KI-Orchestrierung, Automatisierung, Agenten: der Unterschied

Kurz gesagt: Automatisierung führt Schritte aus, die Menschen vorab festgelegt haben. Ein Agent entscheidet selbst über seine Schritte. Orchestrierung ist die Ebene, die mehrere Schritte, Werkzeuge oder Agenten koordiniert, damit Arbeit systemübergreifend korrekt abgeschlossen wird. Anthropic und Microsoft raten beide, mit dem einfachsten Entwurf zu beginnen, der funktioniert, und Gartner prognostizierte im Juni 2025, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden könnten. Die nützliche Frage lautet daher nicht «Was ist am besten?», sondern «Wie wenig Komplexität braucht es, um die Aufgabe zu erledigen?».

Das Wichtigste auf einen Blick

• Anthropic unterscheidet Workflows (LLMs und Werkzeuge, die «über vordefinierte Codepfade orchestriert» werden) von Agenten (LLMs, die «ihre eigenen Prozesse und ihre Werkzeugnutzung dynamisch steuern»).
• Microsofts Architekturleitfaden beschreibt ein Spektrum vom direkten Modellaufruf über einen einzelnen Agenten mit Werkzeugen bis zur Multi-Agenten-Orchestrierung und empfiehlt, «das niedrigste Mass an Komplexität zu wählen, das Ihre Anforderungen zuverlässig erfüllt».
• Zwei offene Protokolle zeichnen sich ab: MCP verbindet einen Agenten mit Werkzeugen und Daten, und A2A lässt Agenten miteinander kommunizieren. Beide liegen inzwischen bei der Linux Foundation.
• Gartner warnt vor «Agent Washing», bei dem bestehende Assistenten, Chatbots und RPA als Agenten umetikettiert werden.

Die Belege

Anthropics Definitionen. In seinem Engineering-Beitrag Building effective agents, veröffentlicht am 19. Dezember 2024, definiert Anthropic Workflows als «Systeme, in denen LLMs und Werkzeuge über vordefinierte Codepfade orchestriert werden» und Agenten als «Systeme, in denen LLMs ihre eigenen Prozesse und ihre Werkzeugnutzung dynamisch steuern und die Kontrolle darüber behalten, wie sie Aufgaben erledigen». Der Beitrag nennt fünf Workflow-Muster: Prompt Chaining, Routing, Parallelisierung, Orchestrator-Workers und Evaluator-Optimizer. Anthropic rät, «die einfachstmögliche Lösung» zu suchen und «die Komplexität nur bei Bedarf zu erhöhen», und weist darauf hin, dass agentische Systeme «oft Latenz und Kosten gegen eine bessere Aufgabenleistung eintauschen».

Microsofts Leitfaden. Der Leitfaden des Azure Architecture Center von Microsoft, AI agent orchestration patterns (datiert auf Februar 2026), beschreibt Agentenarchitekturen als Spektrum: ein direkter Modellaufruf, ein einzelner Agent mit Werkzeugen und Multi-Agenten-Orchestrierung. Jede Stufe erhöhe den Koordinationsaufwand, die Latenz und die Kosten, und der Leitfaden nennt fünf Orchestrierungsmuster: sequenziell, nebenläufig, Gruppenchat, Übergabe (Handoff) und Magentic.

Eine Warnung von Analysten. W.Media berichtete (27. Juni 2025) über eine Gartner-Prognose, wonach über 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden könnten, wegen steigender Kosten, unklaren geschäftlichen Nutzens oder unzureichender Risikokontrollen. Gartner-Senior-Director-Analystin Anushree Verma wird mit der Aussage zitiert, die meisten Agentic-AI-Projekte seien «Experimente im Frühstadium oder Machbarkeitsstudien, die grösstenteils vom Hype getrieben sind». Der Bericht beschreibt zudem «Agent Washing», das Umetikettieren von KI-Assistenten, Robotic Process Automation und Chatbots «ohne substanzielle agentische Fähigkeiten», und gibt an, Gartner schätze, dass nur etwa 130 der Tausenden Anbieter von Agentic AI über echte Fähigkeiten verfügen.

