln und Handoffs selbst organisieren — ohne zentralen Supervisor. Aliase: Peer Agent Swarm, Emergent Coordination.
Group Chat L3: Agenten kommunizieren in einem gemeinsamen Konversationsraum. Aliase: Multi-Agent Chat, Round-Robin Conversation.
Multi-Agent Debate L3: Eine Group-Chat-Variante, bei der Agenten bewusst unterschiedliche Positionen einnehmen, um logische Schwachstellen aufzudecken, bevor eine Entscheidung getroffen wird. Aliase: Debate, Adversarial Agents, Deliberation.
Blackboard L3: Ein Koordinationsmuster, bei dem Agenten indirekt interagieren, indem sie von einem gemeinsamen, persistenten State lesen und in ihn schreiben. Klassisch: Knowledge Sources lesen das Blackboard, reagieren bei Relevanz und schreiben zurück. Aliase: Shared Workspace, Blackboard Architecture.
Magentic (Magentic-One)L3: Ein zusammengesetztes Orchestrierungsmuster, das ein Planungs-Ledger, Delegation und Neuplanung für langfristige Ziele kombiniert. Entstammt Magentic-One, dem generalistischen Multi-Agent-System von Microsoft Research.
Agents-as-Tools L3: Ein orchestrierender Agent ruft andere Agenten genau wie Tools auf und verbirgt deren interne Logik hinter einer Standardschnittstelle. Aliase: Agent Tools, Callable Agents, Specialist-as-Tool.
Contract Net (marktbasiert)L3: Aufgaben werden dynamisch verteilt, indem Agenten basierend auf Fähigkeiten, Nutzen oder Preissignalen darauf bieten. Klassische Formulierung von Reid Smith (1980). Aliase: Task Bidding, Auction-based Agents.
Graph-based OrchestrationL3: Agenten-Koordination, modelliert als expliziter State-Graph (das Fundament für die meisten obigen Patterns).
Knowledge SourcesL3: Der klassische Blackboard-Begriff (Hayes-Roth, 1985) für die teilnehmenden Agenten.
QuiescenceL3: Ein Blackboard-Terminierungszustand: Kein Agent hat eine relevante Aktion; die Aufgabe ist entweder abgeschlossen oder festgefahren.

§6

Domäne 4a — Systemtheoretische Subsysteme (ABC-Modell)

5 Begriffe

Eine systemtheoretische Zerlegung der internen Architektur eines Agenten, die im Agentic Brain Cycle-Rahmen verwendet wird.

Reasoning & World Model (RWM): Das zentrale kognitive Subsystem, das als Entscheidungskern fungiert; pflegt das World Model und steuert das strategische Verhalten. Siehe auch World Model (RWM state) unter Memory und State.
Perception & Grounding (PG): Die Sinne des Agenten: verarbeitet Roheingaben und verankert sie als strukturierte Percepts.
Action Execution (AE): Die Effektoren des Agenten: Führt Aktionen in der externen Umgebung aus.
Learning & Adaptation (LA): Das umschließende Subsystem, das die Leistung beobachtet, aus Erfahrung lernt und kontinuierliche Verbesserung vorantreibt.
Inter-Agent Communication (IAC): Das soziale Schnittstellen-Subsystem für strukturierte Peer-to-Peer-Interaktionen in Multi-Agent-Umgebungen.

§7

Domäne 4b — Architektonische Entwurfsmuster (ADPs)

12 Begriffe

Zwölf kanonische ADPs, gruppiert in vier Phasen, die den systemtheoretischen Subsystemen zugeordnet sind. Dies ist der grundlegende Katalog des Projekts.

Integrator: Validiert eingehende Beobachtungen, bevor sie in das World Model eingehen; verhindert, dass halluzinierte oder fehlerhafte Eingaben das nachgelagerte Reasoning korrumpieren.
Retriever: Kontextsensitive Schnittstelle zum Langzeitgedächtnis; ruft nur ab, was der aktuelle Schritt benötigt.
Recorder: Speichert und stellt RWM-Zustände (Reasoning & World Model) für Ausfallsicherheit, Wiederaufnahmefähigkeit und Replay wieder her.
Selector: Dynamische Priorisierung konkurrierender Ziele.
Planner: Strategische Zerlegung komplexer Ziele in Teilziele.
Deliberator: Auswahl der optimalen Aktion in jedem Planungsschritt.
Executor: Zuverlässige Ausführung mit systematischer Feedback-Sammlung.
Tool Use: Proxy-/Adapter-Schnittstelle für sichere externe Funktionsaufrufe.
Coordinator: Verwaltung strukturierter Multi-Agent-Kommunikation.
Reflector: Kausale Fehleranalyse, die umsetzbare Erkenntnisse für die Anpassung erzeugt.
Skill Build: Extraktion wiederverwendbarer Prozeduren aus vergangener Erfahrung.
Controller: Kontinuierliche Überwachung ethischer und operativer Guardrails.

