Warum die Wahl des Frameworks ueber Erfolg oder Frust entscheidet
Ein einzelner Agent stoesst irgendwann an seine Grenzen. Sobald eine Aufgabe mehrere spezialisierte Schritte braucht — recherchieren, planen, programmieren, pruefen — wird ein Multi-Agent-System (MAS) interessant: mehrere autonome Agenten in einer gemeinsamen Umgebung, die kooperieren und koordinieren, statt alles in eine zentrale Instanz zu pressen. Das mentale Bild dahinter ist ein gut eingespieltes Team. Jeder verantwortet einen Teil. Wenn Sie die Grundlagen noch sortieren wollen, lesen Sie zuerst Multi-Agent-System vs. Single-Agent und den Leitfaden Multi-Agent-Systeme.
Genau hier kommt das Framework ins Spiel. Es legt fest, wie Ihre Agenten reden, wer wann dran ist und wie der gemeinsame Zustand verwaltet wird. Und das ist kein Detail. Laut dem Semantic-Consensus-Paper liegen die Produktions-Failure-Rates von Agentensystemen in einer Schaetzung zwischen 41 und 86,7 Prozent, und rund 79 Prozent dieser Fehler stammen aus Spezifikations- und Koordinationsproblemen, nicht aus fehlender Modellfaehigkeit. Die Modelle koennen es. Die Orchestrierung bricht. Das Framework ist die Orchestrierung.
Aus meiner Projekterfahrung im DACH-Mittelstand entscheidet diese eine Wahl oft mehr ueber das Ergebnis als die Wahl des LLM. Ein falsches mentales Modell, und Sie kaempfen monatelang gegen das Framework statt mit ihm.
LangGraph: wenn Sie jeden Pfad kontrollieren muessen
Das mentale Modell von LangGraph ist die Zustandsmaschine. Sie definieren einen Graphen aus Knoten (Arbeitsschritte) und Kanten (Uebergaengen). Der Clou sind die conditional edges: Praedikate, die zur Laufzeit auswerten, welcher Branch als Naechstes kommt. So bauen Sie Verzweigungen, Schleifen und dynamisches Routing explizit ab. Kein Agent improvisiert den Kontrollfluss. Sie schreiben ihn hin.
Das ist die Staerke. LangGraph gibt Ihnen deterministische, nachvollziehbare Kontrolle ueber den Ablauf. Jeder Zustand, jeder Uebergang ist sichtbar und prinzipiell loggbar. Fuer alles, was auditiert, getestet oder reproduziert werden muss, ist das Gold wert.
Geeignet ist LangGraph, wenn Ihr Prozess klare Entscheidungspunkte hat und Sie genau wissen wollen, warum das System Pfad A statt B genommen hat. Komplexe Workflows mit Fehlerbehandlung, Retry-Logik, Human-in-the-Loop-Schritten. Wo ein Konversations-Chaos zu riskant waere.
Eine kleine Skizze, wie man bei LangGraph denkt:
from langgraph.graph import StateGraph, END
def recherche(state):
state["fakten"] = suche(state["frage"])
return state
def pruefe_belege(state):
state["belegt"] = len(state["fakten"]) >= 3
return state
def antwort(state):
state["text"] = formuliere(state["fakten"])
return state
graph = StateGraph(dict)
graph.add_node("recherche", recherche)
graph.add_node("pruefe", pruefe_belege)
graph.add_node("antwort", antwort)
graph.set_entry_point("recherche")
graph.add_edge("recherche", "pruefe")
# conditional edge: Schleife zurueck, bis genug Belege da sind
graph.add_conditional_edges(
"pruefe",
lambda s: "antwort" if s["belegt"] else "recherche",
{"antwort": "antwort", "recherche": "recherche"},
)
graph.add_edge("antwort", END)
app = graph.compile()
Man sieht es sofort: Der Kontrollfluss steht im Code, nicht in der Laune eines Modells. Die Schleife bricht erst ab, wenn das Praedikat erfuellt ist. Das ist der Geist von LangGraph.