Was die Technologie leistet

In einfachen Worten beschreiben die drei Begriffe unterschiedliche Aufgaben. Diese kurzen Definitionen stammen von uns und stützen sich auf die oben genannten Quellen:

• Automatisierung folgt einem festen Rezept. Wenn das passiert, tue jenes. Sie ist vorhersehbar und günstig und funktioniert nicht mehr, sobald sich die Situation ändert.
• Ein Agent erhält ein Ziel und wählt seine Schritte und Werkzeuge selbst, um es zu erreichen. Er ist flexibel, kostet aber mehr, arbeitet langsamer und ist schwerer vorherzusagen.
• Orchestrierung ist die Koordinationsebene. Sie entscheidet, welcher Schritt, welches Werkzeug oder welcher Agent als Nächstes läuft, gibt Kontext zwischen ihnen weiter und hält fest, was geschehen ist. Sie kann feste Workflows, Agenten oder beides koordinieren.

Orchestrierung tritt in erkennbaren Formen auf. Microsoft nennt sequenzielle (eine Pipeline in fester Reihenfolge), nebenläufige (mehrere Agenten bearbeiten gleichzeitig dieselbe Aufgabe), Gruppenchat-, Übergabe- und Magentic-Muster. Die fünf Workflow-Muster von Anthropic überschneiden sich damit: Prompt Chaining ähnelt einer sequenziellen Pipeline, und Parallelisierung ähnelt nebenläufiger Arbeit.

Neben der Orchestrierung stehen zwei Protokolle. Laut SD Times soll Googles Agent2Agent-Protokoll (A2A) Agenten ermöglichen, sich mit jedem anderen Agenten zu verbinden, der darauf aufbaut, während Anthropics Model Context Protocol (MCP) Agenten mit Datenquellen und Anwendungen verbindet. Sie decken unterschiedliche Integrationsbedürfnisse ab.

Was sich geändert hat

Die Infrastruktur wird standardisiert und zu neutralen Betreibern verlagert:

• Am 23. Juni 2025 berichtete SD Times, Google übergebe A2A an die Linux Foundation, was auf dem Open Source Summit North America angekündigt wurde; über 100 Technologiepartner seien beteiligt.
• Am 9. Dezember 2025 gab Anthropic bekannt, MCP an die neue Agentic AI Foundation unter dem Dach der Linux Foundation zu übergeben, mitgegründet von Anthropic, Block und OpenAI, mit Google, Microsoft, AWS, Cloudflare und Bloomberg als unterstützenden Mitgliedern. Anthropic gibt an, es gebe mehr als 10’000 aktive öffentliche MCP-Server und MCP werde bereits von Produkten wie ChatGPT, Cursor, Gemini, Microsoft Copilot und Visual Studio Code genutzt. Diese Verbreitungszahlen stammen von Anthropic selbst.

Wer profitiert

Orchestrierung ist dort am wichtigsten, wo ein Prozess mehrere Werkzeuge durchläuft. Ein Lead, der von einem CRM in eine E-Mail-Sequenz und weiter in eine Marketingkampagne wandert, ist ein typisches Beispiel: Jedes Werkzeug kennt nur einen Teil des Bildes, und jemand muss Updates zwischen ihnen weitertragen. Eine Koordinationsebene beseitigt diese manuelle Staffelübergabe. Kleine und mittlere Unternehmen, die bereits ein CRM, E-Mail und einen Marketing-Stack betreiben, können davon profitieren, ohne ihre Werkzeuge zu ersetzen, sofern die Integrationen sauber gebaut und überwacht werden.

Einfache, wiederkehrende, klar definierte Aufgaben sind meist mit schlichter Automatisierung besser bedient, und für viele Textaufgaben genügt ein einzelner, gut formulierter Modellaufruf. Nicht jedes Unternehmen braucht Agenten.

