Cisco hat es angekündigt. Salesforce liefert es aus. Google hat ein offenes Protokoll der Linux Foundation gespendet. Multi-Agent-Orchestrierung ist die nächste Front in der Contact-Center-KI, wobei Anbieter KI-Agenten versprechen, die über Systeme hinweg zusammenarbeiten, um komplexe Kundenanliegen autonom zu lösen.
Die Vision ist überzeugend: Ein Kunde ruft wegen einer Rechnungsstreitigkeit an, und statt zwischen Abteilungen hin- und hergeschoben zu werden, arbeiten mehrere KI-Agenten parallel. Einer authentifiziert. Einer ruft Abrechnungsdaten ab. Einer prüft die CRM-Historie. Einer verarbeitet die Lösung.
Hier ist das Problem.
Laut dem Calabrio’s State of the Contact Center 2025 Bericht, der mehr als 400 globale Contact-Center-Leiter befragt hat:
- 30% nennen mangelhafte Systemintegration als grosses Hindernis, um aus KI Nutzen zu ziehen
- Nur 36% haben echte Omnichannel-Integration erreicht
- 98% nutzen inzwischen KI in irgendeiner Form, aber 20% sagen, Herausforderungen überwiegen den Nutzen
Wenn Ihre Systeme heute Daten nicht zuverlässig teilen können, wird das Hinzufügen weiterer KI-Agenten das nicht beheben. Multi-Agent-Orchestrierung löst Integrationsprobleme nicht. Sie verstärkt sie.
Dieser Beitrag erklärt, was Multi-Agent-Orchestrierung tatsächlich bedeutet, was jetzt ausgeliefert wird im Vergleich zu dem, was auf der Roadmap steht, und warum der Weg zur Orchestrierung zuerst über Single-Agent-Automatisierung führt.
Was Multi-Agent-Orchestrierung tatsächlich bedeutet
Multi-Agent-Orchestrierung bezeichnet mehrere spezialisierte KI-Agenten, die zusammen an einem gemeinsamen Ziel arbeiten. Im Kontext des Contact Centers greift jeder Agent auf unterschiedliche Systeme oder Datenquellen zu, und sie koordinieren sich, um Aufgaben zu erledigen, die kein einzelner Agent allein bewältigen könnte.
Das unterscheidet sich von Single-Agent-Automatisierung, bei der ein KI-Agent eine Interaktion von Anfang bis Ende übernimmt, typischerweise innerhalb eines einzelnen Systems oder Kanals. Die meisten Contact Center arbeiten heute, falls sie überhaupt KI-Agenten eingeführt haben, auf diesem Niveau.
Die technische Infrastruktur, die Orchestrierung möglich macht, umfasst zwei Protokolle:
Agent-to-Agent-Protokoll (A2A)
Ursprünglich von Google entwickelt und jetzt von der Linux Foundation als Open-Source-Projekt gehostet, ermöglicht A2A KI-Agenten, einander zu entdecken, auszuhandeln, wie sie kommunizieren werden, und zusammenzuarbeiten, ohne ihre interne Logik oder Daten offenzulegen.
Google stellte die Spezifikation im April 2025 vor. Inzwischen wird sie von über 150 Organisationen unterstützt, darunter Salesforce, SAP, ServiceNow und Cisco. A2A ermöglicht es Agenten, die auf unterschiedlichen Plattformen entwickelt wurden, zusammenzuarbeiten. Das ist besonders in Unternehmensumgebungen wichtig, da dort in der Regel nicht auf einen einzigen Anbieter standardisiert wird.
Model Context Protocol (MCP)
Von Anthropic eingeführt, standardisiert MCP, wie KI‑Agenten sich mit Tools, APIs und Datenquellen verbinden. Wenn A2A die Sprache ist, mit der Agenten miteinander sprechen, dann ist MCP die Sprache, mit der sie mit den Systemen kommunizieren, auf die sie zugreifen müssen.
Diese Protokolle ergänzen sich. MCP ermöglicht es einem Agenten, Ihr CRM oder Abrechnungssystem abzufragen; A2A ermöglicht diesem Agenten, Kontext an einen anderen Agenten zu übergeben, der sich auf Zahlungsabwicklung spezialisiert hat.
So sieht das in der Praxis aus:
Ein Kunde ruft wegen einer Rechnungsabweichung an. Bei einer Multi-Agent-Orchestrierung wird wie folgt umgesetzt:
- Ein Voice-KI-Agent bearbeitet den Anruf, authentifiziert den Kunden und erfasst das Anliegen
- Über A2A übermittelt er Kontext an einen Billing-Agent der über MCP Transaktionsdaten abruft
- Der Billing-Agent entdeckt eine doppelte Belastung und gibt diese Erkenntnis an einen CRM-Agent
- Der CRM-Agent prüft die Kundenhistorie, erkennt dies als High-Value-Konto mit Servicegarantie und vermerkt diesen Kontext
- Ein Payment-Agent veranlasst die Rückerstattung
- Wenn eine Eskalation nötig ist, übergibt der Voice-Agent an einen Mitarbeiter, mit vollständigem Kontext.
