Multi-Agent Orchestration: Wenn spezialisierte KIs zusammenarbeiten
Michael Haushofer
14. Juli 2025
In unserem ersten Teil haben wir gezeigt, wie aus einer simplen RAG-Demo ein Teams-integrierter Enterprise-Copilot wird. Aber da war noch ein Problem: Ein Agent für alles ist ein Agent für nichts.
Stellen Sie sich vor, Sie fragen: "Ich bin heute krank, was ist wichtig?"
Ein monolithischer Agent müsste gleichzeitig Kalender-Experte, E-Mail-Spezialist, CRM-Profi und To-Do-Manager sein. Das Ergebnis? Oberflächliche Antworten oder komplexe, fehleranfällige Mega-Prompts.
Die Lösung: Spezialisierte KI-Agenten, die von einem intelligenten Orchestrator koordiniert werden. Genau wie ein gutes Team – jeder macht, was er am besten kann.
Das Problem: Der "Alles-Könner"-Agent
Die meisten KI-Systeme folgen dem Monolith-Ansatz: Ein großer Agent mit allen möglichen Tools. Das führt zu vorhersehbaren Problemen:
Prompt-Chaos:
- 50+ Tools in einem System-Prompt
- LLM wird verwirrt zwischen Microsoft Graph und Salesforce APIs
- Tool-Selection wird unzuverlässig
- Context-Window überfüllt
Maintenance-Albtraum:
- Eine Änderung am CRM-Tool bricht die E-Mail-Funktionalität
- Testing wird exponentiell komplexer
- Debugging unmöglich bei 200+ Tool-Kombinationen
Performance-Probleme:
- Jeder Request lädt alle Tools, auch wenn nur einer gebraucht wird
- Memory wird über alle Bereiche hinweg vermischt
- Lange Antwortzeiten durch Tool-Overload
Business-Realität ignoriert:
- In echten Unternehmen haben unterschiedliche Systeme unterschiedliche Experten
- Ein Mensch ist auch nicht gleichzeitig Kalender-, E-Mail- und CRM-Spezialist
Die Lösung: Enterprise Multi-Agent Orchestration
Unsere Antwort: Ein Team spezialisierter Agenten mit einem intelligenten Orchestrator.
1User: "Ich bin heute krank, was ist wichtig?"
2↓
3Enterprise Agent (Orchestrator):
4├─ Think: "Systemübergreifende Analyse nötig"
5├─ Microsoft Graph Agent: "Kalender + E-Mails heute"
6├─ Salesforce Agent: "Wichtige CRM-Tasks"
7└─ Final Answer: Strukturierte, vollständige AntwortDie Architektur im Detail
Enterprise Agent (Orchestrator):
- Analysiert User-Anfragen und plant Multi-Step-Workflows
- Koordiniert spezialisierte Agents mit Context-Handoff
- Sammelt Ergebnisse und liefert kohärente Antworten
- Think-Tool für komplexe Planung
Microsoft Graph Agent (Microsoft 365 Spezialist):
- 20+ Tools für Kalender, E-Mail, Teams, OneDrive, To-Do
- Multi-Step-fähig für komplexe Office-Workflows
- Eigenes Memory für Konversations-Kontext
- Think-Tool für Microsoft 365-spezifische Analysen
Salesforce Agent (CRM Spezialist):
- Vollständiges CRM-Toolkit: Accounts, Contacts, Opportunities
- Sales Analytics und Pipeline Management
- Task-Management und Follow-up Automation
- Think-Tool für Verkaufs-Analysen
Context-Handoff: Der Schlüssel zur Koordination
Das Geheimnis liegt im intelligenten Context-Handoff zwischen Agenten:
1{
2 "task": "Liste wichtige Termine heute",
3 "why": "User ist krank und braucht Überblick",
4 "when": "heute",
5 "conversationId": "...",
6 "userTokens": { "graph": "...", "salesforce": "..." }
7}Warum das funktioniert:
- Task: Klare Anweisung für den Spezialist-Agent
- Why: Business-Kontext für bessere Entscheidungen
- When: Zeitlicher Bezug für Priorisierung
- User Tokens: Delegated access bleibt erhalten
Praxis: Multi-Agent Workflows in Aktion
Hier sehen Sie echte Multi-Agent-Koordination im Business-Einsatz:
Beispiel 1: "Ich bin heute krank, was ist wichtig?"
