Warum KI-Agenten noch nicht richtig zusammenarbeiten können

Die KI-Agenten-Revolution ist in vollem Gange. Fast jedes große Technologieunternehmen hat mittlerweile eigene Agenten veröffentlicht, und Startups entwickeln sie im Dutzend. Frameworks wie LangChain, CrewAI und AutoGen machen es einfacher denn je, einen Agenten zu erstellen, der im Web surft, Code schreibt oder Termine verwaltet. Doch wenn Sie einen Code-Agenten bitten, eine Aufgabe an Ihren Terminplanungs-Agenten zu übergeben, starrt er Sie nur verständnislos an. Die Zusammenarbeit zwischen Agenten unterschiedlicher Anbieter erfordert maßgeschneiderte Schnittstellen, fragilen API-Code und nicht selten eine Portion Glück.

Wir haben tausend Agenten – aber keine Agenten-Gesellschaft.

Das Insel-Problem: Warum Agenten nicht kommunizieren können

Heutige Agenten funktionieren wie isolierte Inseln. Jeder Agent ist ein in sich geschlossener Kreislauf: Wahrnehmung → Denken → Handeln. Seine Verbindung zur Außenwelt erfolgt über Tool-Aufrufe – API-Endpunkte, Browser-Automatisierung oder Dateisystemzugriffe. Wenn ein Agent Informationen von einem anderen System benötigt, ruft er eine API auf. Wenn er eine Aktion auslösen will, macht er dasselbe.

Das mag für Agent-zu-Dienst-Kommunikation funktionieren. Doch für Agent-zu-Agent-Interaktion ist das System grundlegend ungeeignet.

Menschen bauen in der Zusammenarbeit keine einfachen API-Austausche auf. Sie teilen Kontext, bauen auf dem Verständnis des anderen auf, verhandeln, delegieren und überprüfen. Sie agieren innerhalb sozialer Strukturen wie Teams, Organisationen oder Hierarchien, die definieren, wer was sehen darf und wer wen um Hilfe bitten kann.

Aktuelle Agenten verfügen über keine dieser Strukturen. Sie sind isolierte Systeme mit HTTP-Brücken – nützliche Werkzeuge, aber keine Teamplayer.

Warum reine API-Integration scheitert

Stellen Sie sich vor, Sie haben einen Forschungs-Agenten und einen Schreib-Agenten. Der Forschungs-Agent durchsucht wissenschaftliche Papers, extrahiert zentrale Erkenntnisse und erstellt eine Wissensdatenbank. Der Schreib-Agent verarbeitet diese Daten und generiert Entwürfe.

Der naheliegende Ansatz: Der Schreib-Agent ruft die API des Forschungs-Agenten auf, erhält ein JSON-Paket mit den Ergebnissen und arbeitet damit weiter.

Doch genau hier hapert es:

• Kontextverlust: Der Forschungs-Agent hat möglicherweise 30 Minuten damit verbracht, ein komplexes Netzwerk aus Beziehungen zwischen Papers, umstrittenen Thesen und vertrauenswürdigen Quellen aufzubauen. Diese tiefgehende Analyse geht in einem simplen API-Antwort verloren. Der Schreib-Agent erhält Daten, aber kein Verständnis.

• Kein gemeinsames Gedächtnis: Wenn der Schreib-Agent feststellt, dass ein bestimmter Ansatz nicht funktioniert, und seine Strategie anpasst, lernt der Forschungs-Agent daraus nichts. Beim nächsten Mal wird er dieselben Empfehlungen ausgeben – es gibt keine Rückkopplungsschleife und kein gemeinsames Wissen.

• Berechtigungsblindheit: In Unternehmen haben verschiedene Agenten unterschiedliche Zugriffsrechte. Der HR-Agent kennt Gehaltsdaten, der Analytik-Agent hat Einblick in Kundendaten. Wenn beide an einer Personalplanungsaufgabe mitwirken sollen, wer entscheidet, welche Daten sie einsehen dürfen? Aktuell gibt es nur die Optionen „voller Zugriff“ oder „kein Zugriff“.

• Fehlende Delegationssemantik: Der Satz „Hey Forschungs-Agent, ich brauche eine tiefere Analyse zu Abschnitt 3“ ist keine API-Anfrage. Es ist eine kontextreiche Anweisung mit impliziter Priorität und erwartetem Format. Aktuelle Tool-Aufrufe können solche Nuancen nicht natürlich abbilden.

Die Lösung: Eine soziale Schicht für Agenten

Menschliche Zusammenarbeit funktioniert nicht über Punkt-zu-Punkt-API-Aufrufe. Sie basiert auf sozialer Infrastruktur: gemeinsame Arbeitsbereiche, organisatorische Hierarchien, Kommunikationsnormen und Wissenspools.

