„Agent" ist zur Standardantwort auf jedes KI-Problem geworden. Das sollte er selten sein. Ein Agent — ein Modell, das seine eigenen Schritte plant und seine eigenen Tools in einer Schleife auswählt — ist das richtige Werkzeug für eine schmale Klasse von Problemen und ein Risiko für den Rest. Die erste Architekturentscheidung bei jedem KI-Feature lautet: Braucht die Aufgabe einen Workflow oder einen Agenten?
Mit dem Workflow beginnen
Ein Workflow ist eine feste Abfolge von Schritten, von denen einige ein Modell aufrufen. Sie bestimmen den Pfad; das Modell füllt die sprachlichen Lücken. Das Ticket klassifizieren, dann weiterleiten. Die Felder extrahieren, dann validieren. Das Dokument zusammenfassen, dann ablegen.
Workflows sind vorhersehbar, günstig im Betrieb, einfach zu evaluieren und trivial zu debuggen, weil jeder Schritt sichtbar ist. Für die überwältigende Mehrheit der Business-Features ist ein Workflow kein Kompromiss — er ist das korrekte Design.
Zum Agenten erst greifen, wenn der Pfad unbekannt ist
Ein Agent rechtfertigt seine Komplexität, wenn die Abfolge der Schritte wirklich nicht im Voraus bekannt sein kann: offene Recherche, mehrstufiges Debugging, Aufgaben, bei denen die nächste Aktion davon abhängt, was die vorherige zurückgegeben hat. Wenn Sie das Flussdiagramm zeichnen können, brauchen Sie keinen Agenten — Sie brauchen genau dieses Flussdiagramm, umgesetzt als Workflow.
Ein praktischer Test
Stellen Sie drei Fragen, bevor Sie zum Agenten greifen:
- Können Sie die Schritte aufzählen? Wenn ja, bauen Sie einen Workflow.
- Sind die Kosten einer falschen autonomen Aktion hoch? Wenn ja, halten Sie einen Menschen oder ein deterministisches Guardrail in der Schleife.
- Können Sie das Ergebnis evaluieren? Agenten ohne Evals driften unbemerkt; wenn Sie Qualität nicht messen können, können Sie keinen Agenten in der Produktion betreiben.
Der Hybrid, der meistens gewinnt
Die Architektur, die wir am häufigsten ausliefern, ist weder reiner Agent noch reiner Workflow: ein Workflow als Rückgrat, mit einem einzelnen, klar begrenzten agentischen Schritt dort, wo echte Offenheit liegt — eingefasst in strenge Tool-Berechtigungen und eine Eval-Pipeline. So bekommen Sie die Flexibilität dort, wo sie zählt, und die Vorhersehbarkeit überall sonst.
Wählen Sie die einfachste Architektur, die das Problem zulässt. Autonomie lässt sich später jederzeit ergänzen; die Verlässlichkeit, die Sie dafür aufgegeben haben, holen Sie selten zurück.