Agent Academy – Tutorial zu KI-Agenten

3-teiliger Lernpfad

Von der Idee bis zum orchestrierten Agentensystem

Dieses Tutorial erklärt dir Schritt für Schritt, wie KI-Agenten funktionieren, wann du mehrere Agents brauchst, wie ein Head-Agent Spezialisten koordiniert und wie daraus konkret eine Webanwendung entstehen kann.

Mit Teil 1 starten Direkt zum Praxisbeispiel

Chatbot vs. Agentensystem

Chatbot

beantwortet Fragen
liefert Text oder Code
reagiert meist nur auf den aktuellen Prompt

Agentensystem

arbeitet zielorientiert
nutzt Tools und Regeln
plant, delegiert und überprüft

Teil 1

Grundlagen zu KI-Agenten

Hier legst du das Fundament: Begriffe, Denkmodell und die Logik hinter Single- und Multi-Agent-Systemen.

Was ist ein KI-Agent?

Ein KI-Agent ist mehr als ein Modell, das Text erzeugt. Er verfolgt ein Ziel, arbeitet mit Kontext, kann Tools aufrufen und trifft innerhalb von Regeln Entscheidungen über den nächsten sinnvollen Schritt. Ein Modell ist wie ein kluger Motor. Ein Agent ist dieser Motor plus Lenkrad, Karte und Fahrplan.

Kernbestandteile

Ziel oder Aufgabe
Kontext und Arbeitsgedächtnis
Tools, APIs oder Funktionen
Entscheidungslogik und Regeln

Merksatz

Ein Assistent antwortet. Ein Agent arbeitet. Der Unterschied liegt nicht nur im Text, sondern in der Fähigkeit, Schritte auszuführen, Ergebnisse zu prüfen und bei Bedarf neu zu planen.

Worin liegt der Unterschied zwischen Modell, Assistent und Agent?

Single-Agent vs. Multi-Agent

Single-Agent

Geeignet für klar begrenzte Aufgaben, bei denen ein Agent mit guten Tools ausreicht.

einfacher zu bauen
weniger Abstimmungsaufwand
robust für FAQs, Recherche, Standardautomatisierung

Multi-Agent

Sinnvoll, wenn sich komplexe Aufgaben in Fachrollen zerlegen lassen.

klare Spezialisierung
parallele Bearbeitung möglich
besser für große Projekte, Reviews und komplexe Pipelines

Faustregel: Starte klein. Nutze erst dann mehrere Agents, wenn du echte Rollentrennung, Prüfschritte oder Parallelisierung brauchst.

Head-Agent und Sub-Agents

Der Head-Agent ist der Orchestrator. Er nimmt das Gesamtziel entgegen, zerlegt die Arbeit, verteilt Teilaufgaben, prüft Ergebnisse und entscheidet, was als Nächstes passieren soll. Die Sub-Agents sind Spezialisten mit klaren Zuständigkeiten.

Head-Agent
Orchestrierung & Kontrolle

Planner-Agent

Builder-Agent

Reviewer-Agent

Docs-Agent

Damit Delegation funktioniert

klare Rollen statt Mischzuständigkeiten
präzise Eingaben und Erfolgskriterien
festes Ausgabeformat
Review vor der Integration

Teil 2

Architektur, Werkzeuge und sicheres Vorgehen

Hier lernst du, wie aus einzelnen Rollen ein belastbares System wird, das nicht nur arbeitet, sondern kontrolliert arbeitet.

Rollenmodell

Planner

Analysiert Ziele, formuliert Arbeitspakete und erstellt Spezifikationen.

Builder

Erzeugt Artefakte wie Code, Texte, Konfigurationen oder Datenmodelle.

Reviewer

Prüft Qualität, Konsistenz, Fehlerfälle und Sicherheitsaspekte.

Security / Docs

Ergänzt Spezialrollen für Absicherung, Übergabe und Dokumentation.

Workflow eines Agentensystems

1Ziel aufnehmen

Anforderung verstehen und klären.

2Zerlegen

Arbeitspakete und Rollen festlegen.

3Delegieren

Spezialisierte Agents beauftragen.

4Prüfen

Ergebnisse vergleichen und bewerten.

5Integrieren

Artefakte zusammenführen.

6Freigeben

Ausgabe bereitstellen oder menschlich prüfen lassen.

Tools: Die Werkbank der Agents

Web Search

Für aktuelle Informationen, Dokumentation und externe Recherche.

File Search

Für interne Dokumente, Spezifikationen und Projektwissen.

Function Calling

Für APIs, Datenbanken, GitHub, Deployments oder Business-Systeme.

Code-Ausführung

Für Tests, Berechnungen, Dateigenerierung oder Validierungen.

Ohne Tools bleibt ein Agent oft auf Analyse beschränkt. Mit Tools wird er handlungsfähig.

