// SEITEN
320
[ 03 · USP ] // SERVICE DETAIL · MULTI-AGENT
Sechs Agenten.
Ein Prozess.
Eine Verantwortung.
Multi-Agent-Systeme entwickeln lassen.
Statt eines monolithischen „KI-Tools" bauen wir spezialisierte Agenten, die wie ein eingespieltes Team arbeiten — Recherche, Schreiben, Review, Freigabe. Jede Schicht testbar, jeder Schritt nachvollziehbar, jede Entscheidung mit Audit-Trail.
// 02 · KERN-THESE01
Ein Modell, das alles macht, macht alles mittelmäßig.
Sechs Modelle, die je eines können — machen es exzellent.
Single-Agent-Setups („ChatGPT mit Datenbank") scheitern in Production an Konsistenz: Halluzinationen werden Feature-statt-Bug, jede Domain-Frage öffnet die Black-Box neu, und Anpassungen rütteln am gesamten Prompt-Gefüge.
Multi-Agent dreht das um: jeder Agent hat eine klar definierte Rolle, einen begrenzten Tool-Zugriff und Eval-Tests, die nur seinen Ausschnitt prüfen. Der Orchestrator routet Aufgaben — wie ein Team-Lead, der weiß, wer wofür gut ist.
Du gewinnst: Debuggability (jeder Schritt loggbar), Austauschbarkeit (Modell-Wechsel pro Rolle), und vor allem — eine Architektur, die deine Compliance-Abteilung versteht.
[ 03 ] // ARCHITEKTUR · ROLLEN
So arbeitet ein Multi-Agent.
// 01 · ORCHESTRATOR
Magnus
Routet Aufgaben, verwaltet State, entscheidet welcher Agent als Nächstes ran muss. Kein Tool-Access — nur Koordination.
LangGraphState Machine
→
// 02 · RESEARCHER
Atlas
Sammelt Quellen, verifiziert Fakten, baut Faktenlage. Liest Web, interne Docs, CRM. Liefert Outline.
Web SearchRAGCRM
→
// 03 · WRITER
Mira
Schreibt Long-Form aus Outline. Befolgt Brand-Voice, SEO-Regeln, Format-Vorgaben. Liefert Draft.
Style-GuideTemplates
↓
// 04 · CRITIC
Vera
Reviewt Draft auf Konsistenz, Quellen-Treue, Tonality. Markiert Schwachstellen, schlägt Re-Writes vor. Versteht Brand.
Eval-SuiteBrand-RulesStyle-Guide
// 05 · EDITOR
Sam
Wendet Critic-Feedback an, finalisiert Tonalität, prüft SEO-Keywords. Liefert publish-ready Output.
SEO-CheckerLinting
[ 04 ] // WAS DAS SYSTEM KANN
Sechs echte Fähigkeiten, keine Demos.
// 01
Mehrstufiges Reasoning mit Quellen.
Recherche → Outline → Draft → Review → Edit. Jede Stufe loggbar, jeder Schritt nachvollziehbar. Quellen werden bis zur finalen Zeile mitgeführt.
// 02
Tool-Use via MCP.
Agenten greifen über Model Context Protocol auf eure Systeme zu — CRM, Files, internes Search, Custom-APIs. Standardisiert, austauschbar, getestet.
// 03
Persistente Memory.
Short-Term (Session) und Long-Term (Vector Store) Memory. Agenten erinnern sich an frühere Konversationen, lernen aus Korrekturen, vermeiden Wiederholungen.
// 04
Self-Eval + Auto-Retry.
Jeder Output durchläuft Eval-Checks bevor er weitergegeben wird. Fail → Retry mit angereichertem Kontext. Nach 3 Fails → Eskalation an Mensch.
// 05
Parallel-Branches + Merge.
Mehrere Agenten arbeiten parallel an verschiedenen Aspekten (Recherche-Quellen A vs. B), Orchestrator merged Resultate. Bis 4× schneller als sequentielle Setups.
// 06
Audit-Trail + Replay.