§8

Memory und State

14 Begriffe

Conversational MemoryL4: Bewahrt den Chat-Verlauf, um den Nutzerkontext über mehrere Turns hinweg aufrechtzuerhalten.
Episodic MemoryL4: Speichert abgeschlossene Interaktionen als diskrete Episoden, sodass der Agent erfolgreiche Strategien wiederverwenden kann. Aliase: Experience Memory, Task Episode Store.
Semantic MemoryL4: Speichert langfristiges Faktenwissen in strukturierter Form.
Vector MemoryL4: Speichert Wissen als Vektor-Embeddings für ähnlichkeitsbasiertes Retrieval.
Graph MemoryL4: Speichert Wissen als Entitäten und Relationen in einem Knowledge Graph.
RAG vs. Agent MemoryL4: RAG ist ein schreibgeschütztes, zustandsloses Retrieval von universellem Wissen (Relevanz ist eine Eigenschaft des Inhalts); Agent Memory ist ein lese-/schreibfähiger, nutzerspezifischer Kontext, der sitzungsübergreifend persistiert (Relevanz ist eine Eigenschaft des Nutzers). Verwandt, aber verschieden; Produktionsagenten nutzen häufig beides.
Corrective RAG (CRAG)L4: Eine RAG-Variante, bei der ein leichtgewichtiger Evaluator abgerufene Belege bewertet und bei niedriger Relevanz eine Korrektur auslöst (Reranking, erneutes Retrieval oder Web-Suche als Fallback).
GraphRAGL4: Erstellt aus dem Korpus einen hierarchischen Knowledge Graph, um Multi-Hop-Fragen zu beantworten, die sich über mehrere Dokumente erstrecken.
RAPTORL4: Clustert und fasst Chunks rekursiv zu einem mehrstufigen Baum zusammen, wobei der Kontext über Abstraktionsebenen hinweg für langes, strukturiertes Material erhalten bleibt.
Working Memory (Scratchpad)L4: Temporärer Kurzzeit-State, der Zwischenschritte, Variablen und offene Aufgaben während eines einzelnen Agent-Laufs vorhält.
Virtual Context ManagementL4: Das endliche Kontextfenster wird wie RAM und ein externer Speicher wie eine Disk behandelt: Der Agent lagert Informationen eigenständig zwischen den Ebenen ein und aus und operiert so über Historien, die weit größer als das Fenster sind. Aliase: MemGPT, OS-Style Memory Paging, Tiered Context Management, Self-Editing Memory. Memory-Layer-Produkte: Letta, Mem0, Zep, Cognee.
World Model (RWM state)L4: Die agenteninterne Repräsentation von Aufgabe und Umgebung, die die Entscheidungsfindung antreibt; der Zustand, den das Reasoning & World Model (RWM)-Subsystem pflegt.
State Schema (TypedDict / Pydantic)L4: Die explizite Datenstruktur, die an jeder Node-Grenze durch den Graphen gereicht wird.
Reducer FunctionL4: Eine benutzerdefinierte oder eingebaute Funktion, die definiert, wie parallele State-Änderungen zurück in das Haupt-State-Objekt zusammengeführt werden, um Datenüberschreibungen zu verhindern (z. B. add_messages, operator.add).

