Die meisten Agentenschwärme liefern dir überzeugenden Müll. Dieser hier überprüft seine eigene Arbeit, verwirft alles, was nicht hält, und läuft so lange weiter, bis jede Zahl auf eine Quelle zurückgeführt ist.
- 300 parallele Agenten
- 4.000 Schritte pro Durchlauf
- 5 Live-Datenfeeds
- 3 Prüf-Durchgänge für null Fehler
Das dreckige Geheimnis von Agentenschwärmen ist, dass mehr Agenten meistens nur mehr überzeugenden Unsinn bedeuten.
Schick 300 Agenten auf eine Recherche-Aufgabe und sie kommen garantiert schnell zurück. Sie kommen aber auch zurück mit veralteten Zahlen, halb erfundenen Zitaten und drei Unternehmen, die es gar nicht gibt. Geschwindigkeit war nie das Problem. Vertrauen war es.
Also habe ich aufgehört, den Schwarm als Ziel zu betrachten, und ihn zu einer Stufe einer Schleife gemacht. Opus 4.8 plant die Arbeit und, was wichtiger ist, prüft sie. Der Kimi K2.6-Schwarm führt sie aus. Dann überprüft Opus jedes Ergebnis anhand seiner Quelle, verwirft alles, was nicht stimmt, und schickt diese Aufgaben zurück, um sie erneut ausführen zu lassen. Die Schleife stoppt erst, wenn nichts mehr durchfällt.
Um es zu testen, habe ich der Schleife einen Job gegeben, der Halluzinationen härter bestraft als alles andere: analysiere 100 Unternehmen im EV-Markt und erstelle einen Bericht in Forschungsqualität mit einer Vergleichsmatrix, jede Zahl auf eine Live-Quelle zurückgeführt.
Ein Schwarm gibt dir Geschwindigkeit. Eine Schleife gibt dir Geschwindigkeit, der du wirklich vertrauen kannst. Der Unterschied ist der Prüfschritt – und er verändert alles.
Das fehlende Puzzlestück
Warum man rohen Schwärmen nicht vertrauen kann
Ein Schwarm ohne Prüfer hat genau eine Qualitätseinstellung: die des schlechtesten Agenten. Wenn 97 Agenten ihr Unternehmen perfekt hinbekommen und 3 leise eine Umsatzzahl halluzinieren, enthält dein fertiger Bericht drei Zeitbomben und sieht genauso aus wie ein perfekter. Du wirst nicht wissen, welche drei es sind, bis es in einer Besprechung hochgeht.
Deshalb bringt „einfach mehr Agenten" eine Plateaueffekt. Der Umfang skaliert das Ergebnis und die Fehleranzahl im gleichen Tempo. Mehr Hände, mehr Fehler, immer noch niemand, der prüft.
Die Schleife behebt das, indem sie die Überprüfung zu einer erstklassigen Stufe mit echten Zähnen macht. Opus 4.8 liest jedes Agentenergebnis zurück gegen die Live-Quelle, die es angeblich verwendet hat. Eine Zahl, die nicht übereinstimmt, wird abgelehnt. Ein Zitat, das nicht aufgelöst werden kann, wird abgelehnt. Alles Abgelehnte kommt zurück in die Warteschlange und wird erneut ausgeführt. Nichts wird ausgeliefert, bevor es die Prüfung überstanden hat.
Die Schleife
Vier Stufen, die laufen, bis alles sauber ist
Das gesamte System ist ein Kreislauf, keine Linie. Jede Hälfte macht nur das, was sie am besten kann, und der Kreislauf dreht sich weiter, bis die Prüfstufe nichts mehr abzulehnen hat.
Diese vierte Stufe ist die ganze Idee. Ein normaler Schwarm läuft die Schritte 1 bis 3 einmal durch und gibt dir das Ergebnis – Fehler und alles. Die Schleife weigert sich zu stoppen, solange noch etwas falsch ist.
Der Durchlauf
Zusehen, wie die Schleife ihre eigenen Fehler einfängt
Hier ist der Prompt, den ich Opus 4.8 gegeben habe. Beachte die Checkliste am Ende. Diese Checkliste verwendet die Prüfstufe später, um schlechte Arbeit abzulehnen – sie ist also der wichtigste Teil des gesamten Prompts.
1# Rolle: Plane die Arbeit, prüfe dann jedes Ergebnis.23ZIEL: 100 Unternehmen im EV-Markt recherchieren.4AUSGABE: Vergleichsmatrix + Forschungsbericht, jede5 Zahl auf eine Live-Quelle zurückgeführt.67CHECKLISTE PRO UNTERNEHMEN (dagegen prüfen):8- Umsatz + Marge aus einem Live-Feed gezogen9- Quell-URL angehängt und auflösbar10- Zahl stimmt mit Quelle innerhalb Toleranz überein11- Kein Feld leer gelassen1213# Nachdem der Schwarm gelaufen ist, prüfe JEDES Unternehmen.14# Lehne alle ab, die nicht bestehen. Schicke sie zurück. Wiederhole.