Enterprise Agent analysiert:
1Think: "Der User ist heute krank und möchte wissen, was heute wichtig ist.
2Ziel: Überblick über alle relevanten To-dos, Termine, E-Mails und CRM-Aufgaben, damit nichts Dringendes liegen bleibt oder ggf. delegiert werden kann.
3Plan:
41. Kalendertermine für heute prüfen.
52. Microsoft To-Do: heutige und überfällige Aufgaben checken.
63. Salesforce: heutige und überfällige Tasks prüfen.
74. Wichtige und dringende E-Mails der letzten 12 Stunden prüfen.
8Ergebnis: Priorisierte Zusammenfassung und klare Empfehlungen, was delegiert oder verschoben werden sollte."Microsoft Graph Agent ausführen:
- Task: "Termine und wichtige E-Mails für heute"
- Findet: 5 konkrete Termine (09:00 Controlling Sync, 10:30 Käster-Demo, etc.)
- Analysiert: Keine wichtigen E-Mails in letzten 12h, überfällige To-Dos seit Juni
- Ergebnis: Detaillierte Terminliste mit Empfehlung zur Absage/Verschiebung
Salesforce Agent ausführen:
- Task: "Kritische CRM-Tasks heute oder überfällig"
- Findet: Überfällige Follow-ups (Budig, Klapp Hendriks AG, Buchholz KG)
- Analysiert: Nichts akut heute fällig, aber Delegation empfohlen
- Ergebnis: Priorisierte CRM-Aufgaben mit Delegations-Vorschlägen
Enterprise Agent kombiniert zu strukturierter Business-Antwort:
- 🗓️ Termine mit konkreten Handlungsempfehlungen
- ✅ Aufgaben-Status und Delegations-Optionen
- 📇 CRM-Follow-ups mit Prioritäten
- 📧 E-Mail-Status und Handlungsbedarf
- 🔝 Konkrete nächste Schritte (Termine absagen, Abwesenheitsnotiz, etc.)
- 💡 Proaktive Unterstützung (E-Mail-Vorlagen anbieten)
Das Ergebnis: Eine empathische, strukturierte und handlungsorientierte Antwort, die weit über simple Tool-Outputs hinausgeht.
Multi-Agent System Output - Übersicht wichtiger Termine, E-Mails und CRM-Tasks für kranken Tag
Beispiel 2: "Plane nächste Woche für das ACME-Projekt"
Enterprise Agent plant:
1Think: "Komplex - brauche CRM-Daten UND Kalender-Management"
2Plan: 1. ACME-Details aus Salesforce, 2. Termine koordinierenSalesforce Agent recherchiert:
- Findet ACME-Opportunity, nächste Schritte, Ansprechpartner
- Identifiziert: Demo-Termin überfällig, Vertrag in Verhandlung
Microsoft Graph Agent koordiniert:
- Prüft Kalender-Verfügbarkeit nächste Woche
- Schlägt 3 Termine vor: Demo, Follow-up, Vertragsbesprechung
- Erstellt Einladungen mit ACME-Kontext aus CRM
Ergebnis: Vollständig koordinierte Woche mit CRM-Context.
Beispiel 3: "Erstelle Monatsreport Sales & Marketing"
Enterprise Agent orchestriert:
- Salesforce Agent: Pipeline-Daten, Win-Rate, Top-Opportunities
- Microsoft Graph Agent: E-Mail-Aktivitäten, Meeting-Statistiken
- Kombiniert zu kohärentem Business-Report
Technical Deep-Dive: n8n als Multi-Agent-Platform
Warum n8n für Multi-Agent-Orchestration?
