Deep Dive: Agentic AI Patterns – Planner/Executor, ReAct, Toolformer‑Style

Ein Agent soll einen Ausfall in einem Kundenportal untersuchen. Er kann zuerst die Logs lesen, dann den Status prüfen und anschließend eine Änderung vorschlagen. Die entscheidende Architekturfrage lautet: Muss der Ablauf vorher feststehen, oder hängt der nächste Schritt von dem ab, was der Agent unterwegs findet?

Diese Entscheidung prägt Kosten, Kontrollierbarkeit und Fehlerrisiko stärker als der Name eines Frameworks. Drei Muster tauchen dabei immer wieder auf: Planner/Executor für vorhersehbare Abläufe, ReAct für Aufgaben mit Rückmeldung aus der Umgebung und Toolformer-ähnliche Aufrufe für eng definierte Werkzeuge.

Planner/Executor: Der Ablauf steht früh fest

Bei Planner/Executor zerlegt ein Planungsschritt die Aufgabe. Ein Ausführungsschritt arbeitet die einzelnen Punkte mit Tools, Skripten oder APIs ab.

Plan: Logs abrufen → Fehler eingrenzen → Bericht erstellen
                 ↓
Ausführung: jeden Schritt mit dem passenden Tool erledigen

Das Muster passt, wenn sich der Ablauf vor dem Start gut beschreiben lässt. Ein Reporting-Job, eine Datenübernahme oder ein Freigabeprozess gewinnt dadurch an Nachvollziehbarkeit. Nach einem Fehler kann das Team sehen, welcher Schritt mit welchem Ergebnis gelaufen ist.

Die Grenze liegt bei veränderten Bedingungen. Wenn ein Tool andere Daten liefert als erwartet, kann der ursprüngliche Plan falsch werden. Planner/Executor braucht deshalb Prüfstellen zwischen den Schritten und eine Regel, wann der Ablauf abgebrochen oder neu geplant wird.

ReAct: Die Umgebung bestimmt den nächsten Schritt

ReAct verbindet Überlegen, Handeln und Beobachten in einer Schleife. Der Agent bewertet einen Zustand, ruft ein Tool auf und nutzt dessen Ergebnis für die nächste Entscheidung.

Im Beispiel des Kundenportals könnte der Agent nach einem fehlgeschlagenen Statuscheck die Logs öffnen. Findet er dort einen Berechtigungsfehler, prüft er die Konfiguration. Das Verhalten ergibt sich aus der Rückmeldung, nicht aus einem starren Ablauf.

Status prüfen → Ergebnis bewerten → passende Untersuchung wählen
        ↑                                      ↓
        └──────── neue Rückmeldung ────────────┘

Das hilft bei Fehlersuche, Browser-Automation und Recherche, weil der nächste sinnvolle Schritt oft erst nach einem Tool-Ergebnis sichtbar wird. Die Schleife braucht aber harte Grenzen. Ohne maximale Tool-Aufrufe, Zeitbudget und Abbruchkriterium kann ein Agent lange weiterarbeiten, obwohl keine neue Erkenntnis mehr entsteht.

Für mich ist das die praktische Regel: ReAct lohnt sich, wenn eine Beobachtung die nächste Aktion verändern kann. Für einen festen Exportjob ist die Schleife meist unnötiger Ballast.

Toolformer-ähnliche Aufrufe: Kleine Werkzeuge, enges Protokoll

Beim Toolformer-Ansatz erkennt ein Modell, wann ein klar beschriebenes Werkzeug gebraucht wird, und erzeugt einen passenden Aufruf. Die Laufzeit führt ihn aus und gibt das Ergebnis zurück.

Modell: calc(17 * 42)
Laufzeit: führt die Berechnung aus
Kontext: Ergebnis 714

Dieses Muster eignet sich für kleine Aufgaben mit klarer Eingabe und erwartbarem Ergebnis: Berechnungen, Datenabfragen oder eine feste Suche. Der Gewinn liegt in kurzen Wegen. Das System muss keine umfangreiche Planungsschleife aufbauen, um einen einzelnen, kontrollierten Aufruf auszuführen.

Die Tool-Definition entscheidet über die Qualität. Parameter, Berechtigungen und Fehlerfälle müssen eng beschrieben sein. Ein freies Werkzeugprotokoll lädt zu missverständlichen Aufrufen ein.

Die Auswahl in drei Minuten

Eine Architekturentscheidung lässt sich an drei Fragen festmachen:

1. Ist der Ablauf vor dem Start weitgehend bekannt? Dann passt Planner/Executor.
2. Ändert ein Tool-Ergebnis die nächste Aktion? Dann braucht die Aufgabe eine kontrollierte ReAct-Schleife.
3. Reicht ein klarer Aufruf mit festen Parametern? Dann ist ein eng definiertes Tool oft genug.

Dazu gehört immer eine Betriebsgrenze. Bei ReAct sind es etwa fünf Tool-Aufrufe oder ein Zeitlimit. Bei Planner/Executor ist es ein Prüfschritt nach jeder kritischen Aktion. Bei Toolformer-ähnlichen Aufrufen sind es kleine Berechtigungen und eine validierte Eingabe.

Patterns sind Entscheidungen über Fehlverhalten

In einem produktiven Agenten können die Muster zusammenkommen. Ein Planner legt die Untersuchung eines Incidents fest. Eine begrenzte ReAct-Schleife klärt Unbekanntes. Kleine Werkzeuge übernehmen Berechnungen oder Abfragen mit festen Regeln.

Der Nutzen liegt nicht in einer besonders eleganten Taxonomie. Ein gutes Pattern macht sichtbar, was der Agent als Nächstes tun darf, wann er anhalten muss und wie ein Mensch den Ablauf prüfen kann. Wer diese Grenzen vor dem Bau festlegt, spart später Fehlersuche, Tokens und unangenehme Überraschungen.