Jeder Agent macht eine Sache gut. Die Orchestrierungsschicht koordiniert die Übergaben.
Was tatsächlich ausgeliefert wird
Anbieterankündigungen und produktionsreife Funktionen sind zwei verschiedene Dinge. Hier ist der aktuelle Stand.
Cisco Webex AI Agent
Cisco hat im September 2025 Unterstützung für die Protokolle A2A und MCP angekündigt, mit Multi-Agent-Kollaborationsfunktionen, die für Q1 2026 geplant sind. Ziel: Webex AI Agents in die Lage zu versetzen, neben Agenten anderer Anbieter zu arbeiten und über standardisierte Protokolle auf verschiedene Unternehmensanwendungen zuzugreifen.
Was ist jetzt verfügbar? Single-Agent-Automatisierung mit messbaren Ergebnissen.
Drei Beispiele aus dem Cisco Webex Blog:
- CarShield hat einen Pre-Call-Screening-Agenten eingeführt, der jetzt 66% der eingehenden Anrufe löst, ohne einen menschlichen Mitarbeiter zu benötigen
- BancFirst hat abgebrochene Anrufe um 10% reduziert und die durchschnittliche Zeit zur Problemlösung um drei Minuten verkürzt
- Bucher + Suter Kunde, Valeris erreichte eine Trefferquote von 95%+ bei der Spracherkennung für komplexe pharmazeutische Terminologie und verzeichnete einen Rückgang der Support-Tickets um 35%.
Diese Ergebnisse stammen aus Single-Agent-Einführungen, nicht aus Multi-Agent-Orchestrierung. Das ist bemerkenswert.
Passend dazu: Cisco hat gerade Webex AI Agent angekündigt
Salesforce Agentforce
Salesforce positioniert Data Cloud als einheitliche Datenbasis für Multi-Agent-Workflows, wobei Agentforce-Agenten als Orchestrierungsschicht über Service Cloud dienen. Salesforce ist ausserdem Gründungsbeitragender des A2A-Protokolls und signalisiert damit sein Engagement für Interoperabilität mit Nicht-Salesforce-Agenten.
Das Muster
Beachten Sie, was tatsächlich verfügbar ist im Vergleich zu dem, was angekündigt ist. Single-Agent-Automatisierung wird ausgeliefert und liefert Ergebnisse. Multi-Agent-Orchestrierung mit A2A/MCP-Unterstützung ist Roadmap für Anfang 2026.
Das zeigt, dass Anbieter in der richtigen Reihenfolge aufbauen:
- Sie beweisen, dass Single-Agent-Automatisierung funktioniert
- Sie bauen Orchestrierungsfähigkeiten auf
Die Frage ist, ob Organisationen dasselbe tun.
Warum Single-Agent-Automatisierung zuerst kommt
Multi-Agent-Orchestrierung klingt beeindruckender als „wir haben unser Pre-Call-Screening automatisiert“. Aber die Organisationen, die mit agentischer KI Erfolg haben, sind diejenigen, die Single-Agent-Einführungen zuerst zum Laufen gebracht haben.
Darum ist diese Reihenfolge wichtig:
Sie müssen nachweisen, dass KI-Agenten auf Ihre Daten zugreifen können, bevor Sie mehrere Agenten miteinander verbinden. Wenn Ihre CRM-Daten unvollständig sind oder Ihr Abrechnungssystem manuelle Workarounds erfordert, verschwinden diese Probleme nicht, wenn Sie Orchestrierung hinzufügen. Sie vervielfachen sich. Ein einzelner KI-Agent, der selbstbewusst falsche Entscheidungen trifft, ist handhabbar. Mehrere KI-Agenten, die im grossen Massstab schlechte Daten aneinander weitergeben, sind eine potenzielle Support-Katastrophe.
Sie müssen Vertrauen aufbauen, bevor Sie Komplexität hinzufügen. Gartners Prognose ist ernüchternd: bis 2027 erwarten sie, dass über 40% der agentischen KI-Initiativen aufgegeben werden. Ein Grund: Organisationen unterschätzen das erforderliche Change Management. Vorgesetzte müssen KI-Agent-Entscheidungen vertrauen, bevor sie mehrere Agenten autonom koordinieren lassen. Dieses Vertrauen entsteht, wenn man sieht, dass Single-Agent-Automatisierung zuerst in abgegrenzten Anwendungsfällen erfolgreich ist.
Sie brauchen Analysen, um gegenzusteuern. Woran erkennen Sie, ob Ihr Multi-Agent-System gute Entscheidungen trifft? Sie brauchen Instrumentierung. Sie brauchen Basiskennzahlen aus Single-Agent-Einführungen. Sie müssen verstehen wo Übergaben scheitern bevor Sie weitere Übergaben hinzufügen.
Die Integrationsgrundlage, die den meisten Contact Centern fehlt
Multi-Agent-Orchestrierung setzt etwas voraus, das die meisten Unternehmen nicht haben: Systeme, die tatsächlich Daten in Echtzeit teilen können.
