Was ist der Unterschied zwischen heutigen KI-Systemen und den neuen Multi-KI-Agenten?
Die meisten heute genutzten Anwendungen – etwa ChatGPT oder ähnliche Werkzeuge – basieren auf sogenannten „Large Language Models“ (LLMs). Ein LLM ist vereinfacht gesagt ein sehr leistungsfähiges Sprachmodell. Es beantwortet Fragen, erstellt Texte, fasst Inhalte zusammen oder hilft bei Recherchen. Charakteristisch für ein LLM ist seine reaktive Arbeitsweise:
1. Der Mensch gibt einen Auftrag.
2. Die KI bearbeitet diesen Auftrag.
3. Danach endet der Vorgang.
Das System verfolgt keine eigenen Arbeitsschritte, organisiert keine Prozesse und koordiniert keine weiteren Aufgaben. Ein LLM lässt sich daher gut mit einem sehr leistungsfähigen digitalen Assistenten vergleichen.
Was ist neu bei einem Multi-KI-Agenten?
Hier beginnt die nächste Entwicklungsstufe im Bereich KI. Ein Multi-KI-Agent besteht nicht nur aus einem einzelnen Sprachmodell, sondern aus mehreren spezialisierten KI-Komponenten (z. B. Modelle, Prompts oder Tools), die koordiniert zusammenarbeiten und arbeitsteilige Rollen übernehmen.
Diese Rollen können beispielsweise so aussehen:
KI 1 – Koordination / Projektsteuerung
Analysiert die Aufgabe, plant den Gesamtprozess und koordiniert die Zusammenarbeit der weiteren KI‑Komponenten (Weiter‑ und Rückverweisungen).
KI 2 – Recherche
Sammelt relevante Informationen zur Aufgabe.
KI 3 – Analyse
Bewertet und strukturiert die recherchierten Informationen.
KI 4 – Formulierung
Erstellt ein Zwischen‑ oder Endergebnis.
KI 5 – Prüfung
Kontrolliert das Ergebnis und meldet Korrekturen oder Hinweise an die Koordination zurück.
KI 6 – Feinschliff
‚Überarbeitet Darstellung, Sprache oder grafische Aufbereitung.
Das System arbeitet also arbeitsteilig, ähnlich wie ein interdisziplinäres Team. Damit bearbeitet der Multi-KI-Agent komplexe Aufgaben oft selbstständig in mehreren Schritten. Das bedeutet aber auch, dass der Einfluss von KI deutlich größer wird.
Praxisbeispiel aus meinem Bereich, dem Datenschutz:
LLM: „Fasse mir die DSGVO-Risiken bei Cloud-Nutzung zusammen.“
Agent: „Analysiere unsere konkrete Cloud-Struktur, identifiziere Risiken, bewerte sie, und erstelle eine priorisierte Maßnahmenliste.“
Der zweite Fall ist damit strukturell ein völlig anderes Risiko- und Verantwortungsniveau. Während klassische LLMs also vor allem Werkzeuge zur Unterstützung einzelner Aufgaben sind, können Multi-KI-Agenten ganze Arbeitsabläufe begleiten oder teilweise automatisieren. Durch die Rückkopplungen und Spezialisierung werden die Ergebnisse deutlich besser als bei einem einzelnen LLM. Je besser das Ergebnis ist, umso überzeugender werden sie wirken und das kann durchaus auch erhebliche Risiken bergen, denn die Kontrollinstanz Mensch wird dabei fast automatisch geschwächt. Aber es entstehen auch neue Fragen:
Wer kann die Ergebnisse wirklich kontrollieren?
Wie transparent sind die einzelnen Arbeitsschritte?
Wie stark beeinflusst diese KI (in)direkt Entscheidungen?
Wo bleibt menschliche Verantwortung?
Ein LLM kann an externe Systeme angebunden werden (z. B. über APIs, Tools oder RAG), bleibt aber grundsätzlich reaktiv. Es antwortet auf einen Prompt, führt keine eigenständigen Prozessschritte aus und verfolgt keine Ziele über Zeit. Die Steuerungslogik liegt dann in einer externen Anwendung. Ein Multi-KI-Agent integriert die Anbindung dagegen in ein zielorientiertes, prozessfähiges System. Der Agent plant selbst, welche Daten er braucht, ruft sie über Schnittstellen ab, analysiert, prüft und iteriert, ohne dass jeder Schritt von außen gesteuert (und damit zumindest etwas kontrolliert= werden muss. Das ist auch der rechtlich ein relevante Unterschied. Beim LLM ist die KI ein Werkzeug, beim Agenten ein teilweise autonomer Prozesspartner. Genau hier verschiebt sich das Risiko- und Verantwortungsniveau. Besonders im Datenschutz, bei Zugriffen auf sensible Systeme und bei automatisierten Aktionen in der Unternehmens-IT Mit den Multi-KI-Agenten kommen wir von: „Eine KI hilft beim Schreiben oder erstellt ein Bild“ zu „Mehrere KI-Systeme bearbeiten eigenständig Prozesse und liefern Ergebnisse, welche wie von einem professionellen interdisziplinären Team anmuten“. Darin liegt kein bloß technischer, sondern ein erheblicher organisatorischer und verantwortungsbezogener Unterschied, welcher bewusst reflektiert und gesteuert werden sollte.