Agenten brauchen genau das – nicht nur Konnektivität, sondern eine soziale Schicht, die ihnen ermöglicht, Gruppen zu bilden, Kontext mit rollenbasierter Zugriffskontrolle zu teilen, kollektives Wissen aufzubauen und in einer Weise zu kommunizieren, die echte Zusammenarbeit erlaubt.

Das ist keine neue API-Gateway-Lösung. Es ist eine grundlegende Neugestaltung der Art und Weise, wie Agenten miteinander interagieren – auf Protokollebene.

Was eine Agenten-Gesellschaft ausmacht

Damit Agenten sinnvoll zusammenarbeiten können, benötigt eine solche soziale Schicht folgende Komponenten:

Organisationsweites Gedächtnis

Agenten derselben Organisation sollten auf ein gemeinsames Gedächtnis zugreifen können – nicht nur auf Datenbanken, sondern auf kontextuelles Wissen, das mit rollenbasierter Zugriffskontrolle geteilt wird. Wenn Ihr Kundenservice-Agent lernt, dass ein bestimmter Kunde E-Mails statt Slack-Nachrichten bevorzugt, sollte Ihr Account-Management-Agent diese Information ebenfalls kennen – ohne dass jemand einen manuellen Synchronisationsjob schreiben muss.

Das bedeutet: Wissen wird nicht nur gespeichert, sondern innerhalb definierter Grenzen geteilt. Das Verständnis eines Agenten von einem Kunden, Projekt oder Fachgebiet wird zu organisationalem Wissen, auf das andere autorisierte Agenten zugreifen können.

Strukturiertes Wissen statt reiner Textdaten

Wenn Agenten Markdown-Dokumente austauschen, mag das für einfache Aufgaben reichen. Doch echte Zusammenarbeit erfordert strukturiertes Wissen. Wenn Ihr Rechts-Agent in einem Vertrag auf ein Compliance-Risiko hinweist, muss Ihr Projektmanagement-Agent nicht nur „Es gibt ein Risiko“ verstehen, sondern auch:

• Welche Entität ist betroffen?
• Wie schwerwiegend ist das Risiko?
• Wie hängt es mit dem Projektzeitplan zusammen?
• Welche Präzedenzfälle gibt es?

Hier führt kein Weg an einem Wissensgraphen vorbei – einer strukturierten Ontologie, die Agenten gemeinsam lesen, schreiben und darauf aufbauen können. Dies ist kein Ersatz für natürliche Sprache, sondern eine Ergänzung: die maschinenlesbare Grundlage für präzise Abstimmung.

Kollaborationsräume

Agenten brauchen Arbeitsumgebungen, die Projektteams entsprechen – abgegrenzte Kontexte, in denen eine Gruppe von Agenten an einem spezifischen Ziel arbeitet. Diese Räume bieten:

• Einen gemeinsamen Zustand
• Definierte Rollen und Verantwortlichkeiten
• Klare Grenzen für Datenschutz und Zugriff

Stellen Sie sich den Unterschied zwischen einem lauten Großraumbüro und einem abgeschirmten Krisenraum für ein wichtiges Projekt vor. Kollaborationsräume geben Agenten Fokus, Privatsphäre-Grenzen und einen aufgabenbezogenen gemeinsamen Kontext.

Identität und Vertrauen

Damit das funktioniert, benötigen Agenten verifizierbare Identitäten. Nicht nur „diese Anfrage kam von IP 10.0.0.5“, sondern „dies ist der Budget-Agent der Finanzabteilung mit Erlaubnis, Ausgabendaten beim Beschaffungs-Agenten abzufragen“. Identität schafft Vertrauen, Vertrauen ermöglicht Delegation, und Delegation ermöglicht echte Zusammenarbeit.

Die Architektur-Umkehr: Agenten verbinden sich nach innen

Ein interessanter Aspekt heutiger Integrationen: Agenten verbinden sich nach außen. Ihr Agent hat ein Plugin für Slack, eines für GitHub und eines für Ihr CRM. Jede neue Plattform bedeutet einen neuen Integrationsaufwand.

Was wäre, wenn wir das umkehren? Statt dass Agenten ständig neue externe Verbindungen aufbauen müssen, könnten sie sich nach innen verbinden – in eine zentrale, soziale Architektur, die Zusammenarbeit ermöglicht.

Die Zukunft der Agenten liegt nicht in mehr Tools, sondern in besserer Organisation. Es geht nicht darum, dass Agenten mehr können, sondern dass sie besser zusammenarbeiten – mit Kontext, Gedächtnis und Vertrauen. Erst dann wird aus einer Ansammlung isolierter Systeme eine echte Agenten-Gesellschaft.

Die Technologie ist vorhanden. Jetzt brauchen wir die soziale Schicht, die sie verbindet.