chemenu/kb/concepts/Multi-Agent Collaboration.md

type, concept_type, tags, created, modified, related, sources, confidence, confidence_base, provenance, summary

type	concept_type	tags	created	modified	related	sources	confidence	confidence_base	provenance	summary
types/concept.md	workflow	multi-agent collaboration sync coordination	2026-07-26	2026-08-29	exemplifies LLM Wiki Pattern see-also Memory Lifecycle composition Mesh Sync composition Shared vs Private composition Work Coordination	Source - LLM Wiki v2	0.85	0.85	sourced	Wissensmanagement mit mehreren Agenten; erweitert das LLM-Wiki-Muster um Mesh Sync, die Trennung von geteiltem und privatem Wissen und leichtgewichtige Arbeitskoordination.

Multi-Agent Collaboration

Typ: Workflow (Multi-Agent Knowledge Management)

Definition

Multi-Agent Collaboration behandelt die Realität, dass viele praktische Anwendungsfälle mehrere Agenten oder mehrere Menschen beinhalten, die zur gleichen Knowledge Base beitragen. Das ursprüngliche LLM-Wiki-Pattern ist Single-User, Single-Agent; v2 erweitert es auf Kollaborationsszenarien.

Kernpunkte

Das Problem

Single-Agent-Annahmen scheitern, wenn:

• Mehrere Agenten parallel arbeiten (verschiedene Coding-Sessions, Recherchethreads)
• Mehrere Menschen zur gleichen Knowledge Base beitragen
• Wissen über Sessions oder Benutzer hinweg geteilt werden muss
• Koordination erforderlich ist, um doppelte Arbeit zu verhindern

Die Lösung: Drei Komponenten

1. Mesh Sync Wenn mehrere Agenten parallel arbeiten, müssen ihre Beobachtungen in ein gemeinsames Wiki zusammengeführt werden:

• Standardstrategie: Last-Write-Wins in den meisten Fällen
• Konfliktauflösung: Zeitstempel-basiert mit manueller Anpassung
• Merge-Strategie:
  • Kein Konflikt: Beide Aktualisierungen akzeptieren
  • Konflikt: Neuere bevorzugen oder zur menschlichen Überprüfung kennzeichnen
  • Semantischer Konflikt: Contradiction Resolution auslösen

Implementierung:

Agent A writes: "API rate limit is 100 req/min" (timestamp: 10:00:00)
Agent B writes: "API rate limit is 100 req/min" (timestamp: 10:00:05)
Result: Accept B (last-write-wins, no conflict)

Agent A writes: "API rate limit is 100 req/min" (timestamp: 10:00:00)
Agent B writes: "API rate limit is 200 req/min" (timestamp: 10:00:05)
Result: Flag for human review (conflict)

2. Shared vs. Private Knowledge Nicht alles Wissen sollte gleichermaßen geteilt werden:

Bereich	Beschreibung	Beispiel
Private	Persönliche Beobachtungen, Vorlieben, Workflows	"Mein bevorzugter Editor ist VS Code"
Shared	Team-/Projektwissen, Entscheidungen, Architektur	"Projekt X verwendet Redis zum Caching"

Promotionsmodell:

• Mit privaten Beobachtungen beginnen
• Zu Shared promovieren, wenn:
  • Information über mehrere Agenten überprüft ist
  • Information allgemein nützlich ist (nicht persönlich)
  • Mensch explizit als Shared markiert

3. Work Coordination Einfache Koordination, um doppelte Arbeit zu verhindern und Fortschritt zu verfolgen:

Verfolgung:

• Wer arbeitet an was
• Was ist blockiert (und warum)
• Was ist fertig
• Was braucht Überprüfung

Implementierung:

• Statusfeld auf Seiten: in-progress, blocked, done, needs-review
• Zuständigkeitsfeld: Welcher Agent/welche Person ist verantwortlich
• Blockierungsbeziehungen: Seite A blockiert Seite B

Kein vollständiges Task-Management-System - nur genug, um doppelte Arbeit zu verhindern.

Implementierung

Basierend auf Agent Memory-Erfahrung:

1. Mesh Sync aktivieren mit Konfliktauflösung
2. Scoping implementieren (privat vs. geteilt)
3. Einfache Koordinationsfelder zu Seiten hinzufügen
4. Mit Event-Driven Automation für Sync-Trigger integrieren
5. Alle Multi-Agent-Operationen in Audit Trail protokollieren

Vorteile

• Kollaboration: Mehrere Agenten können zur gleichen Knowledge Base beitragen
• Effizienz: Verhindert doppelte Arbeit
• Flexibilität: Unterstützt sowohl persönliches als auch Team-Wissen
• Skalierbarkeit: Funktioniert mit beliebig vielen Agenten
• Transparenz: Klare Sicht darauf, wer was tut

Wann zu verwenden

• Team-Umgebungen mit mehreren Benutzern
• Multi-Agent-Setups (parallele Recherche, Coding, etc.)
• Gemeinsame Knowledge Bases
• Situationen, die Koordination erfordern

Wann NICHT zu verwenden

• Single-User, Single-Agent-Szenarien
• Situationen, in denen Einfachheit wichtiger ist als Kollaboration
• Sehr kleine Knowledge Bases

Verwandte Concepts

• Event-Driven Automation - Für Sync-Trigger
• Audit Trail - Zur Verfolgung von Multi-Agent-Operationen

Siehe auch

• Privacy and Governance (für Zugriffskontrolle)
• Quality and Self-Correction (zur Aufrechterhaltung der Qualität in kollaborativen Einstellungen)

Beziehungen

• exemplifies: LLM Wiki Pattern
• see-also: Memory Lifecycle
• composition: Mesh Sync
• composition: Shared vs Private
• composition: Work Coordination