CrewAI: ein Rollen-Team in wenigen Zeilen
CrewAI dreht die Perspektive. Statt Graphen denken Sie in Rollen. Sie definieren Agenten wie Teammitglieder — ein Rechercheur, ein Texter, ein Lektor — geben jedem ein Ziel und eine Aufgabe, und CrewAI orchestriert das Zusammenspiel. Das mentale Modell ist die Personalabteilung: Sie stellen ein Team zusammen und verteilen Verantwortung.
Die Staerke liegt in der Geschwindigkeit. Ein rollenbasiertes Team ist schnell aufgesetzt, weil die Abstraktion nah an der Art ist, wie wir ueber Arbeit ohnehin reden. Wer macht was. Man muss keinen Graphen entwerfen, um anzufangen.
Geeignet ist CrewAI, wenn sich Ihre Aufgabe natuerlich in klar abgegrenzte Rollen zerlegen laesst und Sie schnell einen funktionierenden Prototyp wollen. Content-Pipelines, Recherche-Teams, mehrstufige Analysen mit erkennbarer Arbeitsteilung.
So liest sich der CrewAI-Gedanke als Pseudocode:
from crewai import Agent, Task, Crew
rechercheur = Agent(
role="Rechercheur",
goal="Belastbare Fakten zur Fragestellung sammeln",
backstory="Sorgfaeltig, quellenkritisch, kein Geschwafel.",
)
texter = Agent(
role="Fachtexter",
goal="Aus den Fakten einen klaren Abschnitt schreiben",
backstory="Schreibt fuer technische Entscheider.",
)
t1 = Task(description="Recherchiere {thema}", agent=rechercheur)
t2 = Task(description="Schreibe daraus 200 Woerter", agent=texter)
crew = Crew(agents=[rechercheur, texter], tasks=[t1, t2])
ergebnis = crew.kickoff(inputs={"thema": "Multi-Agent-Frameworks"})
Sie beschreiben Rollen und Aufgaben, nicht den exakten Ablauf. Genau das macht den Einstieg leicht und nimmt Ihnen zugleich ein Stueck Kontrolle ab. Ein bewusster Trade-off.
AutoGen: Agenten, die sich durchsprechen
AutoGen setzt auf Konversation als Koordinationsmechanismus. Mehrere Agenten unterhalten sich in einem geteilten Chat, und das System entscheidet per auto-speaker-selection, welcher Agent als Naechstes spricht — ein LLM waehlt den Sprecher pro Zug. Das mentale Modell ist die Diskussionsrunde: Man wirft ein Problem in den Raum und laesst die Beteiligten sich vortasten.
Die Staerke ist die Offenheit. Wenn der Loesungsweg nicht von vornherein feststeht, kann diese Dynamik Wege finden, die ein starr verdrahteter Graph nie genommen haette. Agenten korrigieren sich gegenseitig, fragen nach, verfeinern. Das ist ein dynamisch-adaptives Muster: Die Reihenfolge und teils die Rollen entstehen zur Laufzeit, nicht zur Designzeit.
Geeignet ist AutoGen fuers explorative Durchsprechen. Brainstorming, Problemloesung ohne festen Pfad, Szenarien, in denen ein Agent Code schreibt, ein anderer ihn ausfuehrt und beide so lange iterieren, bis es laeuft.
Der Preis dieser Offenheit ist Vorhersehbarkeit. Eine Konversation kann ausufern, im Kreis laufen oder mehr Tokens verbrennen als noetig. Mein Rat: AutoGen mit harten Abbruchkriterien fahren — maximale Runden, klare Terminierungsbedingungen. Sonst diskutiert Ihr System sich um Kopf und Budget.
MetaGPT: die Firma als Fliessband
MetaGPT bildet standardisierte Arbeitsprozesse ab, sogenannte Standard Operating Procedures. Die Agenten reichen strukturierte Dokumente weiter — ein Anforderungsdokument, ein Design, ein Testplan — so wie in einer Firma ein Ticket durch Abteilungen wandert. Das mentale Modell ist die Aufbauorganisation mit definierten Uebergabepunkten.