Grenzen und offene Fragen

• Kosten und Komplexität. Sowohl Anthropic als auch Microsoft erklären, dass komplexere Entwürfe Latenz, Kosten und Koordinationsaufwand erhöhen.
• Hype-Risiko. Gartners Warnung vor Agent Washing bedeutet, dass ein als «agentisch» bezeichnetes Produkt gewöhnliche Automatisierung sein kann. Fragen Sie einen Anbieter, welche Schritte das System selbst entscheidet und welche fest vorgegeben sind.
• Frühe Standards. MCP und A2A sind jung. Fragen zu Agentenidentität, delegierter Befugnis und Sicherheit werden noch geklärt, und zum erklärten Fokus der Linux Foundation für A2A gehören Sicherheit und Praxistauglichkeit.
• Verantwortlichkeit. Wenn mehrere Agenten handeln, muss trotzdem jemand für das Ergebnis geradestehen. Siehe unseren Beitrag dazu, warum Agenten eine eigene Infrastruktur bekommen, und unseren Blick auf Aufsichtsbehörden, die ausser Kontrolle geratene Agenten untersuchen.
• Prognosen sind keine Fakten. Gartner prognostiziert laut W.Media, dass bis 2028 mindestens 15 % der alltäglichen Arbeitsentscheidungen autonom durch Agentic AI getroffen werden und 33 % der Unternehmenssoftware-Anwendungen Agentic AI enthalten werden. Dies sind Prognosen.

Wie es weitergeht

Erwarten Sie mehr Standardisierung und mehr Anbieterversprechen. Ein praktisches Vorgehen:

1. Beginnen Sie unten auf der Leiter. Probieren Sie zuerst einen einzelnen Modellaufruf, dann feste Automatisierung, bevor Sie einen Agenten hinzufügen.
2. Ergänzen Sie Orchestrierung, wenn Arbeit mehrere Werkzeuge durchläuft. Wenn Menschen Zeit damit verbringen, Status zwischen Systemen zu kopieren, ist Koordination das eigentliche Problem.
3. Halten Sie Schritte sichtbar. Protokollieren Sie, was jeder Schritt oder Agent getan hat, damit Sie Ergebnisse prüfen können.
4. Begrenzen Sie, worauf Agenten zugreifen dürfen. Geben Sie nur den minimal nötigen Zugriff und verlangen Sie bei folgenreichen Aktionen eine Freigabe.
5. Verlangen Sie von Anbietern konkrete Angaben. Welche Teile entscheiden selbst, welche sind skriptgesteuert, und was passiert, wenn etwas fehlschlägt?
6. Halten Sie Workflows portabel. Offene Protokolle wie MCP und A2A können die Abhängigkeit von einem Anbieter verringern, prüfen Sie aber, was ein Anbieter tatsächlich unterstützt.

Zunkiree Labs baut ein Beispiel für diese Ebene. Orca ist unsere Orchestrierungsebene, die Workflows über CRM-, E-Mail- und Marketingwerkzeuge hinweg koordiniert, ohne sie zu ersetzen. Mehr dazu finden Sie auf der Orca-Produktseite und in unserer Erklärung Was ist Orca?.

Weitere Einblicke

• Warum KI-Agenten eine eigene Infrastruktur bekommen
• KI-Coding-Agenten 2026: Wie Entwickler heute wirklich arbeiten
• FTC untersucht KI-Labore wegen Agenten: Was Unternehmen tun sollten

Quellen

• Anthropic, Building effective agents, 19. Dezember 2024
• Microsoft Learn, Azure Architecture Center, AI agent orchestration patterns, Februar 2026
• Anthropic, Donating the Model Context Protocol and establishing the Agentic AI Foundation, 9. Dezember 2025
• SD Times, Google's Agent2Agent protocol finds new home at the Linux Foundation, 23. Juni 2025
• W.Media, Over 40 percent of Agentic AI projects could face the axe by end of 2027: Gartner, 27. Juni 2025 (berichtet über Gartners Pressemitteilung vom 25. Juni 2025, die nicht direkt abgerufen werden konnte)