Kurz gesagt
Geben Sie jedem Agenten ein überprüfbares Ziel, das den Lauf beendet, harte Grenzen für Schritte, Tokens, Zeit und Ausgaben sowie eine Schleifenerkennung, die ihn stoppt, wenn er sich wiederholt. Kürzen Sie den Kontext, den jeder Schritt mitführt, nutzen Sie einfachen Code für Entscheidungen, die eine Regel treffen kann, und schicken Sie einfache Teilaufgaben an kleine Modelle. Agenten können ein Vielfaches der Tokens eines Chats verbrauchen, daher zahlen sich diese Grenzen schnell aus.
Schritte
- Legen Sie eine Erfolgsprüfung fest, die den Lauf beendet, sobald das Ziel erreicht ist.
- Setzen Sie harte Obergrenzen für Schritte, Tokens, Zeit und Ausgaben und protokollieren Sie, wenn ein Lauf eine davon erreicht.
- Erkennen Sie wiederholte Aktionen oder nahezu identische Nachrichten und stoppen Sie den Lauf.
- Fassen Sie alten Verlauf zusammen oder verwerfen Sie ihn, damit jeder Aufruf weniger lesen muss.
- Nutzen Sie einfachen Code für regelbasierte Entscheidungen und kleine Modelle für einfache Teilaufgaben.
- Protokollieren Sie die Tokens pro abgeschlossener Aufgabe, einschließlich Wiederholungen und gescheiterter Läufe.
Versehen Sie jeden Agenten mit Grenzen und einer Abbruchbedingung, bevor er in den Produktivbetrieb geht. Agenten rufen ein Modell immer wieder auf, und jeder Aufruf trägt meist den wachsenden Verlauf der Aufgabe mit sich.
Warum ist das wichtig?
Anthropic berichtete, dass seine Agenten typischerweise etwa viermal so viele Tokens verbrauchten wie ein Chat und Multi-Agenten-Systeme etwa fünfzehnmal so viele. Cemri und Kollegen analysierten mehr als 1.600 Verläufe aus sieben Multi-Agenten-Frameworks und fanden 14 verschiedene Fehlermuster, von mangelhafter Aufgabenbeschreibung bis zu Agenten, die ihre Arbeit nicht überprüfen. Jedes davon ist eine Art, Tokens auszugeben, ohne ein Ergebnis zu erhalten.
Welche Leitplanken funktionieren?
- Eine Abbruchbedingung. Das Muster der Green Software Foundation zur Agenten-Orchestrierung rät, Agentenschleifen zu beenden, sobald die Ziele erreicht sind, statt eine feste Zahl von Iterationen zu durchlaufen.
- Harte Grenzen. Die meisten Frameworks unterstützen sie; das OpenAI Agents SDK zum Beispiel hat eine Einstellung
max_turns, die einen Lauf bei Überschreitung stoppt. Grenzen sollten sicher scheitern: anhalten und melden, nicht stillschweigend neu versuchen. - Schleifenerkennung. Markieren Sie wiederholte Tool-Aufrufe oder nahezu identische Nachrichten zwischen Agenten.
- Kontext kürzen. Reichen Sie Zusammenfassungen weiter, nicht ganze Dokumente und Logs. Siehe wie Sie verhindern, dass das ganze Gespräch erneut gesendet wird.
- Caching. Stellen Sie dieselbe Frage nicht zweimal: siehe wie Sie Caching nutzen.
Was macht den größten Unterschied?
Das einfachste Design zu nutzen, das funktioniert. Ein festes Skript oder ein einziger gut formulierter Modellaufruf mit einem Tool erledigt die Aufgabe oft. Als Nächstes kommt ein einzelner Agent mit Schrittlimit, und mehrere Agenten nur für breite, wertvolle, wirklich parallele Aufgaben. Ein britisches Green-AI-Sandpit aus Mathematik, Informatik und Industrie im Jahr 2026 benannte Agentenschwärme, die sich in Schleifen verfangen, als reale und zu wenig erforschte Quelle von Verschwendung.
Die Belege finden Sie unter agentische KI und Token-Verschwendung.
Quellen
- How we built our multi-agent research system, Anthropic (2025)
- Why do multi-agent LLM systems fail?, Cemri et al. (2025)
- Running agents (max_turns), OpenAI Agents SDK documentation (2025)
- Optimize agent orchestration to reduce unnecessary model calls, Green Software Foundation, Green Software Patterns (2025)
Verwandte Themen
Agentische KI und Token-Verschwendung
Warum KI-Agenten ein Vielfaches an Token und Energie eines Chats verbrauchen, wie Schleifen sie verschwenden und welche Leitplanken Agenten passend dimensionieren.
Wie leite ich Anfragen an kleinere Modelle weiter?
Routineanfragen an ein kleines, nur schwierige an ein großes Modell leiten und den Router so abstimmen, dass Wiederholungen die Einsparung nicht aufzehren.
Wie senke ich mit Caching den Energieverbrauch von LLM-Aufrufen?
Zwei Arten von Caching, die LLM-Arbeit sparen: Prompt-Caching beim Anbieter für wiederholten Kontext und Ihr eigener Cache gegen doppelte Antworten.
Wie nutze ich KI-Agenten und Deep-Research-Tools ohne Verschwendung?
Wann sich KI-Agenten und Deep-Research-Modi trotz viel höheren Token-Verbrauchs lohnen und wie Sie sie so anleiten, dass sie schnell fertig werden statt zu kreisen.