Jeder Lauf vollständig reproduzierbar. Compliance-Frage "Wie kam dieser Output zustande?" → Replay mit Trace + Tools + Sources. Nicht erfunden — gebaut.
// FEATURED CASE · LIVE// PROOF · CASE STUDY
320 Seiten Stadtgeschichte. Drei Stunden.
„Teela ist das beste Produkt, das ich im Kreativ-Bereich bisher kennengelernt habe."
// DR. DR. REINHARD KALLENBACH · HISTORIKER UND AUTOR · 2026
// BILDER
724
// ZEIT
3 Std.
// AUTONOMIE
90%
[ 06 ] // SCOPE · TRANSPARENZ
Was du bekommst.
Was du nicht bekommst.
+Im Lieferumfang
Sechs spezialisierte Agenten.
+Magnus-Orchestrator + 5 Worker-Agents (Researcher, Writer, Critic, Editor, Publisher)
+RAG-Pipeline mit Pgvector + Hybrid-Retrieval auf eurer Datenbasis
+Custom Eval-Suite mit min. 200 Test-Cases auf euren echten Daten
+Human-in-the-Loop Review-UI (React, Tailwind, in eurer Cloud deploybar)
+Observability via Langfuse mit Cost-, Latenz-, Quality-Metriken
+Vollständige Doku, Runbooks, Architektur-Diagramme
+Deployment in eurer Azure-Tenant (Function Apps + Container Apps)
+2 Wochen Hypercare nach Go-Live + 30 Tage E-Mail-Support
+Code, Daten, IP — gehört vollständig euch
−Nicht im Scope
Was wir ehrlich nicht machen.
−Lock-in über proprietäre Frameworks oder Cloud-Services außerhalb eurer Tenant
−Versprechen wie „90 % Automatisierung" ohne Daten-Audit (geben wir nicht ab)
−Single-Agent-Wrapper um GPT, getarnt als „KI-Lösung"
−Black-Box-Pipelines, die nur wir warten können
−Permanente Retainer-Dependencies (optional, nie verpflichtend)
−RPA-Workflows ohne KI — dafür gibt's bessere Tools (UiPath, Zapier)
−Pure Chat-UIs ohne Backend-Logik („ChatGPT für unser Team")
−Modell-Training from scratch — wir nutzen State-of-the-Art-Provider, kein Custom-Pretraining
[ 07 ] // VORGEHEN · 4 PHASEN
Acht Wochen. Vier Phasen.
Eine Übergabe.
01 · WOCHE 01
Audit & Scoping.
Drei Tage on-site oder remote. Wir mappen Prozess, sichten Daten, definieren Erfolgs-Metriken. Liefer-Artefakt: Architecture-Decision-Record.
Prozess-MappingDaten-AuditEval-DefinitionArchitecture-Skizze
02 · WOCHE 02–03
Setup & Skeleton.
Azure-Tenant aufsetzen, Modell-Provider einrichten, Pgvector + Embeddings, Langfuse, Eval-Suite-Skeleton. Erster „Hello, World" Multi-Agent läuft Ende Woche 3.
Azure OpenAI TenantPgvector + IndexingObservability-StackSkeleton-Agents
03 · WOCHE 04–06
Build & Iterate.
Drei Wochen Iteration auf eure Real-Daten. Wöchentliche Demo, wöchentliche Eval-Reports. Critic + Editor werden gegen 200+ Cases getestet — bevor je ein User sie sieht.
Agent-ImplementationTool-Integrations (MCP)Eval-IterationHITL-UI
04 · WOCHE 07–08
Deploy & Handover.
Production-Deploy in eurer Tenant. Runbooks, Alerts, On-Call-Setup. Zwei Tage Schulung mit eurem Team. Danach: Hypercare, dann selbstständig.
Production-DeployRunbooks & Alerts2-Tage-Workshop2 Wochen Hypercare
[ 08 ] // VORGEHEN · TRANSPARENZ
Drei klare Phasen.
Kein Kleingedrucktes.
// PAKET 01
Audit & Roadmap.
