Die Anatomie erfolgreicher Agenten

Der Agent ist der Mitarbeiter – nicht das LLM

Der erste Denkfehler passiert schon beim Begriff selbst: Das LLM ist nicht der Agent. Das LLM ist das Gehirn des Agenten. Ein Agent ist der komplette Mitarbeiter: das Gehirn, die Hände und ein Nervensystem, das beides verbindet. Jeder dieser Teile braucht eine eigene Infrastruktur, eine eigene Laufzeitumgebung, und eigene Kosten.

• Das Gehirn (LLM) denkt, plant und formuliert. Es sitzt in der Regel nicht im eigenen Haus, sondern extern – ein API-Call an Anthropic, OpenAI oder einen selbst gehosteten Modell-Server. Nur wer ein eigenes Modell betreibt, braucht dafür eigene (meist GPU-)Rechenleistung.
• Die Hände (MCP) sind das, womit der Mitarbeiter selbst zupackt: eine Datenbank abfragen, eine Datei schreiben, eine API aufrufen. Jedes Werkzeug – Datenbank, CRM, Dateisystem – läuft als eigener MCP-Server, auf eigener Infrastruktur, unabhängig vom Mitarbeiter selbst.
• Das Nervensystem ist der Code, der beides verbindet: der Loop, der einen Gedanken des Gehirns ("ich brauche Daten aus der Kundendatenbank") in eine Handbewegung übersetzt, das Ergebnis zurückgibt und den nächsten Gedanken anstößt. Das ist kein Nebenprodukt – es ist ein Prozess, der aktiv läuft, solange der Mitarbeiter "wach" ist, und der oft der am leichtesten übersehene Kostenpunkt ist.

Diese drei Teile zusammen – Gehirn, Hände, Nervensystem – sind der Agent. Nicht mehr, nicht weniger.

Wenn der Mitarbeiter nicht weiterkommt: das Telefon

Manchmal reichen die eigenen Hände nicht. Dann greift der Mitarbeiter zum Hörer und ruft einen Kollegen an – vielleicht in einer anderen Abteilung, vielleicht bei einer anderen Firma. Das ist A2A (Agent-to-Agent): Ein Agent schickt eine Aufgabe an einen anderen Agenten, der komplett auf seinem eigenen Schreibtisch denkt und handelt – eigenes Gehirn, eigene Hände, eigenes Nervensystem. Man bekommt nur das Ergebnis über den Telefonhörer zurück, keinen Einblick, was der andere dafür alles angefasst hat: wie beim Telefonieren sieht man das nicht. 

Der entscheidende Unterschied zu MCP: MCP ist stumm, A2A ist ein Gespräch. Ein Werkzeug denkt nicht mit. Ein anderer Agent schon.

Der Bürochef: ein Agent mit Überblick

Sobald mehr als ein Mitarbeiter im Spiel ist, braucht es jemanden, der koordiniert – den Orchestrator. Wichtig: Der Orchestrator ist nicht Teil des Mitarbeiters, er ist eine eigene Instanz außerhalb davon. Wie ein Vorarbeiter oder Bürochef entscheidet er, welcher Mitarbeiter für welche Aufgabe eingesetzt wird, und stattet ihn aus:

• Er reicht ihm einen Auszug aus dem Telefonbuch (der Agent Registry) – welche Kollegen darf er in diesem Fall anrufen?
• Er reicht ihm die passenden Werkzeuge aus dem Inventar (der Tool Registry) – welche Hände-Optionen stehen ihm für diese Aufgabe zur Verfügung?

Beide Registries sind reine Nachschlagewerke – kein Denken, keine Handlung, nur Metadaten (welche Tools gibt es, welche Agenten sind erreichbar, mit welchen Schemas und Berechtigungen). Aber auch Nachschlagewerke müssen irgendwo gehostet werden.

Damit sind wir bei mindestens fünf getrennten Compute-Stellen, die gleichzeitig laufen und bezahlt werden müssen:

1. Das Gehirn jedes Agenten (LLM-Hosting)
2. Das Nervensystem jedes Agenten (der Orchestrierungs-Loop im Agenten selbst)
3. Die Hände / MCP-Server, die benutzt werden
4. Der Bürochef / Orchestrator, der Mitarbeiter auswählt und ausstaffiert
5. Die Registries (Telefonbuch, Werkzeuginventar), die der Bürochef konsultiert

Und die Liste ist noch nicht mal unbedingt vollständig: Optional könnte man noch ein Agent-Memory hinzufügen, also ein Langzeitgedächtnis, das technisch in ganz unterschiedlichen Arten und Weisen umgesetzt werden könnte. Genau deswegen würde es aber hier den Rahmen sprengen und daher lasse ich es an dieser Stelle außen vor.

Kein einzelner dieser Punkte ist "der Agent". Und "einen Agenten nehmen" heißt in Wirklichkeit: mindestens fünf Infrastrukturentscheidungen treffen und dauerhaft betreiben.
Und ja: man kann die Befähigung auch anders schneiden, als hier beschrieben. Man kann z.B. die Tool-Auswahl an einen Agenten delegieren (mehr Autonomie) oder man kann selbst den Orchestrator die Tools nicht auswählen lassen (weniger Autonomie). Das ist eine Entscheidung des Firmenchefs!

Die oberste Ebene: der Firmenchef ist ein Mensch wie Du und ich 

Eine Ebene fehlt noch – und sie ist anders als alle davor, weil sie kategorial keine Technik ist: der Firmenchef. Er ist der einzige Mensch in diesem ganzen Bild. Er legt fest:

• was überhaupt erreicht werden soll (das Geschäftsziel)
• welche Büros bzw. Orchestratoren es gibt
• welche Mitarbeiter eingestellt werden
• welche Werkzeuge grundsätzlich zugelassen sind – eine Governance- und Security-Entscheidung
• mit welchen externen Firmen überhaupt telefoniert werden darf

Der entscheidende Punkt: Der Firmenchef ist kein Compute. Er läuft nirgends im System. Er entwirft und genehmigt die Architektur, ist aber nicht Teil davon. Jede neue Tool-Freigabe, jeder neue Agent, jede neue externe Verbindung ist am Ende eine Entscheidung von hier oben – alles darunter ist nur die technische Umsetzung.

Fazit: kein Ort, an dem "der Agent läuft"

Wer frägt "wo läuft das dann?", bekommt keine einzelne Antwort. Es ist ein kleines verteiltes System aus mehreren unabhängig laufenden, unabhängig skalierenden und unabhängig ausfallenden Komponenten: Gehirn, Nervensystem, Hände, Bürochef, Registries – plus fremde Infrastruktur, die man selbst gar nicht kontrolliert.

Das ist keine schlechte Nachricht. Es ist der Grund, warum diese Architektur robust und flexibel skaliert – jede Komponente kann für sich wachsen, ausfallen oder ersetzt werden, ohne die anderen mitzureißen. Es bedeutet aber auch: "Da nimmt man halt einen Agenten" ist ein Satz, der viele Teile involviert und kein