---
title: "Was ist ein Multi-Agenten-System? LLM-Orchestrierung erklärt"
description: "Ein Multi-Agenten-System verteilt eine Aufgabe auf mehrere LLM-Agenten, oft ein Lead, der plant, und Worker, die parallel laufen. Funktionsweise, Nutzen, Kosten."
url: https://broadrouter.com/de/glossary/multi-agent-system/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/multi-agent-system/) (aktualisiert am 2026-11-15).

# Multi-Agenten-System (Multi-Agent System)

Aktualisiert 2026-11-15

Ein Multi-Agenten-System ist eine LLM-Anwendung, in der mehrere Agenten, jeder mit eigenem Prompt, eigenen Tools und eigenem Kontext, an Teilen einer Aufgabe arbeiten. Ein verbreitetes Design ist Orchestrator-Worker: Ein Lead-Agent plant, startet Worker-Agenten parallel und führt ihre Ergebnisse zusammen.

Auch genannt: Multi-Agenten-System, Multiagentensystem, Multi-Agent-System, Multi-Agenten-Orchestrierung, Orchestrator-Worker-Muster, multi-agent system, multi-agent, multi-agent orchestration, orchestrator-worker

Ein einzelner Agent arbeitet eine Aufgabe Schritt für Schritt ab. Ein Multi-Agenten-System teilt die Aufgabe auf und bearbeitet die Teile gleichzeitig.

## So funktioniert es

Anthropic beschreibt seine Research-Funktion als „orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.“ (Übersetzung: „Orchestrator-Worker-Muster, bei dem ein Lead-Agent den Prozess koordiniert und an spezialisierte Subagents delegiert.“) Der Lead liest die Frage, plant, startet mehrere [Subagents](https://broadrouter.com/de/glossary/subagent/), die parallel suchen, und schreibt aus deren Zusammenfassungen die endgültige Antwort.

Es gibt andere Designs. Das AutoGen-Paper (Wu et al., 2023) beschreibt ein Framework, in dem „customizable, conversable“ (Übersetzung: „anpassbare, gesprächsfähige“) Agenten miteinander, mit Menschen und mit Tools sprechen und Entwickler das Gesprächsmuster in natürlicher Sprache oder in Code programmieren.

Ein durchgerechnetes Beispiel für einen Orchestrator-Worker-Lauf:

```text
Lead:     plan -> start 3 workers
Worker 1: search docs for topic A  -> 1,500-token summary
Worker 2: search docs for topic B  -> 1,500-token summary
Worker 3: search docs for topic C  -> 1,500-token summary
Lead:     read 3 summaries -> final answer
```

Jeder Worker verbraucht eigene Tokens fürs Suchen und Lesen. Der Lead sieht nur die Zusammenfassungen.

## Warum es wichtig ist

-   **Qualität bei breiten Aufgaben.** Anthropic berichtet, dass ein Multi-Agenten-Aufbau mit Claude Opus 4 als Lead und Sonnet 4 als Workern in seinem internen Research-Eval „outperformed single-agent Claude Opus 4 by 90.2%“ (Übersetzung: „Claude Opus 4 als einzelnen Agenten um 90,2 % übertraf“).
-   **Token-Kosten.** Laut demselben Beitrag verbrauchen Agenten etwa viermal so viele Tokens wie ein Chat, und Multi-Agenten-Systeme „about 15× more tokens than chats“ (Übersetzung: „etwa 15-mal mehr Tokens als Chats“). Außerdem erklärte allein der Token-Verbrauch 80 % der Leistungsvarianz bei BrowseComp. Mehr Agenten heißt meist eine höhere Rechnung. Der Beitrag zu [Kosten von Multi-Agenten-Systemen](https://broadrouter.com/de/blog/multi-agent-cost/) vergleicht Abrechnung pro Token und Flatrate.
-   **Eignung.** Anthropic merkt an, dass Coding weniger gut passt, weil „most coding tasks involve fewer truly parallelizable tasks than research“ (Übersetzung: „die meisten Coding-Aufgaben weniger wirklich parallelisierbare Teilaufgaben enthalten als Recherche“), und Aufgaben mit viel gemeinsamem Kontext oder Abhängigkeiten zwischen Agenten eignen sich schlecht.
-   **Parallelität.** Parallele Worker sind parallele Anfragen, also begrenzt Ihr [Concurrency](https://broadrouter.com/de/glossary/concurrency/)\-Limit den Geschwindigkeitsgewinn.

