Automatisierung & KI meistern - Dein No-Code Kurs

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Alle Videos des Tutorials Automatisierung & KI meistern - Dein No-Code Kurs
Marco Gundlach
Von Marco Gundlach Zuletzt aktualisiert am

Stell dir ein Redaktionsteam vor, in dem ein Rechercheur Informationen sammelt, ein Autor den ersten Entwurf schreibt und ein Lektor alles korrigiert. Genau dieses Prinzip übertragen CrewAI und AutoGen auf künstliche Intelligenz. Statt einen einzelnen KI-Assistenten zu befragen, lässt du mehrere spezialisierte Agenten zusammenarbeiten, die Aufgaben untereinander weitergeben.

23 - CrewAI oder Autogen: Wenn’s tiefer in die Tech-Welt geht

Das Video wird erst beim Abspielen von YouTube geladen – dabei werden Daten (u. a. deine IP-Adresse) an YouTube bzw. Google übertragen. Mehr dazu in der Datenschutzerklärung

In dieser Anleitung führe ich dich durch die Oberfläche von CrewAI, zeige dir den Aufbau eines Agenten-Teams und erkläre die Rolle von AutoGen. Dabei orientiere ich mich am Video-Tutorial aus unserem Kurs. Die Benutzeroberflächen dieser Tools entwickeln sich schnell weiter, deshalb können einzelne Menüs bei dir anders aussehen. Die Grundlogik bleibt aber gleich.

Wichtigste Erkenntnisse

  • Multi-Agenten-Frameworks lassen mehrere KI-Agenten mit klar getrennten Rollen zusammenarbeiten, etwa Recherche, Textentwurf und Qualitätskontrolle.
  • CrewAI organisiert eine solche Zusammenarbeit über eine grafische Oberfläche, in der du Agenten, Aufgaben, Tools und Integrationen zusammenstellst.
  • AutoGen ist ein Framework von Microsoft, das deutlich technischer ausgerichtet ist und dir mehr Kontrolle über die Kommunikation der Modelle gibt.
  • Beide Werkzeuge setzen technisches Grundverständnis voraus. Für Kosten, API-Zugänge und Verbindungen zu Drittanbietern musst du vorher planen.

Schritt-für-Schritt-Anleitung

Das Grundprinzip: Agenten mit Rollen

Bevor du ein Tool öffnest, solltest du das Denkmodell verstehen. Ein Agent ist eine KI mit einer festen Aufgabe und einer festen Rolle. Im Beispiel aus dem Video gibt es einen Research-Agenten, der das Internet nach Informationen durchsucht, einen Writer-Agenten, der daraus einen Entwurf erstellt, und einen Rewriter-Agenten, der das Ergebnis prüft und korrigiert. Am Ende steht ein Text, der ohne deinen Eingriff entstanden ist. Wichtig ist: Die Agenten entscheiden innerhalb ihrer Rolle selbst, wie sie vorgehen, und können sich gegenseitig Aufgaben zuteilen. Klassische Automatisierungen aus Tools wie Zapier oder Make folgen dagegen festen Regeln.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Die Startseite von CrewAI erkunden

Auf der Startseite findest du zunächst Informationen zu den Möglichkeiten des Frameworks. Dort werden bekannte Unternehmen als Anwender genannt, und die Plattform beschreibt sich als Lösung für Multi-Agenten-Automatisierung. Hilfreich sind die Use Cases, die von der CrewAI-Community entwickelt wurden. Du kannst dort gezielt nach Kategorien wie „AI Automation“ filtern und sehen, welche Automatisierungen bereits existieren. So bekommst du ein Gefühl dafür, was mit Agenten-Teams realistisch umsetzbar ist.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Fertige Templates nutzen

Ein großer Vorteil sind die vorgefertigten Templates. Sie sind bereits so aufgebaut, dass Agenten, Aufgaben und Abläufe sinnvoll zusammenspielen. Du musst sie lediglich mit deinen eigenen Zugangsdaten, sogenannten Credentials, ausstatten, damit sie auf deine Konten zugreifen können. Gerade am Anfang sparst du dir damit viel Zeit, weil du aus einem funktionierenden Beispiel lernen kannst, statt alles von null zu bauen. Jedes Template hat zudem einen eigenen FAQ-Bereich.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Open Source, Webinare und Blog

Ein Blick auf die Seite zeigt außerdem, dass CrewAI als Open-Source-Projekt verfügbar ist. Du kannst es lokal auf deinem Rechner installieren, beispielsweise über pip. Zusätzlich lohnen sich die Webinare, die neue Funktionen und Verbesserungen an Agenten vorstellen, sowie der Blog mit Neuigkeiten rund um das Framework und die Praxis.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Die Cloud-Testversion anlegen

Wenn du nicht selbst installieren möchtest, bietet sich die Cloud-Testversion an. Du meldest dich an, legst einen Account an und gelangst ins Backend. Dort findest du auf der linken Seite die Bereiche Build, Operate und Manage. Diese Trennung ist sinnvoll, denn im Bereich Build entwirfst du deine Automatisierungen, während du sie im Bereich Operate überwachst.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Den Bereich Build verstehen