Drei-Tage-Audit eures Prozesses. Use-Case-Priorisierung, Architecture-Decision-Record, Aufwand-Schätzung für Phase 2. Wenn ihr nichts braucht, sagen wir's.
3 Tage on-site oder remote
Architecture-Decision-Record
Use-Case-Roadmap (priorisiert)
Aufwand-Schätzung für Build
// UMFANG
3 Arbeitstage
// FESTER ZEITRAHMEN
// PAKET 02 · EMPFEHLUNG
Multi-Agent Build.
Vollständiges Multi-Agent-System für einen Use-Case. 6 Agenten, RAG, HITL-UI, Eval-Suite, Production-Deploy in eurer Tenant. Acht Wochen, fixer Scope.
6 spezialisierte Agenten
RAG + Pgvector + Embeddings
HITL Review-UI
Eval-Suite (200+ Cases)
Production-Deploy + Hypercare
// UMFANG
8 Wochen
// FESTER ZEITRAHMEN
// PAKET 03
Continuous Care.
Optionaler Retainer nach Go-Live. Monatliche Eval-Reviews, Modell-Updates, neue Tools, Performance-Tuning. Kein Lock-in — kündbar zu jedem Monatsende.
Monatliche Eval-Reviews
Provider-Wechsel & Updates
Neue Agents/Tools (max 1/Monat)
Slack-Channel + 4h SLA
// UMFANG
Laufend
// MONATLICH KÜNDBAR
Konkretes Angebot nach kurzem Erstgespräch — 30 Minuten, kostenlos.
[ 09 ] // FAQ · MULTI-AGENT
Was uns hier oft gefragt wird.
Funktioniert für Demos. In Production zerfällt's: Prompts werden über Monate aufgebläht, jede Anpassung beeinflusst andere Bereiche, Debugging wird zum Glücksspiel. Multi-Agent isoliert Verantwortlichkeiten — ein Bug im Researcher betrifft nicht den Editor. Das ist Software-Engineering 101, angewandt auf KI.
Pro Agent das passende Modell: Researcher braucht starkes Reasoning + Long-Context (Claude 4.5, Gemini 2.5 Pro). Writer braucht Sprachgefühl (Claude). Critic braucht Strenge (GPT-5 oder Claude). Wir starten mit der teuersten Variante und runter-optimieren — nicht andersrum.
Drei Schichten: (1) Eval-Suite läuft auf jeden Output, fängt 80–90 % der Probleme. (2) Critic-Agent reviewt + flaggt. (3) Human-in-the-Loop für alles, was rausgeht. Wir versprechen nicht 0 % Halluzination — wir versprechen, dass jede gefangen wird, bevor sie raus geht.
Ja, das ist der Kern der Architektur. Modell-Wechsel pro Agent: Config-Eintrag + Eval-Run gegen Test-Suite. Komplett-Tausch eines Agents (z. B. neuer Critic mit besserem Reasoning): 2–5 Tage Arbeit. Vendor-Lock auf Modell-Ebene gibt's nicht. Auf Framework-Ebene auch nicht — LangGraph + MCP sind Open-Standard.
Ihr. Wir liefern Code, Runbooks, Alerts, Schulung. Optional Continuous-Care-Retainer (siehe Pricing) — aber nicht verpflichtend. Wir haben Kunden, die nach Hypercare nie wieder zurückgekommen sind. Das ist OK. Das ist sogar das Ziel.
Alles in eurer Azure-Tenant. Modell-Provider sind Azure OpenAI (vertraglich kein Re-Training), optional Anthropic mit Zero-Retention oder Self-Hosted Mistral. AVV liegt euch vor Vertragsabschluss vor. Keine Daten verlassen die Region eurer Wahl.
Berechtigte Frage. Antwort: alles ist eures — Code, Daten, Doku, Architektur. Wir nutzen Open-Source-Stacks (LangGraph, Pgvector, MCP) ohne proprietäre Abhängigkeit auf uns. Eine andere Agentur könnte das System ab Tag 1 weiterentwickeln. Das ist Absicht.
// NÄCHSTER SCHRITT