Wann Sie einen Agent verwenden sollten

Bevor Sie etwas mit Claude entwickeln, treffen Sie eine wichtige Entscheidung: Wie viel Autonomie benötigt die Aufgabe? Es gibt drei Muster:

• Einfacher Prompt – eine Anfrage, eine Antwort.
• Feste Pipeline – eine bekannte Abfolge von Schritten, die Sie selbst verdrahten.
• Agent – Das Modell entscheidet, welche Tools wann aufgerufen werden, und wiederholt den Ablauf, bis die Arbeit erledigt ist.

Die richtige Wahl ist eine Architekturentscheidung. Wenn Sie zu viel bauen, entstehen zusätzliche Kosten und Fehlerquellen; wenn Sie zu wenig bauen, kann die Aufgabe nicht abgeschlossen werden. In dieser Lektion lernen Sie, die richtige Wahl zu treffen.

Ein einfacher Prompt ist ein einzelner API-Aufruf: Sie senden eine system-Nachricht zusammen mit messages und erhalten eine Antwort zurück. Keine Tools, keine Schleife.

Verwenden Sie ihn, wenn die Aufgabe in sich abgeschlossen ist: zum Umschreiben eines Textes, Zusammenfassen eines Absatzes, Klassifizieren eines Satzes oder Beantworten einer Frage anhand eines gegebenen Kontexts. Wenn alles, was das Modell benötigt, bereits im Prompt enthalten ist, brauchen Sie nichts weiter.

Denken Sie daran: Das Modell behält keinen Zustand. Jeder Aufruf ist unabhängig – wenn Sie den Zusammenhang erhalten möchten, müssen Sie den vollständigen messages-Verlauf selbst erneut senden.

Eine feste Pipeline verknüpft mehrere Schritte in einer vorgegebenen Reihenfolge. Sie – als Architekt – legen die Abfolge im Code fest. Schritt 1 liefert die Eingabe für Schritt 2, dieser wiederum für Schritt 3.

Dies wird auch als Prompt-Chaining bezeichnet. Verwenden Sie es, wenn die Schritte bekannt und sequenziell sind: Felder extrahieren, anschließend validieren und dann einen Bericht formatieren. Das Modell wählt den Pfad nie selbst – Sie haben ihn im Voraus festgelegt.

Pipelines sind vorhersehbar und leicht zu debuggen, da der Kontrollfluss festgelegt ist. Der Nachteil ist die Starrheit: Sie können sich nicht anpassen, wenn eine Aufgabe je nach Ergebnis unterschiedliche Schritte erfordert.

Ein Agent übergibt den Kontrollfluss an das Modell. Sie geben Claude ein Ziel und eine Reihe von tools, und das Modell entscheidet, welches Tool aufgerufen wird, prüft das Ergebnis und entscheidet, was als Nächstes zu tun ist – in einer Schleife, bis das Ziel erreicht ist.

Das entscheidende Merkmal: Die Entscheidungen werden vom Modell getroffen und sind nicht fest im Code hinterlegt. Sie wissen im Voraus weder, wie viele Schritte erforderlich sein werden, noch welche Tools verwendet werden.

Verwenden Sie einen Agenten, wenn der Pfad offen ist: etwa bei der Untersuchung eines Fehlers, der Recherche zu einem Thema über mehrere Quellen hinweg oder der Bearbeitung eines Kundenanliegens, das je nach Ergebnis eine Abfrage, eine Rückerstattung oder eine Eskalation erfordern kann.

Ein Agent führt eine durch die Antwort und deren stop_reason gesteuerte Schleife aus:

• Senden Sie die Anfrage.
• Prüfen Sie stop_reason.
• Wenn der Wert tool_use lautet, führen Sie die angeforderten Tools aus, hängen Sie die Ergebnisse an den Nachrichtenverlauf an und senden Sie die Anfrage erneut.
• Wiederholen Sie dies, bis stop_reason den Wert end_turn hat.

Sie beenden die Schleife anhand des Stop-Grunds – des Signals der API, dass der Durchlauf abgeschlossen ist. Das ist der Kern jedes Agenten.

Ein häufiger und gefährlicher Fehler besteht darin, die Schleife zu beenden, indem die Antwort des Modells nach Wörtern wie „done“ oder „finished“ durchsucht wird. Das Modell könnte mitten in seinen Überlegungen „done“ sagen oder das Wort überhaupt nicht verwenden. Dies ist ein klassisches Anti-Pattern.

Beenden Sie die Schleife immer anhand von stop_reason – end_turn bedeutet, dass der Durchlauf abgeschlossen ist. Der Stop-Grund ist ein strukturiertes und zuverlässiges Signal; Freitext ist es nicht.

Iterationslimits (eine maximale Anzahl von Schleifendurchläufen) sind ein Sicherheitsnetz, das Endlosschleifen verhindert – sie dürfen niemals der primäre Mechanismus zum Beenden sein. Das eigentliche Stoppsignal ist immer der Stop-Grund.

Hier ist die eine Frage, die über Agent oder Pipeline entscheidet:

Kennen Sie die Schritte im Voraus?

