kurz erklärt

Deep Agents

Herkömmliche KI-Agenten reagieren: Anfrage empfangen, Tool aufrufen, Ergebnis zurückgeben — fertig. Deep Agents gehen weit darüber hinaus: Sie entwickeln einen detaillierten Plan, verteilen Teilaufgaben an spezialisierte Unteragenten und speichern Zwischenergebnisse außerhalb des Kontextfensters. Das macht sie fähig, auch komplexe Aufgaben zu bearbeiten.

Der Begriff „Deep Agents“ taucht seit 2025 als Gegenentwurf zu sogenannten „Shallow Agents“ auf — einfachen Reaktionsschleifen, bei denen ein Sprachmodell einen Prompt empfängt, ein Tool aufruft und das Ergebnis zurückgibt. Deep Agents gehen strukturell weiter: Sie trennen Planung von Ausführung, verwalten Zustand extern und koordinieren spezialisierte Unteragenten.

Vier Merkmale definieren das Konzept. Detailliertes Planen: Statt implizit im Chain-of-Thought zu planen, pflegt ein Deep Agent eine strukturierte Aufgabenliste, die er bei jedem Schritt aktualisiert. Hierarchische Delegation: Ein Orchestrator-Agent verteilt Teilaufgaben an spezialisierte Sub-Agenten für Suche, Code oder Analyse. Persistenter Speicher: Zwischenergebnisse landen nicht im Kontextfenster, sondern extern — in Dateien, Vektordatenbanken oder Notizstrukturen. Context Engineering: Systemprompte werden zum zentralen Steuerungsinstrument, oft tausende Token lang.

Einfache Agenten funktionieren gut bei 5–15 Schritten. Füllt sich das Kontextfenster, verlieren sie den Faden — Endlosschleifen, Halluzinationen, Fokusverlust. Deep Agents umgehen das strukturell: Weil Planung und Speicher außerhalb des LLM-Kontexts liegen, bleibt das Modell auch bei 500 Schritten steuerbar. Das macht sie geeignet für echte Wissensarbeit — tiefe Recherche, Codebasen-Analyse, mehrtägige Projektarbeit.

Claude Code (Anthropic), Cursor und vergleichbare Coding-Agenten folgen diesem Architekturmuster. LangChain veröffentlichte 2026 ein eigenes Open-Source-Framework für Deep Agents. Google Gemini Deep Research setzt dieselbe Logik für wissenschaftliche Recherche ein. Die gemeinsame Grundstruktur: ein übergeordneter Agent, der plant und kontrolliert, darunter spezialisierte Ausführungsschichten.

Deep Agents verschieben, was KI als Arbeitspartner leisten kann — nicht mehr Assistenz für Einzelschritte, sondern autonome Bearbeitung ganzer Arbeitspakete. Damit entstehen neue Fragen für Organisationen: Wie viel Kontrolle bleibt beim Menschen? Welche Aufgaben sind geeignet? Wann ist menschliche Verifikation nötig? Die Architektur ist verfügbar — die Governance-Fragen sind offen.