§9

Runtime- und Graph-Vokabular

14 Begriffe

NodeL4: Ein Arbeitsschritt oder spezialisierter Agent im Graphen.
EdgeL4: Eine Verbindung zwischen Schritten; kodiert festen Kontrollfluss.
Conditional EdgeL4: Eine Weiterleitungsentscheidung, die zur Laufzeit von einem LLM oder einer Regel getroffen wird.
Fan-outL4: Verteilung von einem Node auf mehrere parallele Branches.
Fan-inL4: Sammlung von Ergebnissen aus mehreren Branches in einem nachgelagerten Node.
Checkpointing L4: Periodische Persistierung des Ausführungs-State an Node-Grenzen, sodass Läufe nach Fehlern, Neustarts oder menschlichen Unterbrechungen wiederaufgenommen werden können.
Durable ExecutionL4: Eine Runtime-Eigenschaft: Der Prozess übersteht Ausfälle und wird vom letzten Checkpoint aus fortgesetzt, statt neu zu starten.
Thread IDL4: Ein zusammengesetzter Schlüssel (typischerweise UserID × SessionID), der von Checkpointern verwendet wird, um State-Historien für mehrere gleichzeitige Nutzer oder Sessions zu isolieren.
Interrupt / ResumeL4: Ein vollwertiger Haltepunkt, an dem der Graph für menschliche Intervention pausiert und anschließend vom selben State aus via Resume-Signal weiterläuft.
Recursion LimitL4: Eine harte Obergrenze für Graph-Zyklen, die unbegrenzte Loops verhindert.
Max HandoffsL4: Eine harte Obergrenze für die Anzahl der Transfers in einem Swarm.
MemorySaverL4: In-Process-Memory-Checkpointer; nur für Tests geeignet (State geht beim Neustart verloren).
SqliteSaverL4: SQLite-gestützter Single-Writer-Checkpointer; ein Anti-Pattern unter Concurrency aufgrund von Write-Lock-Serialisierung.
PostgresSaver / AsyncPostgresSaverL4: Produktions-Checkpointer mit Row-Level-Locking; die asynchrone Variante wird für Systeme mit hoher Concurrency bevorzugt.

§10

Tools und Capability Surface

5 Begriffe

Function Calling / Tool CallingL4: Der Mechanismus, durch den ein LLM strukturierte Argumente generiert, um eine externe API aufzurufen.
Tool Registry L4: Ein zentraler Katalog verfügbarer Tools mit Metadaten zu Argumenten, Seiteneffekten und Zugriffsbereichen.
Capability Routing (Tool Selection)L4: Dynamische Zuordnung aus einer großen Tool-Menge zur passenden Fähigkeit — basierend auf Kontext und Metadaten — um Tool Explosion zu vermeiden.
Sandbox Execution L4: Isolierte Ausführungsumgebung (Code, Shell, Browser), die Seiteneffekte von Tool-Aufrufen eindämmt.
Least-Privilege AgentL4: Ein Agent, dem nur die minimal notwendigen Fähigkeiten für seine Rolle gewährt werden.

§11

Governance, Sicherheit und Observability

17 Begriffe

Human-in-the-Loop (HITL) / Approval Gate L4: Ein Systemdesign mit expliziten Interventionspunkten, an denen der Workflow pausiert, um menschliches Feedback oder eine Freigabe einzuholen, bevor er weiterläuft.
Graduated / Bounded AutonomyL4: Aufsicht wird pro Aktionsklasse nach Tragweite festgelegt (vollständige Automatisierung bei geringer Tragweite, beaufsichtigt bei mittlerer, menschlich geführt bei hoher) statt über ein einziges An/Aus-Gate. Bounded Autonomy gibt einem Agenten explizite operative Grenzen, Eskalationspfade und einen Audit Trail.
Governance Agent / Security AgentL4: Ein beaufsichtigender Agent, der andere Agenten auf Richtlinienverstöße oder anomales Verhalten überwacht und erst im Auslösefall an einen Menschen eskaliert; die Multi-Agent-Realisierung des Controller-Patterns.
Kill SwitchL4: Eine harte Token-/Kostengrenze, die einen außer Kontrolle geratenen Lauf beendet, bevor ein Retry-Sturm die Kosten multipliziert; die Sicherung hinter den Recursion Limits.
Output Validation / Schema EnforcementL4: Sicherstellung, dass Modellausgaben mithilfe von Tools wie Pydantic v2 strikt vordefinierten Strukturen folgen.
Multimodal GuardrailsL4: Erweiterung der Validierung auf nicht-textuelle Eingaben und Ausgaben (Bilder, Audio, Dateien).
Statistical GuardrailsL4: Quantitative, modell-agnostische Ausgabeprüfungen: Semantic-Drift-Erkennung (Cosine-Distance-Z-Score gegenüber einer sicheren Baseline) und Confidence Gating (Shannon-Entropie der Token-Wahrscheinlichkeiten). Das statistische Pendant zur schemabasierten Output Validation. Aliase: Semantic Guardrails, Confidence Gating.
Audit Trail L4: Eine persistente Aufzeichnung von Agenten-Entscheidungen, Tool-Aufrufen und State-Transitionen für die nachträgliche Analyse.
Distributed Tracing L4: Agent-Läufe, Tool-Aufrufe und Subprozesse werden als verbundene End-to-End-Traces sichtbar gemacht, um Latenzen und Fehler zu analysieren.
SpanL4: Eine einzelne Einheit in einem Trace; enthält Eingaben, Ausgaben, Tool-Aufrufe, Token-Anzahlen und Latenzen.
LangSmithL4: Verwaltete Tracing- und Evaluierungsplattform (LangChain-Ökosystem).
LangfuseL4: Open-Source-Tracing-Plattform; selbst hostbar oder verwaltet.
OpenTelemetry (OTel) GenAI ConventionsL4: Offener Observability-Standard mit spezifischen Konventionen für LLM- und Agent-Spans.
Token / Cost TrackingL4: Kontinuierliche Überwachung von Token-Verbrauch und Kosten, um außer Kontrolle geratene Loops zu erkennen, bevor sie Abrechnungsvorfälle verursachen.
LLM-as-Judge L4: Einsatz eines Modells zur Bewertung von Ausgaben anhand von Kriterien, Rubriken oder vergleichenden Beispielen; skaliert subjektive Evaluation.
Integration TestsL4: Deterministische Baseline-Tests, die an den Grenzen eines ansonsten nicht-deterministischen Systems beibehalten werden.
Trust BoundaryL4: Ein Punkt, an dem eingehende Nachrichten (insbesondere Agent-zu-Agent) bereinigt und validiert werden müssen.