Visuelle Agent-Koordination:
- Jeder Agent ist ein eigener n8n-Workflow
- Enterprise Agent ruft andere Workflows als "Sub-Agents" auf
- Debugging wird visuell: Sehen Sie genau, welcher Agent was macht
Flexible Context-Handoffs:
1// Enterprise Agent → Spezialist-Agent
2{
3 "task": "Liste Salesforce Tasks für Q4-Planning",
4 "why": "Quarterly Review Vorbereitung",
5 "when": "nächste Woche",
6 "conversationId": "...",
7 "salesforceToken": "user-specific-token"
8}Independent Memory pro Agent:
- Microsoft Graph Agent merkt sich Office-Präferenzen
- Salesforce Agent behält CRM-Kontext
- Enterprise Agent koordiniert übergreifend
Think-Pattern in jedem Agent:
1Enterprise Agent: "Think → Plan → Delegate → Collect → Answer"
2Spezialist Agent: "Think → Analyze → Execute → Return"Business-Value: Warum Multi-Agent funktioniert
1. Spezialisierung steigert Qualität
- Microsoft Graph Agent kennt alle Office-Nuancen
- Salesforce Agent versteht Verkaufs-Workflows
- Bessere Antworten durch fokussierte Expertise
2. Modularer Ausbau
- Neues System? Neuer Spezialist-Agent
- Bestehende Agents bleiben unverändert
- Schrittweise Expansion statt Monolith-Refactoring
3. Einfaches Testing & Debugging
- Jeder Agent einzeln testbar
- Fehler isoliert statt system-weit
- Rollouts pro Agent möglich
4. Business-Alignment
- Agent-Struktur spiegelt Unternehmens-Struktur wider
- IT-Team kann Agents nach Expertise aufteilen
- Klare Verantwortlichkeiten
5. Performance-Optimierung
- Nur benötigte Agents werden aufgerufen
- Parallel-Execution bei unabhängigen Tasks
- Memory-Optimierung pro Spezialist
Die Evolution: Von Monolith zu Multi-Agent
Stadium 1: Ein Agent, eine Funktion (unsere RAG-Demo)
Stadium 2: Ein Agent, viele Tools (erste Teams-Integration)
Stadium 3: Multi-Agent-System (Enterprise-Orchestration)
Stadium 4: [Preview Teil 3] Event-driven, proaktive Agents
1Teams-User: "Was steht heute an?"
2↓
3Enterprise Agent: Think-Plan-Delegate
4├─ Graph Agent: Kalender + E-Mails
5├─ Salesforce Agent: CRM-Tasks
6├─ [Future] Marketing Agent: Campaign-Status
7└─ [Future] Finance Agent: Budget-Alerts
8↓
9Koordinierte, vollständige Business-AntwortLessons Learned: Multi-Agent in der Praxis
Was funktioniert:
1. Context ist King
Task/Why/When-Handoffs geben Agents genug Kontext für intelligente Entscheidungen.
2. Think-Tools sind essentiell
Jeder Agent braucht Planning-Fähigkeiten für Multi-Step-Workflows.
3. Spezialisierung > Generalisierung
Fokussierte Agents liefern bessere Ergebnisse als Allzweck-Systeme.
4. Visuelle Orchestration hilft
n8n macht komplexe Agent-Workflows nachvollziehbar und debuggbar.
Was herausfordernd ist:
1. Context-Consistency
User-Kontext zwischen Agents konsistent zu halten.
2. Error-Handling
Was passiert, wenn ein Spezialist-Agent fails?
3. Latenz-Management
Multi-Agent-Calls dauern länger als Single-Agent.
4. Memory-Koordination
Welcher Agent merkt sich was?
Modularer Ausbau: Ihr Multi-Agent-Weg
Sie müssen nicht gleich 5 Agents bauen. Evolution ist möglich:
Phase 1: Basis-Setup
- Enterprise Agent (Orchestrator)
- 1 Spezialist-Agent (z.B. Microsoft Graph)
Phase 2: Business-Systems
- + CRM Agent (Salesforce/HubSpot)
- + eventuell HR-Agent oder Finance-Agent
Phase 3: Spezialisierung
- Aufteilen großer Agents in Sub-Spezialisten
- Marketing Agent, Support Agent, etc.
Phase 4: Intelligence
- Cross-Agent-Learning
- Predictive Handoffs
- Autonomous Task-Distribution
Fazit: Teams schlagen Superstars
Ein durchschnittliches Team aus Spezialisten schlägt jeden einzelnen Superstar. Das gilt für Menschen – und für KI-Agents.
Die wichtigste Erkenntnis: Statt einen Agent zu bauen, der alles kann (und nichts richtig), bauen Sie ein Team aus Agents, die jeweils eine Sache perfekt können.
Der Orchestrator wird zum Teamleader – er versteht das große Bild und delegiert an die richtigen Experten. Genau wie in echten Unternehmen.
Was als nächstes kommt: In Teil 3 zeigen wir, wie aus reaktiven Multi-Agents proaktive Business-Assistenten werden, die Sie über wichtige Entwicklungen informieren, bevor Sie fragen müssen.