Unter Build findest du das Automation Studio und den Marketplace. Im Marketplace liegen die Templates, die du übernehmen und anpassen kannst. Achte beim Blick auf die Details auf die Kostenhinweise. Im Video werden beispielsweise Kosten für die OpenAI-API und für den Suchdienst Serper genannt. Jede Anfrage eines Modells oder einer Suche wird abgerechnet, deshalb solltest du den Verbrauch im Blick behalten.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Agenten anlegen und konfigurieren

Im nächsten Schritt legst du einen neuen Agenten an. Dafür vergibst du eine Rolle, zum Beispiel „Content Researcher“, ein Ziel (Goal) und eine Hintergrundgeschichte (Backstory). Diese Angaben steuern, wie der Agent denkt und handelt. Anschließend wählst du die verfügbaren Tools aus. Ein wichtiges Werkzeug ist das Fetch-Web-Tool, mit dem der Agent Webseiten abrufen und auswerten kann. Außerdem kannst du Crews, also Gruppen von Agenten, auswählen oder neu erstellen.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Integrationen mit Slack, Gmail und Co. einrichten

Unter Integrations verbindest du externe Dienste wie Gmail, Google Drive, Slack oder Notion mit deinen Agenten. Die Verbindung erfolgt meist über eine Authentifizierung mit deinem Konto. Ein praktisches Beispiel aus dem Video: Verbindest du Slack, kann dein Agent Anfragen bearbeiten oder Statusberichte posten. Tritt ein Fehler in deinem Agenten-Team auf, lässt sich dieser direkt an einen Slack-Kanal melden. Solche Ereignisse, die eine Aktion auslösen, nennt man Trigger.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

LLM-Verbindungen und Umgebungsvariablen

Unter LLM Connections hinterlegst du die Sprachmodelle, die deine Agenten nutzen sollen, etwa GPT-4o mini. Dafür benötigst du einen API-Zugang des jeweiligen Anbieters. Unter Environment Variables legst du globale Variablen fest, die in allen Automatisierungen verfügbar sind, beispielsweise Schlüssel oder Konfigurationswerte. Im Bereich Resources findest du Dokumentation, Blog und Video-Tutorials. Die Video-Tutorials eignen sich besonders gut für den Einstieg.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Eine Automatisierung per Prompt generieren

Jetzt wird es spannend. Im Automation Studio kannst du eine Vorlage laden, zum Beispiel „Monitor Website Uptime“. Das System erstellt daraus einen passenden Prompt, den du abschicken oder anpassen kannst. Anschließend erzeugt die Plattform einen Workflow aus mehreren Schritten. Im Video dauerte dieser Vorgang etwa anderthalb Minuten. Du siehst danach, wie die einzelnen Prozesse miteinander verknüpft sind, etwa das Abrufen der Website, die Auswertung durch das Modell und der Versand per E-Mail.

Den fertigen Workflow prüfen und verbinden

Der generierte Workflow ist ein Ausgangspunkt, kein fertiges Produkt. Du erkennst fehlende Verbindungen an den Warnsymbolen. Im Beispiel war Gmail noch nicht angebunden, deshalb musst du dieses Element separat verbinden. Außerdem kannst du Bausteine löschen, umordnen oder neu verknüpfen. Ein Schritt, der nicht zum Ziel passt, lässt sich so gezielt verändern, ohne den gesamten Workflow neu zu erstellen.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Die Crew Studio für komplexe Teams nutzen

Im Crew Studio kannst du ganze Teams abbilden, etwa für eine E-Mail-Marketing-Kampagne. Du beschreibst das Vorhaben, und die Plattform erstellt Agenten wie einen E-Mail-Template-Designer, einen Audience-Segmentation-Specialist und einen Spezialisten für die Auswertung der Performance. Während das System „denkt“, siehst du, wie die einzelnen Crew-Mitglieder nacheinander entstehen. Jeder Agent bearbeitet einen Teil des Prozesses, und die Ergebnisse fließen in die jeweilige Anwendung, etwa HubSpot. Treten Fehler auf, kann eine Benachrichtigung per Mail versendet werden.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Ein Praxisbeispiel: der Content-Agent

Für den Einstieg eignet sich ein überschaubares Beispiel: ein Content-Team für Artikel mit Qualitätssicherung. Dafür brauchst du drei Agenten. Der Content Researcher recherchiert Themen und Quellen, der Content Writer verfasst den Artikel auf Basis dieser Ergebnisse, und der Content Editor prüft und optimiert den Text. Nach dem Start siehst du, wie die Aufgaben nacheinander abgearbeitet werden. Im Modus „Running“ erkennst du den Fortschritt jedes Schritts.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Den Lauf starten und das Ergebnis betrachten

Nach dem Start zeigt die Oberfläche, welcher Agent gerade arbeitet und welche Tasks abgeschlossen sind. Der Research-Schritt nutzt den Suchdienst Serper, der ebenfalls Kosten verursacht. Sobald der Editor fertig ist, liegt der Artikel vor. Dabei fällt auf: Das Ergebnis wird zunächst nirgendwo gespeichert. Du musst den Agenten daher ausdrücklich anweisen, den Text in einer Datei abzulegen.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Die Speicherung in Google Drive einrichten