Guardrails und Freigaben

Was automatisch laufen darf

Code generieren
Tests ausführen
Dokumentation schreiben

Was eine Freigabe braucht

Deployment in Produktion
Datenbankmigrationen
Löschen oder Ändern sensibler Daten

Guardrails sind Geländer an einer steilen Treppe: Sie nehmen dir den Weg nicht ab, aber sie verhindern den gefährlichen Absturz. Gute Agentensysteme kombinieren Freiheit in ungefährlichen Bereichen mit harten Stopps bei kritischen Aktionen.

Typische Fehler

Zu viele Agents

Mehr Rollen bedeuten mehr Abstimmung. Zu viele Agents können ein Projekt eher verlangsamen als verbessern.

Unklare Zuständigkeiten

Wenn Frontend, Backend und Datenmodell durcheinanderlaufen, entstehen Widersprüche.

Keine festen Ausgaben

Ohne Dateiliste, JSON-Format oder Artefaktstruktur wird Integration mühsam und fehleranfällig.

Kein Review-Gate

Fehler pflanzen sich fort, wenn Ergebnisse ungeprüft in den nächsten Schritt übernommen werden.

Teil 3

Praxisbeispiel: Eine Webanwendung mit KI-Agenten erstellen

Jetzt wird aus der Theorie ein echtes Projekt: Eine Aufgaben-Webapp mit Login, Projekten, Aufgaben und Kommentaren.

Projektstart und Zielbild

MVP-Funktionen

Registrierung und Login
Projektübersicht
Aufgaben mit Status und Fälligkeitsdatum
Kommentare und Rollenmodell

Tech-Stack

Frontend: React
Backend: Node / Express
Datenbank: PostgreSQL
Tests: API- und UI-Tests

Agentenverteilung im Projekt

Head-Agent

Leitet das Projekt, definiert Arbeitspakete, koordiniert Spezialisten und prüft Schnittstellen.

Frontend-Agent

Backend-Agent

Database-Agent

QA-Agent

Docs-Agent

Ablauf vom Auftrag bis zum Ergebnis

Spezifikation

→

Datenmodell

→

API-Design

→

Frontend

→

Tests

→

README & Review

Der Head-Agent gleicht nach jedem Schritt die Ergebnisse ab: Stimmen die API-Felder? Passen Datenbank und Backend zusammen? Verwendet das Frontend dieselben Namen und Zustände? Diese Prüfungen sind der Unterschied zwischen losem Output und echter Systemarbeit.

Beispielprompts für die Agenten

Head-Agent

Du bist der Orchestrator des Projekts. Zerlege das Ziel in Arbeitspakete, verteile diese an spezialisierte Agents, prüfe jede Ausgabe auf Konsistenz mit Spezifikation, Dateistruktur und Schnittstellen und führe Ergebnisse nur nach Review zusammen. Führe keine riskanten Aktionen ohne Freigabe aus.

Frontend-Agent

Erstelle das Frontend der Aufgaben-Webapp mit React. Baue Login, Dashboard, Projektansicht und Aufgabenverwaltung. Liefere Dateiliste, Komponentenstruktur, API-Anbindung und offene Annahmen. Verwende exakt die im API-Vertrag definierten Feldnamen.

Backend-Agent

Erstelle das Backend mit Node und Express. Implementiere Authentifizierung, Projekt- und Aufgabenrouten, Validierung und Fehlerbehandlung. Liefere Endpunktliste, Datenmodell-Zuordnung, Dateistruktur und Hinweise auf Sicherheitsrisiken.

QA-Agent

Prüfe das Projekt auf API-Mismatches, fehlende Validierung, Berechtigungsfehler, inkonsistente Feldnamen und Testlücken. Gib eine priorisierte Liste der Probleme mit konkreten Korrekturvorschlägen aus.

Was man aus dem Beispiel lernt

Architektur schlägt Prompt-Masse

Ein sauberer Workflow ist wirkungsvoller als ein einziger riesiger Prompt mit allem zugleich.

Prüfung ist kein Luxus

Review und Guardrails sind die Bremsen eines schnellen Fahrzeugs: Sie machen Geschwindigkeit erst sicher nutzbar.

Rollen machen Systeme stabil

Je klarer die Verantwortung, desto geringer die Reibung beim Zusammenführen der Ergebnisse.

Zusammenfassung

✓

Du hast in drei Schritten gesehen, wie KI-Agenten gedacht, strukturiert und praktisch genutzt werden können. Der wichtigste Gedanke ist dabei einfach: Nicht jeder kluge Text ist schon ein Agentensystem. Erst Zielverfolgung, Rollen, Tools, Prüfungen und kontrollierte Übergaben machen daraus eine belastbare Arbeitsstruktur.

Nach oben