§12

Protokolle und Standards

6 Begriffe

Model Context Protocol (MCP)L4: Offener Standard, der eine einheitliche Tool-Schnittstelle zwischen Agenten und externen Tools/Datenquellen bereitstellt. Entstanden bei Anthropic (2024).
Agent-to-Agent Protocol (A2A)L4: Offener Messaging-Standard, der die Kommunikation zwischen KI-Agenten über Frameworks hinweg ermöglicht; identifizierende Metadaten werden in Agent Cards übertragen. Von Google im April 2025 initiiert und an die Linux Foundation übergeben.
Agent Communication Protocol (ACP)L4: Ein REST-nativer Agent-zu-Agent-Messaging-Standard (IBM · BeeAI), der inzwischen unter der Linux Foundation in A2A aufgegangen ist; wird nicht mehr als eigenständiges Protokoll gepflegt.
Agent CardL4: JSON-Metadatendokument, das in A2A verwendet wird: listet Fähigkeiten, Endpunkt und Authentifizierung auf.
Task (A2A)L4: Eine ID-basierte Arbeitseinheit mit definiertem Lebenszyklus, die zwischen Agenten ausgetauscht wird.
Artefact (A2A)L4: Ein Ergebnis (Dokument, Datensatz, Bild), das eine A2A-Grenze überschreitet.