Damit der Artikel in einer Datei landet, ergänzt du dem Content Editor eine Anweisung, zum Beispiel: Erstelle nach Abschluss eine Textdatei und schreibe die Informationen hinein. Anschließend musst du die Verbindung zu Google Drive herstellen. Im Video klappte das beim ersten Versuch nicht, Google verweigerte die Berechtigung. Erst beim zweiten Anlauf funktionierte die Verbindung. Plane für solche Schritte also etwas Geduld ein und prüfe die Berechtigungen sorgfältig. Sinnvoll ist außerdem, Datei und Uhrzeit im Dateinamen zu berücksichtigen, damit mehrere Durchläufe nicht überschrieben werden.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Den Ablauf wiederholen und automatisieren

Im letzten Teil des Praxisbeispiels geht es um die Wiederholung. Du kannst den Workflow stündlich oder täglich automatisch ausführen lassen. Jeder Durchlauf erzeugt dann eine neue Datei. Diese Logik entspricht einem Team im Unternehmen: Ein Projektmanager erteilt den Auftrag, ein Programmierer setzt ihn um, und danach prüfen Kolleginnen und Kollegen den Code und das Ergebnis. Mit CrewAI bildest du genau diese Abfolge digital ab.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

AutoGen: das technische Gegenstück

Zum Abschluss lohnt ein Blick auf AutoGen. Die Projektseite von Microsoft Research informiert über Funktionen, Forschungspublikationen, Videos und Dokumentation. Verlinkt sind außerdem Community-Kanäle wie GitHub, Discord und LinkedIn. AutoGen eignet sich vor allem für Entwickler, die festlegen möchten, wie verschiedene Modelle miteinander kommunizieren. Die Installation erfolgt über pip. Anschließend startest du die Oberfläche AutoGen Studio mit einem Befehl im Terminal. Die Bedienung wirkt einfach, dahinter steckt jedoch viel Technik. Wenn du keine Programmierkenntnisse mitbringst, ist ein Werkzeug mit einer ausgereiften Oberfläche wie CrewAI der bessere Startpunkt.

CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt
CrewAI und AutoGen: Multi-Agenten-Systeme einfach erklärt

Zusammenfassung – CrewAI und AutoGen: So arbeiten KI-Agenten im Team zusammen

CrewAI und AutoGen zeigen, wohin sich Automatisierung entwickelt: weg von starren Regeln, hin zu Teams aus KI-Agenten, die selbstständig Entscheidungen treffen und Aufgaben untereinander verteilen. CrewAI bietet dir dafür eine grafische Oberfläche mit Templates, Integrationen und einer Cloud-Testversion. AutoGen richtet sich an technisch versierte Anwender, die die Kommunikation der Modelle selbst gestalten möchten. Beide Werkzeuge verlangen Einarbeitung, Geduld bei Verbindungen und ein Auge für Kosten. Wer Schritt für Schritt vorgeht, zuerst ein Template übernimmt und dann eigene Agenten ergänzt, gewinnt schnell ein belastbares Verständnis für Multi-Agenten-Systeme.

FAQ

Was ist der Unterschied zwischen CrewAI und AutoGen?CrewAI organisiert die Zusammenarbeit mehrerer Agenten über eine grafische Oberfläche, während AutoGen ein technisches Framework von Microsoft ist, bei dem du selbst festlegst, wie Modelle miteinander kommunizieren.

Muss ich programmieren können, um CrewAI zu nutzen?Für den Einstieg mit Templates und der Cloud-Oberfläche sind keine tiefen Programmierkenntnisse nötig, technisches Grundverständnis hilft dir aber deutlich.

Was kostet der Betrieb eines Agenten-Teams?Die Kosten entstehen vor allem durch API-Zugriffe auf Sprachmodelle wie OpenAI und durch Suchdienste wie Serper, die im Backend transparent angezeigt werden.

Was ist ein Trigger?Ein Trigger ist ein Ereignis, das eine Aktion auslöst, etwa eine Fehlermeldung, die automatisch an einen Slack-Kanal gesendet wird.

Warum wird mein Ergebnis nicht gespeichert?Der Agent speichert nur dann, wenn du ihn ausdrücklich anweist, und dafür muss eine Verbindung zu einem Speicherdienst wie Google Drive bestehen.

Ist AutoGen kostenlos?AutoGen ist ein Open-Source-Projekt von Microsoft, die Nutzung der angebundenen Sprachmodelle über APIs verursacht aber weiterhin Kosten.

Marco Gundlach
Trainer Über Marco Gundlach Marco Gundlach kommt aus der Projektpraxis, nicht aus dem KI-Hype. Über 14 Jahre hat er Digitalisierungs- und IT-Projekte verantwortet, unter anderem bei Hugo Boss, Fressnapf und Aktion Mensch. Alle Kurse von Marco Gundlach