Graph Engineering für KI-Agenten: Parallele Workflows statt linearer Ketten

X-PostrvaniaaaAnleitung

rvaniaaa argumentiert, dass die Leistungsbremse moderner Multi-Agenten-Systeme nicht in den Sprachmodellen liegt, sondern in ihrer geometrischen Struktur. Statt Agenten sequenziell nacheinander auszuführen, empfiehlt der Autor den Wechsel zu Graph-Architekturen mit strikter Trennung von Aufgaben und Kontexten.

Das Wichtigste

  1. Sequenzielle Ketten erzeugen 'Fake Edges': Oft warten nachfolgende Agenten unnötig aufeinander, obwohl keine tatsächliche Datenabhängigkeit besteht.
  2. Ein Knoten (Node) sollte genau eine isolierte Aufgabe besitzen und Ausgaben über feste Schemas definieren, um Parallelisierung und Fehlersuche zu ermöglichen.
  3. Das Diamant-Muster: Paralleles Ausschwärmen (Fan-out), Zusammenfassen über einfachen Code ohne LLM-Tokens (Reduce), Prüfen (Verify) und finales Zusammenführen (Synthesize).
  4. Strikte Kontext-Trennung bei der Validierung: Ein Prüf-Agent darf niemals den Konversationsverlauf des erzeugenden Agenten teilen, da er dessen Halluzinationen sonst unkritisch bestätigt.
  5. Als Beispiel für die Effizienz nennt der Autor einen Software-Rewrite von 535.000 Zeilen Code in 11 Tagen, der 165.000 US-Dollar an Token-Kosten verursachte.

Warum das relevant ist

Viele Entwickler verknüpfen Agenten nach wie vor in einfachen linearen Pipelines. Der Übergang zu gerichteten Graphen eliminiert künstliche Wartezeiten drastisch und senkt Latenzen auf die Ausführungszeit der jeweils langsamsten parallelen Ebene.

Einordnung

Der Leitfaden verdeutlicht ein Kernproblem agentischer Architekturen: Schleifen und Ketten mit geteiltem Kontext neigen zu Fehlern nach Goodharts Gesetz oder bestätigen eigene Annahmen. rvaniaaa zeigt auf, dass deterministischer Code zur Datenreduktion und isolierte Kontexte für Verifizierer notwendig sind, um skalierbare und robuste Agentenflotten aufzubauen.

Original-Post

rvaniaaa

@rvaniaaaa · 19. September 2026

I still don't understand why everyone is still running agents in a line. I switched to graphs three weeks ago and my fleet finished in the time my single agent used to spend on step two. what slows every agent system I have seen is not intelligence. it is geometry. and almost t.co/eGCZTdLQPb t.co/ckUo12iCbH

1607 Likes48 Antworten2940 Lesezeichen233.478 Aufrufe

Auf X ansehen
Ausgewählte Antworten (5)
  • @undefinedKi @rvaniaaaa nodding along to itself in a different window is a great way to put it
  • @ASaltyVet @rvaniaaaa @grok give me the tldr and larp rating
  • @st4lz @rvaniaaaa How do you manage merge conflicts?
  • @hermes_f @rvaniaaaa While this sounds amazing, I struggle to understand how this works outside of straight up API usage. For most of us, we’re using the built in Codex/Claude harness and we’re not building agents via JS scripts cause that’s gonna cost us extra.
  • @xchatgcp @rvaniaaaa 这个判断很准:多 agent 的性能瓶颈经常不是模型,而是依赖图把本可并行的步骤排成了队。落地时我会先画出数据依赖和失败边界,再决定哪里并行、哪里保序;否则只是把串行等待换成更多调度开销。

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

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • X-Post:Mahax

    Graph Engineering: Warum Agenten-Workflows ohne Graphen scheitern

    Mahax zitiert Andrej Karpathy mit der Aussage, dass Prompting verschwinden und nur Graphen-Strukturen übrig bleiben werden. In einem verlinkten Leitfaden erklärt Mahax die Grundlagen des Graph Engineering mit Claude sowie Methoden zur Parallelisierung von AI-Workflows.

    2352Lesezeichen240.822Aufrufe

    KI & AI· Meinung

  • X-Post:Codez

    Graph Engineering für Agenten: Roadmap für parallele Workflows in Claude Code

    Ein X-Post von Codez zitiert Boris Cherny, den Entwickler von Claude Code, mit der Aussage, dass agentenbasierte Systeme künftig über Graphen und Schleifen statt über einfaches Prompting gebaut werden. Der Beitrag verweist auf einen Leitfaden zur Strukturierung komplexer Multi-Agenten-Architekturen.

    5446Lesezeichen549.183Aufrufe

    KI & AI· Sammlung

  • Video

    Video:AI LABS

    Graph Engineering für KI-Agenten: Parallele Workflows und Verifikation

    Graph Engineering löst lineare Schleifen (Loop Engineering) ab, indem Aufgaben auf mehrere parallel laufende Sub-Agenten verteilt werden. Der Kanal AI Labs erläutert die Struktur aus Knoten und Kanten, Risiken durch kaskadierende Fehler und konkrete Verifikationsstrategien mit Claude Code.

    KI & AI· Anleitung

  • X-Post:codila

    Graph Engineering: Multi-Agenten-Systeme und dynamische Workflows

    Codila verweist auf einen kostenlosen zweistündigen Google-Kurs zum Thema Graph Engineering für Multi-Agenten-Systeme und erläutert in einem Leitfaden, wie sich lineare Agenten-Ketten durch vernetzte, parallele Graphen ersetzen lassen. Anhand von Dynamic Workflows in Claude Code v2.1.154+ wird demonstriert, wie Hunderte Agenten parallel arbeiten, ohne den Chat-Kontext zu überlasten.

    6799Lesezeichen465.379Aufrufe

    KI & AI· Anleitung

  • X-Post:nicco

    Graph Engineering statt Prompting: Warum Agenten-Workflows Graphstrukturen brauchen

    Ein Beitrag von nicco greift Aussagen von Andrej Karpathy auf, wonach Prompting nur eine Übergangsstufe war und Graph-Architekturen die Zukunft von Agenten-Systemen bilden. Ergänzt wird dies durch einen Leitfaden von seeco zur Ablösung linearer Agenten-Ketten durch explizite Graphen.

    529Lesezeichen58.536Aufrufe

    KI & AI· Sammlung

Lassen Sie uns über Ihr Projekt sprechen

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.