§13

Frameworks, Runtimes und Tooling

26 Begriffe

LangGraph: Graph-basierte, state-gesteuerte Runtime mit Checkpointing, Interrupts und Reducern als vollwertigen Bausteinen. Die Referenz-Runtime, die in den Code-Phasen dieses Projekts verwendet wird.
LangChain: Abstraktionen höherer Ebene für LLM-Anwendungen; liegt oberhalb von LangGraph.
CrewAI: Rollenbasierte „Crew“-Metapher; optimiert für schnelles Prototyping kleiner Multi-Agent-Teams.
AutoGen / AG2: Event-gesteuerter Group Chat mit asynchronem Messaging zwischen Agenten.
OpenAI Agents SDK: Leichtgewichtige, handoff-basierte Agent-Flows von OpenAI; geistiger Nachfolger von Swarm.
OpenAI Swarm: OpenAIs frühere bildungsorientierte Referenzimplementierung dezentralisierter Handoffs (Vorgänger des Agents SDK).
Google ADK (Agent Development Kit): Modulare hierarchische Agenten für Vertex AI.
AWS Strands SDK: Modellgetriebenes minimales SDK mit nativer Bedrock-Integration.
Microsoft Agent Framework: Event-gesteuertes Framework, das den Magentic-One-Nachfolger enthält.
Semantic Kernel: Microsofts SDK zur Orchestrierung von LLM-Funktionen und Plugins.
LlamaIndex: Framework für RAG-Pipelines und Dokumentenverarbeitung.
Temporal: Workflow-Engine für langlaufende Prozesse im Minuten- bis Stundenbereich.
Inngest: Event-gesteuerte Durable-Execution-Plattform.
Restate: Durable Execution für verteilte Workflows.
Deep Agents SDK: Opinionated, „batteries included“: vollausgestattetes LangGraph-basiertes Harness.
Claude Agent SDK: Anthropics agentisches Harness (die Runtime hinter Claude Code).
Vercel AI SDK: KI-Utilities für JavaScript/TypeScript-Anwendungen.
AWS Bedrock: Verwaltetes Model-Hosting auf AWS.
Bedrock AgentCore: Bedrocks A2A-Integrationspunkt.
Google Vertex AI: Googles ML- und Modellplattform in der Cloud.
Small Language Model (SLM): Ein Modell, das klein genug ist, um spezialisiert und günstig betrieben zu werden — typischerweise unter ~10 Milliarden Parametern (oft 1–7 Mrd.). Geeignet für die repetitiven, klar definierten Teilaufgaben, die den Traffic in Produktionssystemen dominieren; erreicht brauchbare Qualität durch Distillation, Quantisierung und kuratierte Daten.
Model Tiering: Eine heterogene Modellarchitektur, die jedem Workflow-Node ein Modell nach Bedarf zuweist: ein Frontier-Modell für offenes Reasoning, ein Mid-Tier-Modell für Standardschritte und ein SLM für hochfrequente, eng umrissene Aufrufe. Die Produktionskosten-Architektur, der das Resource-Aware-Optimization-Routing dient.
Quantization: Komprimierung von Modellgewichten auf 4–8-Bit-Integer (~75 % Größenreduktion), eine zentrale Effizienzmaßnahme hinter lokal betriebenen SLMs.
Knowledge Distillation: Training eines kleineren „Schüler“-Modells, das ein größeres „Lehrer“-Modell imitiert; ein wesentlicher Weg, mit dem SLMs bei engen Aufgaben vergleichbare Qualität erreichen.
Pydantic (v2): Schema-Validierungsbibliothek, die an State-Grenzen eingesetzt wird.
MemGPT: Langkontext-State-Management-System für LLM-Agenten.

§14

Geschäfts- und kommerzielle Konzepte (LaMAS)

4 Begriffe

Agent-as-a-Service (AaaS): Ein Lizenzierungs- und Deployment-Ansatz, der dynamische Agent-Nutzung basierend auf Rechenbedarfen mit nutzungsbasierter Abrechnung ermöglicht.
Traffic Monetization: Generierung kommerziellen Mehrwerts durch den Einsatz von Agenten zur Steuerung von Nutzerströmen, Optimierung von Werbeanzeigen über CPC/CPA-Modelle und Steigerung von Konversionsraten.
Intelligence Monetization: Umsatz aus dem Verkauf datengesteuerter Erkenntnisse und Berichte, die durch spezialisierte Multi-Agent-Kollaborationen erzeugt werden.
Shapley Value: Eine spieltheoretische Attributionsmethode, die zur fairen Gewinnaufteilung basierend auf dem spezifischen Beitrag jedes Agenten zu einer erfolgreichen Aufgabe eingesetzt wird.