• Ja, festgelegt und sequenziell → Verwenden Sie eine feste Pipeline (Prompt-Chaining). Sie ist günstiger, schneller und leichter zu debuggen.
• Nein, offene Untersuchung → Verwenden Sie einen Agenten mit adaptiver Aufteilung in Teilaufgaben.

Wenn eine Aufgabe überhaupt keine externen Daten oder Aktionen benötigt und in einem einzigen Aufruf erledigt werden kann, brauchen Sie nicht einmal eine Pipeline – ein einfacher Prompt genügt. Verwenden Sie immer das einfachste Muster, das die Aufgabe erfüllt.

Agenten sind leistungsfähig, weil das Modell Entscheidungen trifft – diese Entscheidungen sind jedoch probabilistisch (etwa zu 90 % zuverlässig) und nicht sicher. Daher gilt eine zweite Regel:

Lassen Sie das Modell entscheiden; verwenden Sie festen Code für Garantien.

Wenn eine falsche Aktion finanzielle, rechtliche oder sicherheitsrelevante Folgen hat – etwa eine hohe Rückerstattung –, verlassen Sie sich nicht auf einen Prompt. Erzwingen Sie die Regel deterministisch mit einem Hook oder einer programmatischen Vorbedingung. Prompts geben die Richtung vor; Hooks garantieren die Einhaltung.

Damit ist ein Agent die passende Struktur, während kritische Regeln weiterhin durch umgebenden Code durchgesetzt werden. Beides steht nicht im Widerspruch.

Verwenden Sie nicht nur deshalb einen Agenten, weil er modern wirkt. Eine feste Pipeline ist die bessere Wahl, wenn:

• die Abfolge der Schritte bekannt und stabil ist;
• Sie vorhersehbare Kosten und Latenz benötigen (ohne offene Schleifen);
• Sie einen Kontrollfluss brauchen, der sich leicht testen und debuggen lässt.

Beispiel: die Extraktion strukturierter Daten, bei der Sie immer zuerst extrahieren, dann validieren und anschließend formatieren. Der Pfad ändert sich nie, daher ist es richtig und robust, ihn fest zu codieren. Zusätzliche Autonomie durch einen Agenten würde hier ohne Nutzen lediglich Nichtdeterminismus und Kosten verursachen.

Wählen Sie einen Agenten, wenn die Aufgabe tatsächlich offen ist und der Pfad davon abhängt, was unterwegs entdeckt wird:

• Fehleruntersuchung – Einstiegspunkte mit grep suchen, Dateien lesen und Verwendungen verfolgen; den Ablauf können Sie nicht im Voraus als Skript festlegen.
• Recherche über mehrere Quellen – ein Koordinator zerlegt die Frage und delegiert sie an Subagenten.
• Kundensupport – bei einem Anliegen ist eine Abfrage erforderlich, bei einem anderen eine Rückerstattung und bei einem weiteren eine Eskalation.

In all diesen Fällen hängt der nächste Schritt vom letzten Ergebnis ab. Genau diese Abhängigkeit kann eine Agent-Schleife verarbeiten, eine feste Pipeline hingegen nicht.

Prüfen Sie jede neue Aufgabe anhand dieser kurzen Checkliste:

• Ein einziger, in sich abgeschlossener Aufruf? → einfacher Prompt.
• Bekannte, feste Abfolge von Schritten? → feste Pipeline.
• Offen, wobei der Pfad von den Ergebnissen abhängt? → Agent.
• Kritische Regel (Geld / Recht / Sicherheit)? → Erzwingen Sie sie mit einem Hook – unabhängig vom gewählten Muster.

Wählen Sie standardmäßig das einfachste funktionierende Muster. Fügen Sie nur dann Autonomie hinzu, wenn die Aufgabe sie wirklich benötigt – und sorgen Sie überall dort für deterministische Durchsetzung, wo ein Fehler kostspielig wäre. Dieses Gleichgewicht unterscheidet einen Architekten von jemandem, der nur ausprobiert.

Die wichtigsten Punkte:

• Einfacher Prompt – in sich abgeschlossen, ein Aufruf, kein Zustand (den vollständigen Verlauf senden Sie selbst erneut).
• Feste Pipeline – bekannte, sequenzielle Schritte; vorhersehbar, günstig und leicht zu debuggen.
• Agent – ein offener Pfad, über den das Modell zur Laufzeit mithilfe der Agent-Schleife entscheidet.
• Die Schleife endet bei stop_reason == end_turn, niemals durch das Parsen von Text; Iterationslimits sind nur ein Sicherheitsnetz.
• Entscheidungen des Modells sind probabilistisch; setzen Sie kritische Regeln zu Geld, Recht und Sicherheit mit Hooks oder programmatischen Vorbedingungen durch, um deterministische Garantien zu erhalten.
• Wählen Sie standardmäßig das einfachste Muster, das die Aufgabe erfüllt.

Wenn Sie diese Entscheidung beherrschen, lässt sich der Rest der Agentenarchitektur sauber darauf aufbauen.