Wie Box eine KI-Plattform der dritten Generation aufbaute: Deep Agents mit dynamischem Parent/Child-Modell

Box, die Plattform für die Verwaltung von Unternehmensinhalten mit Zehntausenden von Organisationskunden, durchlief drei klar getrennte Entwicklungsphasen beim Aufbau von KI-Fähigkeiten. Die Details dieser Evolution — und die Architektur des aktuellen Systems namens Deep Agents — wurden durch ein Gespräch mit dem Box-KI-Engineering-Team dokumentiert, das die Plattform LangChain am 12. Juni 2026 veröffentlichte.

Drei Generationen von Box AI

Phase 1 — Einzeldokument-Q&A: Die erste Implementierung ermöglichte das Stellen von Fragen innerhalb einer einzelnen Datei. Nützlich für isolierte Analysen, aber ohne die Fähigkeit, Informationen aus verschiedenen Quellen zu synthetisieren.

Phase 2 — Knowledge Hubs (RAG): Der nächste Schritt führte eine RAG-basierte Schicht ein, die Abfragen an vordefinierte Dokumentensätze erlaubte. Der Ansatz steigerte den Nutzen, erforderte aber eine vorherige Definition der Wissensquellen und konnte komplexe dokumentenübergreifende Beziehungen nicht dynamisch verstehen.

Phase 3 — Deep Agents: Die aktuelle Architektur basiert auf dem vollständigen agentischen Paradigma. Das System kann Tausende von Dokumenten analysieren, komplexe Kontextbeziehungen verstehen und synthetische Schlussfolgerungen ziehen, die frühere Generationen nicht generieren konnten.

Warum ist die dynamische Parent/Child-Struktur entscheidend?

Das Herzstück der Deep Agents-Architektur ist ein hierarchisches Modell, bei dem der Global Agent (Parent) eine Anfrage empfängt und die Nutzerabsicht klassifiziert. Auf Basis dieser Klassifizierung erstellt der Parent dynamisch Child-Agenten, die auf die konkrete Aufgabe zugeschnitten sind — zur Laufzeit, nicht im Voraus.

Der entscheidende Unterschied zu alternativen Ansätzen: Parent- und Child-Agenten teilen dasselbe Tool-Register ohne vordefinierte Spezialisierungen. Wenn die Anfrage einfach ist, kann der Parent sofort antworten, ohne einen Child-Agenten zu starten. Wenn die Aufgabe komplex und mehrdimensional ist, bestimmt der Parent, welche Children zu erstellen sind und welche Tools ihnen zuzuweisen sind. Child-Agenten arbeiten in isolierten Kontextfenstern, was gegenseitige Kontextverschmutzung verhindert und eine sauberere parallele Ausführung ermöglicht.

Das Tool-Register umfasst BM25-Schlüsselwortsuche, Vektorsuche, strukturiertes Q&A über Tabellen und Dateioperationen. Das Box-Team kam zu dem Schluss, dass ein einheitliches Tool-Register effizienter ist als dynamisches Subsetting — Agenten haben immer vollständige Einblicke in die verfügbaren Möglichkeiten.

Entwicklungsgeschwindigkeit: Von drei Monaten auf drei Wochen

Das Box-Team berichtet, dass die Parent/Child-Architektur viermal schneller geliefert wurde als der vorherige Ansatz mit fest codierten spezialisierten Sub-Agenten. Während das frühere Design drei Monate Entwicklung erforderte, war das neue System in etwa drei Wochen fertig. Der Iterationszyklus für neue Agenten wurde auf etwa zwei Wochen reduziert, was bedeutet, dass Box schnell auf neue Geschäftsanforderungen reagieren kann, ohne langwierige Entwicklungszyklen.

Außerdem verzeichnet das Team eine dreifach schnellere Iteration dank der Flexibilität der Architektur selbst — Änderungen in der Delegationslogik erfordern kein Umschreiben fest codierter Verbindungen zwischen spezialisierten Agenten.

Modellagnostisches Design und Kontextmanagement

Box hat eine Abstraktionsschicht aufgebaut, die vollständig unempfindlich gegenüber der Wahl des LLM-Anbieters ist. Kunden können OpenAI, Anthropic und Google Modelle ohne Änderungen an der Geschäftslogik des Systems verwenden.

Eine angepasste Middleware löst mehrere wichtige operative Herausforderungen:

• Parallele Zitatgenerierung für Streaming-Antworten, ohne den Hauptfluss zu blockieren
• Prompt-Caching für mehrturnige Gespräche, das die Latenz bei wiederholenden Anfragen reduziert
• Automatische Kontextzusammenfassung, wenn der Gesprächsverlauf 170.000 Token überschreitet — eine Grenze, die sicherstellt, dass das Modell die Antwortkohärenz nicht verliert

Sicherheit und Berechtigungen ohne Kompromisse

Eine grundlegende Anforderung für eine Enterprise-Plattform ist die Einhaltung bestehender Sicherheitsmodelle. Das Deep Agents-System umgeht das Box-Berechtigungsmodell nicht — die Synthese von Informationen aus Tausenden von Dokumenten erfolgt ausschließlich im Rahmen der Zugriffsrechte des Nutzers, der die Anfrage gestellt hat. Die Sicherheitsintegration wurde nicht nachträglich hinzugefügt, sondern war von Beginn der Entwicklung an eine architektonische Anforderung.

Die Box-Erfahrung dokumentiert einen Trend, der in Enterprise-KI-Anwendungen immer häufiger zu beobachten ist: Starre, vordefinierte Agenten-Netzwerke liefern schwächere Ergebnisse als dynamische Hierarchien, die Delegationsentscheidungen zur Laufzeit und nicht in der Systemdesignphase treffen.