§15

Anti-Patterns und Schwachstellen

11 Begriffe

God Orchestrator L3: Ein einziger zentraler Supervisor, der zu viele Aufgaben und Tools kontrolliert und zu einem Koordinationsengpass sowie einem erheblichen Datenschutzrisiko wird. Arbeit und Autorität sollten an Spezialisten delegiert werden.
Over-Agentification L3: Versuch, eine triviale Aufgabe mit einem komplexen Multi-Agent-Swarm zu lösen, obwohl ein Skript oder eine Single-Agent-Pipeline ausreichen würde. Hohe Token-Kosten, schwer zu debuggen.
Hidden State in Prompts L1: State-Logik und Kontext in natürlichsprachlichen Prompts verbergen, statt sie explizit im Code zu verwalten. State gehört in Pydantic-Schemas, nicht in Prosa.
Hallucinated Routing L2: Ein Router erfindet Transitionen, weil die Entscheidung des LLM probabilistisch ist. Durch Schema-Validierung an jeder Edge und Grenzen wie recursion_limit gemindert.
Tool Explosion L1: Einem Agenten gleichzeitig Zugriff auf so viele Tools zu geben, dass die Auswahlgenauigkeit zusammenbricht. Durch eine Tool Registry plus Capability Routing behoben.
Unbounded Loop L1: Ein Agent steckt aufgrund fehlerhaften Reasonings in unproduktiven Endlosschleifen fest, weil kein Recursion Limit programmiert ist.
SQLite Under Concurrency L4: Einsatz eines Single-Writer-SQLite-Checkpointers in der Produktion; Schreibvorgänge serialisieren sich und Timeouts kaskadieren. Stattdessen sollte ein asynchroner PostgreSQL-Checkpointer verwendet werden.
Cascading Security Failures L3: Ein vergiftetes Dokument in einem gemeinsamen Index kontaminiert jeden Consumer, der es abruft. Durch Partitionierung von Indizes nach Vertrauensstufe gemindert.
Prompt Injection: Bösartige Eingaben, die Agent-Anweisungen über die natürlichsprachliche Schnittstelle des Modells kapern.
Memory Poisoning: Bösartige Inhalte, die retrieval-augmentierte Datenbanken kontaminieren und kaskadierende Fehler im Agent-Netzwerk verursachen.
Model Inversion: Angriffe, die versuchen, Trainingsdaten oder proprietäre Modelllogik durch gezielte Abfragen zu rekonstruieren.

§16

Risikohaltungen und Verifikation

3 Begriffe

Drei Versagensmodi, die entstehen, wenn ein System ausschließlich auf Prosa betrieben wird (ohne architektonische Garantien).

Babysitter: Ein Mensch muss dauerhaft in der Schleife bleiben, um nicht-deterministische Modellfehler manuell abzufangen.
Auditor: Ergebnisse erfordern eine erschöpfende manuelle Nachbearbeitung durch einen menschlichen „Prüfer“, weil der Prozess selbst keine Zuverlässigkeit garantiert.
Prayer: Blindes Vertrauen — die Akzeptanz von Agent-Ausgaben ohne Verifikation; führt unweigerlich zu unvorhersehbaren Produktionsausfällen.

§17

Bildungsplattform-Konstrukte

4 Begriffe

Projektspezifisches Gerüst zur Vermittlung des Katalogs.

The Six Coordination Patterns: Sechs Multi-Agent-Koordinationsmuster, die als konzeptionelles Rückgrat der Plattform positioniert sind: (1) Orchestrator / Agent-as-Tool — Encapsulation; Spezialisten als typisierte Callables. (2) Pipeline / Workflow (DAG) — struktur-deterministisch; Kontrollfluss im Code. (3) Graph (Fan-out / Fan-in) — begrenzte Variabilität; bedingte Edges und Zyklen. (4) Blackboard (Shared State) — entkoppelte Topologie; Koordination über gemeinsamen State. (5) Swarm (Self-Organizing Handoffs) — emergente Topologie; zur Laufzeit materialisierter Graph. (6) Human-in-the-Loop (HITL) — die zeitliche Dimension; Pausierung und Wiederaufnahme über unbegrenzte Zeitspannen.
The Ladder Rungs: Vierstufige Lernprogression zur Sequenzierung des Katalogs. L1 — Single Agent. ReAct, Plan-and-Execute, ReWOO, Reflexion, Tree of Thoughts, Self-Consistency, CodeAct. L2 — Workflow. Sequential, Routing, Parallelization, Loop, Evaluator-Optimizer, Orchestrator-Workers, Map-Reduce, Iterative Refinement. L3 — Multi-Agent. Supervisor, Hierarchical, Handoff, Swarm, Group Chat, Debate, Magentic, Blackboard, Contract Net, Agents-as-Tools. L4 — Production. Memory Architecture, Tool Registry, MCP, A2A, Checkpointing, Workflow DAG, HITL Gate, Sandbox Execution, Audit Trail, LLM-as-Judge, Distributed Tracing.
Pattern Lookup Schema: Das feste Eintragsformat der Wissensdatenbank: Domain, Subdomain (nur System Operation), Aliases, Core idea, Use when, Don't use when, Trade-off, Frameworks, Related to.
Code Variant Contract: Jede Variante unter code/variants/backend/variants/<NN>_<name>/ exportiert run_stream(user_input) (ein gestreamter Trace) und run_graph_with_trace(user_input). Ein FastAPI-Backend lädt jede Variante dynamisch und streamt deren Trace über SSE an ein Next.js-Frontend.

17 Abschnitte

Weiter erkunden

Verwandte Referenzen.

Suche