Opus plante 100 Recherche-Aufgaben, eine pro Unternehmen, und übergab sie dem Kimi K2.6-Schwarm. Der erste Durchlauf kam in Minuten zurück. Dann begann der interessante Teil.
Beim ersten Prüfdurchlauf lehnte Opus 12 der 100 Unternehmen ab. Einige hatten eine Umsatzzahl, die nicht mit dem zitierten Feed übereinstimmte. Zwei zitierten eine Quelle, die sich nicht auflösen ließ. Eines ließ ein Marge-Feld leer. Keines dieser Probleme wäre im endgültigen Bericht offensichtlich gewesen. Alle wären falsch gewesen.
Diese 12 kamen mit ihrem Ablehnungsgrund zurück in die Warteschlange. Zweiter Durchlauf: 3 fielen immer noch durch. Dritter Durchlauf: null. Die Schleife stoppte von selbst, weil es nichts mehr abzulehnen gab.
Ein roher Schwarm hätte diese 12 Fehler ausgeliefert und es als erledigt betrachtet. Die Schleife hat alle erwischt, ohne dass ich eine einzige Zeile lesen musste.
Die fünf Live-Feeds sind der Grund, warum die Überprüfung streng statt vage sein kann. Jede Zahl im Bericht verweist auf Binance, Yahoo Finance, die Weltbank, den IWF oder den Live-Aktienmarkt. Wenn Opus überprüft, fragt es das Modell nicht, ob es sich sicher fühlt. Es vergleicht die behauptete Zahl mit dem tatsächlichen Feed. Das ist der Unterschied zwischen Forschungsqualität und überzeugendem Gerede.
Das große Ganze
Das ist ein weiterer DeepSeek-Moment
Tritt einen Schritt zurück vom Durchlauf, denn das strategische Gesamtbild ist die eigentliche Geschichte.
Während die geschlossenen Labore Single-Agent-Chatbots ausliefern, hat ein offenes chinesisches Labor mit einer Bewertung von 20 Milliarden Dollar den Schwarm ausgeliefert, der eine solche Schleife überhaupt erst möglich macht. Ihr Open-Weight-Modell Kimi K2.6 steht derzeit auf Platz 1 der wöchentlichen OpenRouter-Charts. Gemessen an der Nutzung ist es das meistgenutzte LLM der Welt im Moment.
Und es ist genau dort am stärksten, wo die Überprüfung am wichtigsten ist:
- Finanzen und Beratung. Professionelle Charts, Heatmaps, mehrjährige Berichtsanalysen, McKinsey-Niveau standardmäßig.
- Akademisches und Forschung. LaTeX-Formel-Darstellung, Literaturrecherchen mit Vergleichsmatrizen, Zitate, die auf Quellen verweisen.
- Skalierung, die andere Tools sprengt. Über 200.000 Wörter Kontext in einem Durchlauf, Datensätze mit 100 Unternehmen, 100-Folien-Präsentationen.
- Rückverfolgbarkeit. Jeder Datenpunkt verlinkt auf eine anklickbare Quelle. Forschungsqualität ist der Standard, keine Einstellung.
Mach es selbst
Die Schleife, von Anfang bis Ende
Du brauchst kein Labor. Du brauchst die beiden Hälften, die zu einem Kreislauf verbunden sind, und eine Checkliste, die streng genug ist, um dagegen zu prüfen.
1{2 "pass": 1,3 "checked": 100,4 "passed": 88,5 "rejected": [6 { "company":"co_041", "reason":"Umsatz != Quelle" },7 { "company":"co_067", "reason":"Zitat 404" },8 { "company":"co_092", "reason":"Marge leer" }9 ],10 "action": "Abgelehnte erneut einreihen -> Schwarm"11}
Der Unterschied in einem Bild
Roher Schwarm
❌ Läuft einmal, gibt dir das Ergebnis
❌ Versteckte Fehler werden mit dem Bericht ausgeliefert
❌ Qualität entspricht dem schlechtesten Agenten
❌ Du prüfst jede Zeile von Hand
❌ Überzeugende, aber nicht überprüfbare Zahlen
Selbstprüfende Schleife
✔️ Läuft, bis der Prüfdurchlauf sauber ist
✔️ Fehler werden automatisch erkannt und erneut ausgeführt
✔️ Qualität entspricht der Checkliste
✔️ Du prüfst nichts, die Schleife hat es erledigt
✔️ Jede Zahl auf eine Live-Quelle zurückgeführt
Ein Schwarm gibt dir Geschwindigkeit. Eine Schleife gibt dir Geschwindigkeit, der du vertrauen kannst.
Die Ära der Einzelagenten geht zu Ende, aber die Ära der Schwärme hat einen Haken, den niemand erwähnt: Menge ohne Überprüfung sind nur schnellere Fehler. Diejenigen, die die nächste Runde gewinnen, setzen nicht die meisten Agenten ein. Sie setzen die ein, die ihre eigene Arbeit überprüfen.
