Prompt-Vorlage — Multi-Agent

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.

Multi-Agent Fortgeschritten Workflows Orchestrierung

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.

01

Orchestrator

Empfängt die Gesamtaufgabe, zerlegt sie in Teilaufgaben und weist jedem spezialisierten Agenten eine klare Rolle zu.

02

Spezialisierte Agenten

Jeder Agent übernimmt seinen Teilschritt mit einer definierten Expertise: Recherche, Analyse, Schreiben, Prüfen, Übersetzen, etc.

03

Übergabe & Synthese

Ergebnisse jedes Agenten werden explizit weitergegeben. Der Orchestrator oder ein finaler Synthese-Agent fügt alles zusammen.

04

Qualitätsprüfung

Optional: Ein Review-Agent bewertet das Gesamtergebnis und identifiziert Lücken oder Inkonsistenzen, bevor der Output finalisiert wird.

Der Multi-Agent-Orchestrator

Orchestrator-Prompt — direkt kopieren & 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]

Platzhalter in eckigen Klammern an die eigene Aufgabe anpassen. Agenten können entfernt, ergänzt oder umprogrammiert werden.

Weiterführend: Chain-of-Thought-Prompting — die Grundlage hinter sequenziellem Agenten-Denken.

Typische Einsatzgebiete

Strategie & Analyse

Markt- und Wettbewerbsanalysen

Recherche-Agent sammelt Fakten → Analyse-Agent bewertet → Schreib-Agent erstellt Executive Summary. Statt 4 Stunden Arbeit: 20 Minuten.

Content & Kommunikation

Content-Pipeline aufbauen

Themen-Agent → SEO-Agent → Schreib-Agent → Lektorat-Agent. Konsistente Inhalte in Serie, ohne Qualitätsverlust.

Dokumente & Berichte

Komplexe Dokumente erstellen

Struktur-Agent → Recherche-Agent → Schreib-Agent → Format-Agent. Berichte, Konzepte, Präsentationen in einem Durchlauf.

Qualitätssicherung

Vier-Augen-Prinzip mit KI

Schreib-Agent erstellt → Critique-Agent kritisiert → Revision-Agent verbessert. Automatisierte Qualitätsprüfung vor der finalen Freigabe.

Komplexe Workflows implementieren?

Multi-Agent-Setups entfalten ihr Potenzial am stärksten, wenn sie auf konkrete Unternehmensprozesse abgestimmt sind — mit definierten Rollen, Übergabepunkten und Review-Kriterien.