Die Staerke ist Standardisierung und Nachvollziehbarkeit ueber Artefakte. Jeder Schritt produziert ein konkretes Dokument, das der naechste Agent als Eingabe nimmt. Das diszipliniert das System und hinterlaesst eine pruefbare Spur von Zwischenergebnissen.
Geeignet ist MetaGPT fuer standardisierte, mehrstufige Pipelines, in denen jede Stufe ein definiertes Artefakt erzeugt. Der klassische Anwendungsfall ist Softwareentwicklung — von der Anforderung ueber das Design bis zum Code — aber das Muster passt auf jeden Prozess, der sich als feste Abfolge dokumentierter Phasen beschreiben laesst.
Die Auswahl-Heuristik: vier Fragen statt einer Rangliste
Es gibt kein absolut bestes Framework. Es gibt nur das passende fuer Ihren Kontext, Ihr Team und Ihre Aufgabe. Die Frameworks unterscheiden sich nicht primaer in der Qualitaet, sondern in der Design-Philosophie. Sie waehlen eine Denkweise, keine Punktzahl.
Praktisch hangele ich mich an einer einfachen Heuristik entlang. Brauchen Sie deterministische, auditierbare Kontrolle ueber jeden Pfad? Dann LangGraph. Wollen Sie schnell ein Team aus klaren Rollen aufsetzen? Dann CrewAI. Ist der Loesungsweg offen und Sie wollen ihn explorativ durchsprechen lassen? Dann AutoGen. Haben Sie eine standardisierte, mehrstufige Pipeline mit klaren Artefakten pro Stufe? Dann MetaGPT.
Zwei Dinge entscheiden in der Praxis fast immer mit. Erstens der Kontrollbedarf: Je hoeher die Anforderungen an Auditierbarkeit und Reproduzierbarkeit, desto mehr spricht fuer einen explizit verdrahteten Ansatz wie LangGraph statt fuer eine offene Konversation. Zweitens das Team: Ein Framework, das zu Ihrer Denkweise passt, schlaegt ein theoretisch ueberlegenes, mit dem niemand warm wird.
Als Orientierung die Heuristik kompakt:
- Deterministische, auditierbare Kontrolle ueber Pfade: LangGraph.
- Schnell ein Rollen-Team aufsetzen: CrewAI.
- Offener Loesungsweg, exploratives Durchsprechen: AutoGen.
- Standardisierte Pipeline mit Artefakten je Stufe: MetaGPT.
Was unter der Haube wirklich zaehlt: Kommunikation und Konsens
Egal welches Framework: Darunter liegt immer die Frage, wie Agenten reden und sich einig werden. Klassisch regelten das Sprachen wie FIPA-ACL mit Performativen wie INFORM, REQUEST oder PROPOSE. Fuer LLM-Agenten haben sich zwei moderne Protokolle herausgeschaelt — MCP zur Anbindung von Werkzeugen und A2A fuer die direkte Zusammenarbeit zwischen Agenten. Merksatz: MCP ist Agent-an-Werkzeug, A2A ist Agent-an-Agent. Tiefer steige ich dazu in Agenten-Kommunikation mit MCP und A2A ein.
Ein subtiles Problem bleibt aber, das kein Framework von Haus aus loest: Semantic Intent Divergence. Kooperierende LLM-Agenten sitzen je in einem eigenen Kontextfenster und entwickeln leicht inkonsistente Interpretationen desselben Ziels, ohne dass es jemand merkt. Anders als klassische, syntaktische Verteiltsystem-Konflikte sind das semantische Konflikte: Zwei Agenten widersprechen sich auf der Intent-Ebene. Forschung wie das Semantic Consensus Framework adressiert genau das mit prozess-bewusster Middleware. Fuer den produktiven Alltag heisst das: Beobachtbarkeit ist Pflicht, nicht Kuer.