Folgendes ist für Orchestrierung erforderlich:
- Einheitliche Kundenidentität über Systeme hinweg
- API-First-Architektur
- Data Governance für KI-Agent-Zugriff
- Echtzeit-Datensynchronisierung
Ein Crawl-Walk-Run-Ansatz
Das Problem ist nicht, dass Informationen nicht existieren. Das Hauptproblem im Contact Center ist, dass Informationen über Systeme verteilt sind, die nicht miteinander sprechen. Multi-Agent-Orchestrierung behebt das nicht. Sie setzt voraus, dass Sie es zuerst beheben.
Hier ist eine praktische Abfolge:
Crawl: Single-Agent-Automatisierung für abgegrenzte Anwendungsfälle
Wählen Sie eine Interaktion mit hohem Volumen und geringer Komplexität. Pre-Call-Screening, zum Beispiel. Terminbestätigungen. Implementieren Sie einen einzelnen KI-Agenten und messen Sie dann Containment-Raten, Kundenzufriedenheit und Fehlerraten. Lernen Sie, wo der Agent scheitert und warum.
Das CarShield-Beispiel ist aufschlussreich: Ihr Pre-Call-Screening-Agent löst 66% der Anrufe autonom. Das ist ein aussagekräftiges Ergebnis, das zeigt, dass KI auf die benötigten Daten zugreifen kann und zuverlässige Entscheidungen trifft. Es zeigt auch die 34% der Anrufe, bei denen weiterhin menschliches Eingreifen erforderlich ist, was wertvolle Informationen für die Gestaltung von Eskalationspfaden liefert.
Walk: Agent Assist-Fähigkeiten hinzufügen, die auf mehrere Systeme zugreifen
Bevor Sie mehrere autonome Agenten verbinden, statten Sie menschliche Agenten mit KI-Unterstützung aus, die aus mehreren Datenquellen schöpft (Echtzeit-Hinweise, vorgeschlagene Antworten, usw.). Das baut die Integrationsinfrastruktur auf, die Sie für Orchestrierung brauchen, während Menschen in der Entscheidungsschleife bleiben.
Ausserdem werden Integrationsprobleme in einer Umgebung mit geringerem Risiko sichtbar. Wenn Ihr Agent-Assist-Tool nicht zuverlässig Zahlungshistorie zusammen mit Support-Tickets abrufen kann, haben Sie eine Lücke identifiziert, die Sie schliessen müssen, bevor KI-Agenten versuchen, über diese Systeme hinweg zu koordinieren.
Run: Multi-Agent-Orchestrierung für komplexe Szenarien
Nachdem Sie nachgewiesen haben, dass Single-Agent-Automatisierung funktioniert, und die Integrationsschicht für den Zugriff auf mehrere Systeme aufgebaut haben, sind Sie für Orchestrierung positioniert. Starten Sie mit Szenarien, bei denen die Komplexität die Investition rechtfertigt: High-Value-Interaktionen, Compliance-intensive Prozesse, abteilungsübergreifende Lösungen.
Rotes Licht: Orchestrierung ist verfrüht
- Legacy-On-Premises-Contact-Center-Infrastruktur
- Keine einheitliche Kundendatenstrategie
- Grundlegende Systemintegrationsprobleme weiterhin ungelöst
- IT- und CX-Organisationen in Silos
Gelbes Licht: Grundlagenarbeit erforderlich
- Hybride On-Premises-/Cloud-Umgebung
- Mehrere CRM-Instanzen oder persistente Datensilos
- Single-Agent-Automatisierung im Pilotbetrieb, aber nicht skaliert
- Begrenzte interne Fähigkeiten zur Verwaltung von KI-Systemen
Grünes Licht: Bereit für Orchestrierung
- Cloud-native Contact-Center-Plattform bereits in Betrieb
- Einheitliche Kundendaten-Schicht mit Zugriff in Echtzeit
- API-Management-Infrastruktur vorhanden
- Single-Agent-Automatisierung bereits ausgerollt und funktioniert gut
- Starke funktionsübergreifende Zusammenarbeit zwischen IT-, CX-, Daten- und Security-Teams
Das Fazit zu A2A (vorerst)
Multi-Agent-Orchestrierung ist real, Protokolle werden standardisiert, und Anbieter investieren. Gegen Ende 2026 werden Organisationen mit der richtigen Grundlage KI-Agenten einsetzen, die über Systeme hinweg zusammenarbeiten, um komplexe Kundenanliegen zu lösen.
Aber der Wettbewerbsvorteil geht nicht an denjenigen, der Orchestrierung zuerst einführt. Er geht an denjenigen, der die Integrationsgrundlage aufbaut, die Orchestrierung tatsächlich funktionieren lässt.
Das ist eine andere Art von Projekt, die weniger spannend ist als die Ankündigung eines Multi-Agent-Piloten, aber wertvoller als dem Hinterherjagen einer Fähigkeit, die Ihre Infrastruktur nicht unterstützen kann.
