AutoGen

Microsofts Multi-Agent-Framework taucht in drei Quellennotizen als Mitglied einer wiederkehrenden Liste auf, nicht als eigenständiges Thema: LangGraph, CrewAI, «AutoGen», mitunter ergänzt um Semantic Kernel, OpenAI Agents SDK, AWS Bedrock und Google ADK. Genau diese Aufzählung ist der Punkt. In jedem Fall nennt der Autor den Framework-Cluster, um zu argumentieren, dass etwas anderes wichtiger ist.

Tony Seale stellt in seinem Beitrag vom 2026-04-17 die Orchestrierungs-Frameworks dem Muster gegenüber, das er bei fortgeschrittenen Praktikern beobachtet: ein leistungsfähiges Modell in einem leistungsfähigen Harness, wie bei «Claude Code», Codex, OpenClaw und Hermes. Er zitiert Anthropic mit dem Gedanken, dass jede Harness-Komponente eine Annahme darüber kodiert, was das Modell allein nicht leisten kann, und dass solche Annahmen schnell veralten. Ein Gerüst, das für ein begrenztes Modell gebaut wurde, behindert ein stärkeres. Seale bezeichnet Frameworks als vorübergehende Phase; was eine Organisation besitzt, ist ihre Ontologie.

Antoine Habert kommt aus zwei Jahren Produktionseinsatz bei einem europäischen Fintech-Unternehmen, die 2023 bis 2025 abdecken, zu einer verwandten Schlussfolgerung. Seine Darstellung von 2024 besagt, dass die Vermehrung von Frameworks, darunter «AutoGen», die schwierigeren Dimensionen unterentwickelt ließ: Transparenz des Reasonings, strukturiertes organisatorisches Gedächtnis, echte kognitive Kooperation zwischen Agenten und skalierbare Aufsicht. Die Notiz zur Wenvision-Plattform wiederholt diese Lücke in schlichteren Worten: Einen einfachen Agenten mit LangChain oder Autogen zu bauen ist vergleichsweise leicht, während der Unternehmenseinsatz stattdessen Governance, Auditierbarkeit, Kostenkontrolle und Compliance verlangt.

Die hier erfassten Merkmale bezeichnen «AutoGen» als Framework zum Prototyping von KI-Agenten. Keine der drei Notizen bestreitet das; sie streiten darüber, was Prototyping wert ist.