Kestra 1.0 führt KI-Agenten für autonome Workflow-Orchestrierung ein

ArtikelAnna GellerAnkündigung

Kestra hat mit Version 1.0 KI-Agenten als native Tasks integriert. Workflows sind damit nicht mehr rein statisch definiert, sondern nutzen LLMs, persistente Speicher und Tools, um dynamisch Entscheidungen zu treffen und Prozesse deklarativ zu steuern.

Das Wichtigste

  1. KI-Agenten bestehen aus drei Komponenten: System-Message und Prompt zur Steuerung, Speicher für zustandsbehaftete Abläufe sowie Tools.
  2. Unterstützte Tools umfassen Websuche (Tavily, Google Custom Search), Codeausführung via Judge0, beliebige Kestra-Tasks und Kestra-Flows, Dateisystem-Operationen und MCP-Clients.
  3. Als Speicher-Backends stehen der interne Kestra KV Store sowie Redis mit TTL-Unterstützung bereit.
  4. Zahlreiche Modell-Provider werden unterstützt, darunter OpenAI, Google Gemini, Anthropic, Mistral AI, Amazon Bedrock, Azure OpenAI, Google Vertex AI, DeepSeek und Ollama.
  5. Agenten erfassen Metriken inklusive Token-Nutzung automatisch, können strukturiertes JSON ausgeben und in Multi-Agenten-Setups zusammenarbeiten.
  6. Da Agenten nicht-deterministisch sind sowie zusätzliche Latenz und Kosten verursachen, empfiehlt Kestra die Kombination aus traditionellen Tasks für wiederholbare Schritte und Agenten für adaptive Abläufe.

Warum das relevant ist

Orchestrierungs-Engines entwickeln sich weg von starren DAGs hin zu hybriden Systemen. Entwickler können deterministische Daten-Pipelines mit autonomen KI-Schritten kombinieren, ohne auf Governance, Code-basierte Konfiguration und Observability verzichten zu müssen.

Einordnung

Kestra bettet KI-Agenten direkt in sein deklaratives Orchestrierungsmodell als normale Tasks ein. Dadurch können bestehende Kestra-Flows oder MCP-Schnittstellen direkt als Werkzeuge angesteuert werden. Anna Geller betont dabei realistisch die Grenzen: Für geschäftskritische, strikt reproduzierbare Abläufe eignen sich Agenten wegen ihres Nicht-Determinismus, höherer Latenzen und laufender LLM-Kosten nur bedingt. Der Mehrwert liegt in der flexiblen Verknüpfung beider Paradigmen.

Erwähnte Links

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Artikel:LangChain Inc.

    LangGraph: Low-Level-Orchestrierung für zustandsbehaftete KI-Agenten

    LangGraph von LangChain Inc. ist ein Orchestrierungs-Framework und eine Laufzeitumgebung für komplexe, langlebige KI-Agenten. Es erlaubt Entwicklern, deterministische Programmlogik mit LLM-basierten Schritten in einem gemeinsamen Graph zu verbinden. LangGraph funktioniert unabhängig von der Hauptbibliothek LangChain und setzt Schwerpunkte auf Persistenz, Human-in-the-Loop-Workflows und Memory-Management.

    KI & AI· Sammlung

  • Link:Anna Gutowska

    Was sind KI-Agenten? Grundlagen, Architektur und Workflows laut IBM

    Ein Leitfaden von IBM definiert KI-Agenten als autonome Systeme, die auf Basis von Large Language Models selbstständig Workflows planen, Aufgaben zerlegen und externe Werkzeuge einsetzen. Im Gegensatz zu statischen Sprachmodellen beschaffen sich agentische Systeme aktuelle Informationen über APIs, Datenbanken oder andere spezialisierte Agenten und passen ihr Verhalten über Feedbackschleifen laufend an.

    KI & AI· Sammlung

Zurück zur Wissensbasis

Lassen Sie uns über Ihr Projekt sprechen

Kontakt aufnehmen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.