Prompt-Bibliothek · Multi-Agent · Fortgeschritten
Komplexe Aufgaben. Aufgeteilt. Koordiniert. Gelöst.
Der Multi-Agent-Orchestrator zerlegt umfangreiche Aufgaben in spezialisierte Teilschritte und koordiniert mehrere KI-Rollen in einer einzigen Konversation, ohne Programmierung, ohne externe Tools.
1von 3
Wie Multi-Agent-Prompting funktioniert
Anstatt einer KI eine komplexe Aufgabe als Ganzes zu geben, wird die Aufgabe in spezialisierte Rollen aufgeteilt. Jede Rolle übernimmt einen definierten Teilschritt und übergibt das Ergebnis an die nächste, alles in derselben Konversation.
- Orchestrator. Empfängt die Gesamtaufgabe, zerlegt sie in Teilaufgaben und weist jedem spezialisierten Agenten eine klare Rolle zu.
- Spezialisierte Agenten. Jeder Agent übernimmt seinen Teilschritt mit einer definierten Expertise: Recherche, Analyse, Schreiben, Prüfen, Übersetzen.
- Übergabe und Synthese. Ergebnisse jedes Agenten werden explizit weitergegeben. Der Orchestrator oder ein finaler Synthese-Agent fügt alles zusammen.
- Qualitätsprüfung. Optional bewertet ein Review-Agent das Gesamtergebnis und identifiziert Lücken oder Inkonsistenzen, bevor der Output finalisiert wird.
2von 3
Der Multi-Agent-Orchestrator
Orchestrator-Prompt · kopieren und einfügen
Du bist der Orchestrator für folgende Aufgabe: <HAUPTAUFGABE BESCHREIBEN> Zerlege die Aufgabe in spezialisierte Teilschritte und führe jeden Schritt als dedizierter Agent aus. Kennzeichne jeden Agenten mit seiner Rolle. --- AGENT 1 – RECHERCHE-AGENT Aufgabe: Relevante Informationen und Fakten zu <THEMA> zusammentragen. Quellen: Nutze dein Trainingswissen. Kennzeichne Unsicherheiten klar. Output: Strukturierte Liste der wichtigsten Fakten und Zusammenhänge. <RECHERCHE-AGENT führt Schritt 1 aus> --- AGENT 2 – ANALYSE-AGENT Aufgabe: Die Ergebnisse von Agent 1 bewerten und interpretieren. Fokus: Was sind die wichtigsten Erkenntnisse? Welche Muster sind erkennbar? Wo gibt es Lücken? Output: Bewertung mit 3–5 priorisierten Schlussfolgerungen. <ANALYSE-AGENT führt Schritt 2 aus, auf Basis von Agent-1-Output> --- AGENT 3 – SCHREIB-AGENT Aufgabe: Aus den Analysen von Agent 2 einen <FORMAT: Bericht / Executive Summary / Präsentation / E-Mail> erstellen. Zielgruppe: <z. B. Geschäftsleitung / Kunden / internes Team> Ton: <z. B. sachlich / überzeugend / informierend> Länge: <z. B. max. 400 Wörter / 1 Seite A4> <SCHREIB-AGENT führt Schritt 3 aus> --- AGENT 4 – REVIEW-AGENT (optional) Aufgabe: Den Gesamt-Output kritisch prüfen. Bewertungskriterien: - Fakten korrekt und konsistent? - Zielgruppe klar bedient? - Handlungsempfehlungen konkret und umsetzbar? Output: 3 Stärken + max. 3 Verbesserungsvorschläge. <REVIEW-AGENT führt Schritt 4 aus> --- SYNTHESE: Finaler Output <Zusammenfassung aller Agent-Outputs als kohärentes Endergebnis>
Felder in spitzen Klammern an die eigene Aufgabe anpassen. Agenten können entfernt, ergänzt oder umgeschrieben werden. Weiterführend: Chain-of-Thought Prompting, die Grundlage hinter sequenziellem Agenten-Denken.
3von 3
Typische Einsatzgebiete
Markt- und Wettbewerbsanalysen
Recherche-Agent sammelt Fakten, Analyse-Agent bewertet, Schreib-Agent erstellt die Executive Summary.
Content-Pipeline aufbauen
Themen-Agent, SEO-Agent, Schreib-Agent, Lektorat-Agent. Konsistente Inhalte in Serie.
Komplexe Dokumente erstellen
Struktur-Agent, Recherche-Agent, Schreib-Agent, Format-Agent. Berichte, Konzepte und Präsentationen in einem Durchlauf.
Vier-Augen-Prinzip mit KI
Schreib-Agent erstellt, Critique-Agent kritisiert, Revision-Agent verbessert. Qualitätsprüfung vor der finalen Freigabe.
Komplexe Workflows in Betrieb nehmen?
Multi-Agent-Setups tragen am weitesten, wenn sie auf konkrete Unternehmensprozesse abgestimmt sind: mit definierten Rollen, Übergabepunkten und Review-Kriterien.
Nächster SchrittAlle Vorlagen der Prompt-BibliothekEine Mail · Antwort in der Regel innerhalb von 24h