## Bei BroadNet Inference

BroadNet stellt die Modelle bereit; die Orchestrierung läuft in Ihrem Framework. Anleitungen behandeln [CrewAI](https://broadrouter.com/de/guides/crewai-custom-openai-endpoint/) und das [OpenAI Agents SDK](https://broadrouter.com/de/guides/openai-agents-sdk-custom-provider/) mit einer Base URL von BroadNet.

Ein Pay-as-you-go-Schlüssel erlaubt 30 Anfragen pro Minute und 4 gleichzeitig laufende. Auf den [Flatrate-Plänen](https://broadrouter.com/de/plans/) für DeepSeek V4.1 Flash gibt es keinen Token-Zähler, was den Token-Multiplikator aus der Rechnung nimmt, aber jede Session verarbeitet eine Anfrage nach der anderen. Kaufen Sie eine Session für jede Modellanfrage, die im selben Moment laufen kann: Drei gleichzeitig arbeitende Worker brauchen drei Sessions, und vier, wenn der Lead währenddessen weiter das Modell aufruft. [Parallele Coding-Agenten auf einer Flatrate-API](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/) geht gängige Muster durch.

## Häufige Fragen

### Ist ein Multi-Agenten-System immer besser als ein einzelner Agent?

Nein. Anthropic berichtet von großen Zugewinnen bei breiten Rechercheaufgaben, aber auch, dass Multi-Agenten-Systeme etwa 15-mal so viele Tokens verbrauchen wie ein Chat und dass die meisten Coding-Aufgaben weniger echt parallele Teile haben als Recherche.

### Mit welchen Frameworks baue ich Multi-Agenten-Systeme?

AutoGen, das OpenAI Agents SDK, CrewAI und Coding-Tools wie Claude Code unterstützen es alle in irgendeiner Form. Das AutoGen-Paper beschreibt Agenten, die miteinander, mit Menschen und mit Tools kommunizieren.

### Wie viele parallele Anfragen braucht ein Multi-Agenten-System?

Eine pro Agent, der im selben Moment das Modell aufruft. Ein Lead plus vier Worker, die gleichzeitig laufen, brauchen fünf laufende Anfragen.

## Siehe auch

-   [KI-Agent (AI Agent)](https://broadrouter.com/de/glossary/agent/) (Begriff)
-   [Subagent](https://broadrouter.com/de/glossary/subagent/) (Begriff)
-   [KI-Coding-Agent (AI coding agent)](https://broadrouter.com/de/glossary/coding-agent/) (Begriff)
-   [Concurrency (Parallelität)](https://broadrouter.com/de/glossary/concurrency/) (Begriff)
-   [LLM-Flatrate (Flat-rate LLM plan)](https://broadrouter.com/de/glossary/flat-rate-llm-plan/) (Begriff)
-   [Context Engineering](https://broadrouter.com/de/glossary/context-engineering/) (Begriff)
-   [ReAct (Reason and Act)](https://broadrouter.com/de/glossary/react-agent/) (Begriff)
-   [So funktionieren die unbegrenzten LLM-API-Pläne für Agenten](https://broadrouter.com/de/guides/unlimited-llm-api-sessions/) (Anleitung)
-   [CrewAI mit BroadNet Inference als eigenem OpenAI-Endpoint nutzen](https://broadrouter.com/de/guides/crewai-custom-openai-endpoint/) (Anleitung)
-   [OpenAI Agents SDK mit BroadNet Inference betreiben](https://broadrouter.com/de/guides/openai-agents-sdk-custom-provider/) (Anleitung)
-   [Was Multi-Agenten-Setups wirklich kosten: pro Token vs. Flatrate](https://broadrouter.com/de/blog/multi-agent-cost/) (Artikel)
-   [Parallele Coding-Agenten mit einer LLM-API-Flatrate betreiben](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-multi-agent-system&utm_content=page-cta) ·

**Quellen**

-   [Anthropic Engineering, How we built our multi-agent research system (geprüft am 2026-11-15)](https://www.anthropic.com/engineering/multi-agent-research-system)
-   [Wu et al., AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation, arXiv 2308.08155 (geprüft am 2026-11-15)](https://arxiv.org/abs/2308.08155)
-   [Dokumentation von Claude Code, Subagents (geprüft am 2026-11-15)](https://code.claude.com/docs/en/sub-agents)