Ausblick: Topologien, die sich selbst bauen
Heute entwerfen wir die Zusammenarbeit der Agenten von Hand. Die Forschung geht weiter. Ansaetze wie DyLAN waehlen ueber einen Agent-Importance-Score automatisch die besten Teams aus. GPTSwarm fasst ein Agentensystem als optimierbaren Berechnungsgraphen auf — und erreicht laut Paper vergleichbare Genauigkeit zu DyLAN bei rund einem Zwanzigstel der Kosten. Die Zahl ist eine Schaetzung aus einer einzelnen Studie, kein Branchen-Benchmark. Die Richtung ist trotzdem bemerkenswert: Gelernte Topologien koennen token-effizienter sein als handgebaute.
Fuer den DACH-Mittelstand kommt ein Punkt hinzu, der oft erst spaet auffaellt. Mehr Agenten heissen mehr Datenfluesse und mehr Autonomie. Damit ruecken DSGVO-Zweckbindung, Datenminimierung und die KI-Kennzeichnungspflicht aus Art. 50 EU AI Act (verbindlich ab dem 02.08.2026) in den Vordergrund. Audit-Trails und Tracing sind dann keine Nice-to-haves mehr. Sie sind die Voraussetzung dafuer, ein Multi-Agent-System ueberhaupt verantworten zu koennen. Welches Framework Sie waehlen, beeinflusst direkt, wie leicht Ihnen diese Nachvollziehbarkeit faellt — und das ist kein Zufall, dass LangGraph hier oft die ruhigere Wahl ist.
Haeufige Fragen
Welches Multi-Agent-Framework ist das beste?
Keines pauschal. Die vier verfolgen verschiedene Design-Philosophien. LangGraph fuer deterministische Kontrolle, CrewAI fuer schnelle Rollen-Teams, AutoGen fuers explorative Durchsprechen, MetaGPT fuer standardisierte Pipelines mit Artefakten. Die richtige Wahl haengt von Aufgabe, Kontrollbedarf und Team ab.
Wann sollte ich LangGraph statt CrewAI nehmen?
Wenn Sie den Kontrollfluss explizit steuern und auditieren muessen. LangGraph verdrahtet Pfade ueber Graphen und conditional edges, sodass jeder Uebergang nachvollziehbar ist. CrewAI ist schneller aufgesetzt, gibt Ihnen dafuer aber weniger feingranulare Kontrolle ueber den genauen Ablauf.
Warum scheitern so viele Agentensysteme in Produktion?
Laut dem Semantic-Consensus-Paper stammen rund 79 Prozent der Fehler aus Spezifikations- und Koordinationsproblemen, nicht aus fehlender Modellfaehigkeit. Die geschaetzten Failure-Rates liegen zwischen 41 und 86,7 Prozent. Das sind Studien-Schaetzungen, keine harten Benchmarks. Die Botschaft bleibt: Orchestrierung und klare Zieldefinition entscheiden mehr als das LLM.
Was ist der Unterschied zwischen MCP und A2A?
MCP (Model Context Protocol) bindet Agenten an Werkzeuge, Tools und Datenquellen an. A2A (Agent-to-Agent) regelt die direkte Zusammenarbeit zwischen Agenten. Kurz: MCP ist Agent-an-Werkzeug, A2A ist Agent-an-Agent. Beide sind protokoll-agnostisch nutzbar und ergaenzen sich.
Sind DyLAN und GPTSwarm produktionsreif?
Es sind Forschungsansaetze zur automatischen Topologie-Optimierung. Sie zeigen, dass gelernte Agenten-Topologien token-effizienter sein koennen als handgebaute. Fuer Produktivsysteme im Mittelstand sind die etablierten Frameworks heute der pragmatischere Weg. Die Forschung ist ein Ausblick, kein fertiges Werkzeug.
Sie wollen das richtige Framework fuer Ihren Use Case waehlen?
Die Entscheidung zwischen LangGraph, CrewAI, AutoGen und MetaGPT laesst sich nicht aus dem Datenblatt treffen. Sie haengt an Ihrem konkreten Prozess, Ihren Compliance-Anforderungen und Ihrem Team. Genau das schaue ich mir mit Ihnen an. Schreiben Sie mir, und wir klaeren in einem kurzen Gespraech, welches mentale Modell zu Ihrem Vorhaben passt — und welches Sie sich sparen koennen.