🟢 🤝 Agenten Veröffentlicht: · 2 Min. Lesezeit ·

AWS: Strands Agents und Bedrock für Multi-Agenten-B2B-Käufersuche

Diagramm der Swarm- und Graph-Orchestrierungsmuster für B2B-Käufersuche mit Amazon Bedrock

Multi-Agenten-Orchestrierung ist die Koordination mehrerer spezialisierter KI-Agenten für eine gemeinsame Aufgabe. Thrad.ai implementierte ein System zur Findung von B2B-Käufern über 6 Quellen mit Amazon Bedrock und dem Strands-Agents-SDK. Das Swarm-Muster erzielt E-Mail-Qualität von 8,2/10, das Graph-Muster ist 25 % günstiger und 28 % schneller.

🤖

Dieser Artikel wurde mithilfe von künstlicher Intelligenz aus Primärquellen erstellt.

Multi-Agenten-Orchestrierung für den B2B-Vertrieb

Multi-Agenten-Orchestrierung ist die Koordination mehrerer spezialisierter KI-Agenten, die gemeinsam an einer Aufgabe arbeiten — jeder Agent deckt eine bestimmte Rolle oder Datenquelle ab, und eine Orchestrierungsschicht kombiniert ihre Ausgaben zu einem kohärenten Ergebnis. Thrad.ai wandte diesen Ansatz auf ein konkretes Geschäftsproblem an: die automatische Suche nach B2B-Käufern, die öffentlich über Probleme sprechen, die Thrad.ais Produkt löst.

Das System durchsucht gleichzeitig sechs Quellen: Hacker News, YouTube, Reddit, Stack Overflow und zwei weitere Kanäle. Jede Quelle hat einen dedizierten Agenten, und die Ergebnisse werden aggregiert und in personalisierte Outreach-Nachrichten umgewandelt. Die Technologiebasis ist Amazon Bedrock (ein verwalteter LLM-Dienst) und das Strands-Agents-SDK (das AWS-Framework für den Aufbau von Agenten-Pipelines).

Swarm gegen Graph-Muster — welche Lösung wählen?

Thrad.ai testete zwei Orchestrierungsmuster. Swarm lässt Agenten ohne feste Reihenfolge miteinander kommunizieren; das Ergebnis ist eine E-Mail-Qualitätsbewertung von 8,2 von 10 — gemessen an Relevanz und Personalisierung. Das Graph-Muster definiert einen expliziten gerichteten Datenflussgraphen zwischen Agenten; dabei geht etwas Flexibilität verloren, aber es werden 25 % niedrigere Kosten und schnellere Ausführung: 32 Sekunden statt 45 Sekunden pro Interessent erzielt.

Der Vergleich ist eindeutig: Swarm liefert besseren Inhalt, Graph liefert bessere Wirtschaftlichkeit. Für die Produktionsskalierung ist Graph die günstigere Wahl, während Swarm in der Experimentierphase nützlich sein kann.

Praktische Implikationen für B2B-Teams

Die Implementierung zeigt, dass der Multi-Agenten-Ansatz keine rein akademische Demonstration ist — das System löst ein echtes Problem, das Vertriebsteams sonst manuell lösen (Social Listening + Personalisierung). Das Strands-Agents-SDK vereinfacht die Koordination zwischen Agenten, und Bedrock bietet verwaltete Infrastruktur ohne die Notwendigkeit eines eigenen LLM-Hostings. Die wichtigste Erkenntnis: Die Wahl des Orchestrierungsmusters wirkt sich direkt auf Kosten und Geschwindigkeit aus — nicht nur auf die architektonische Eleganz.

Häufig gestellte Fragen

Was ist Multi-Agenten-Orchestrierung?
Multi-Agenten-Orchestrierung ist die Koordination mehrerer spezialisierter KI-Agenten, die gemeinsam an einer Aufgabe arbeiten — jeder Agent deckt eine bestimmte Rolle oder Datenquelle ab, und eine Orchestrierungsschicht kombiniert ihre Ausgaben.
Welches Thrad.ai-Muster ist besser — Swarm oder Graph?
Das hängt von der Priorität ab: Swarm erzielt höhere E-Mail-Qualität (8,2/10), während das Graph-Muster 25 % weniger kostet und die Arbeit 28 % schneller erledigt (32 Sekunden statt 45 Sekunden pro Interessent).

📬 KI-News in dein Postfach

Ein täglicher Digest nach deinen Regeln — Themen, Quellen und Rhythmus wählbar. Abmeldung mit einem Klick.