Teil 2 von 6

Kontrollfluss: wie Arbeit durch ein Prompt-System läuft

Sechs Kontrollfluss-Muster vom Chaining bis zu Agents und eine Karte von zwanzig Programmierprinzipien, übertragen auf Prompt-Systeme.

Andrej Albrecht Von Andrej Albrecht Veröffentlicht 29.07.2026 8 Min. Lesezeit
Abschnitte 05–06
05 · Kontrollfluss

Wie Arbeit durch ein Prompt-System läuft

Sechs Muster decken die meisten Systeme ab. Die ersten fünf sind Workflows: Pfade, die von Code gesteuert werden. Das sechste übergibt die Entscheidung über den nächsten Schritt dem Modell.

1 · Prompt Chaining WORKFLOW
Prompt A Output A Prompt B Output B

Einsetzen, wenn eine Aufgabe klare sequenzielle Stages hat, jeder Schritt vom vorherigen Ergebnis abhängt und Zwischenergebnisse validiert werden können.

Anfrage → Anforderungen → Spec → Plan → Code
2 · Routing WORKFLOW
Input Classifier
Workflow A Workflow B Workflow C

Einsetzen, wenn unterschiedliche Anfragetypen unterschiedliche Workflows brauchen oder ein günstigerer, sichererer Pfad gewählt werden kann. Nicht jede Nachricht braucht einen Agent.

Frage · Kleine Änderung · Redesign · Neubau · Konfiguration
3 · Parallelisierung WORKFLOW
Aufteilen
Worker A Worker B Worker C
Zusammenführen

Einsetzen, wenn Subtasks unabhängig sind und Ergebnisse zusammengeführt oder verglichen werden können.

Accessibility · SEO · Visual · Performance-Reviews
4 · Orchestrator-Workers WORKFLOW
Orchestrator
Spezialist 1 Spezialist 2 Spezialist 3
Synthese

Einsetzen, wenn Subtasks dynamisch erstellt werden müssen und eine zentrale Komponente die Zuständigkeit koordiniert.

⚠ Definieren Sie Task-Zuständigkeit und Merge-Regeln, um überlappende Änderungen zu vermeiden.
5 · Evaluator-Optimizer WORKFLOW
Generieren Bewerten Bestanden?
ja
✓ Fertig
Repair nein

Einsetzen, wenn Qualität messbar ist, Ergebnisse iterativ repariert werden können und externe Tests oder Grader existieren.

6 · Agents MODELLGETRIEBENER LOOP
Ziel Beobachten Entscheiden Mit Tool handeln

Das Modell wählt dynamisch, was als Nächstes zu tun ist, welches Tool es aufruft, ob es zerlegt oder repariert und wann es die Aufgabe für abgeschlossen hält.

Agents müssen innerhalb einer deklarierten State Machine, eines Capability-Modells und einer Stopp-Policy arbeiten.
Workflow ≠ Agent

Ein vordefinierter Pfad, der überwiegend von Code gesteuert wird. Das Modell füllt Schritte aus; der Code entscheidet, was als Nächstes passiert.

Agent

Ein modellgetriebener Loop, in dem das Modell die nächste Aktion innerhalb deklarierter Grenzen dynamisch entscheidet. Verwenden Sie die beiden Wörter nie als Synonyme.

Was das fürs Business bedeutet
Ein Agent ist die teuerste Option, nicht die Standardwahl

Sechs Muster decken fast jedes System ab, und fünf davon sind gewöhnliche Workflows, die von Ihrem eigenen Code gesteuert werden. Agents übergeben die Entscheidung über den nächsten Schritt dem Modell. Das macht sie zur flexibelsten und am wenigsten vorhersagbaren Wahl, mit der größten Spanne bei Kosten und Latenz. Dasselbe Feature kann sich in den Laufkosten um eine Größenordnung unterscheiden, je nachdem, welches Muster es nutzt, und die günstigeren Muster lassen sich meist leichter testen und gegenüber Prüfern erklären.

Entscheidung Verlangen Sie für jeden Use Case, dass das Team das gewählte Muster benennt und begründet, warum ein einfacheres nicht ausreicht.
06 · Die Prinzipienkarte

Moderne Programmierprinzipien, übertragen

Zwanzig etablierte Software-Engineering-Konzepte und was aus jedem in einem prompt-basierten System wird.

Konzept
Klassische Programmierung
Prompt- und Agent-Äquivalent
Funktionen
Eine wiederverwendbare Operation mit Inputs und Outputs.
Ein Prompt-Modul mit einer definierten Verantwortung, strukturiertem Input und strukturiertem Output.
Typen
Integer, Strings, Enums, Klassen, validierte Strukturen.
JSON Schema, Pydantic-Modelle, Enums, Validatoren, strukturierte Outputs; ungültige States werden schwer darstellbar.
Interfaces
Contracts zwischen Modulen.
Tool-Beschreibungen, API-Schemas, Agent-Capabilities, Input-/Output-Contracts.
Module
Wiederverwendbare Komponenten mit klar abgegrenzten Verantwortungen.
Spezialisierte Prompts, Skills, Tool-Adapter, Evaluatoren, Planner, Agents.
Komposition
Kleine Funktionen und Module kombinieren.
Prompt-Module zu Workflows und Pipelines verbinden.
Kontrollfluss
Sequenz, Verzweigung, Schleife, parallele Ausführung.
Prompt Chaining, Routing, Evaluator-Loops, parallele Worker, Agent-Tool-Loops.
State Machines
Explizite States und erlaubte Übergänge.
Deklarierte Workflow-Stages: RECEIVED → SPECIFIED → PLANNED → APPROVED → VERIFIED → PUBLISHED
Rekursion
Eine Funktion ruft sich selbst auf oder wiederholt eine Struktur.
Ein Agent zerlegt Tasks in Subtasks, die sich erneut zerlegen; erfordert maximale Tiefe, Budget-Obergrenzen, Fortschrittsprüfungen.
Nebenläufigkeit
Mehrere Prozesse laufen gleichzeitig.
Parallele Agents, Fan-out/Fan-in, Voting, konkurrierende Vorschläge. Risiken: Races, widersprüchliche Änderungen, veralteter Kontext.
Exception Handling
Fehler werden abgefangen und behandelt.
Retry · Repair · Fallback · Eskalation · Nutzer fragen · Abbruch · Rollback.
Design by Contract
Vorbedingungen, Nachbedingungen, Invarianten.
Jedes Prompt-Modul deklariert, was vor, nach und während des gesamten Workflows gelten muss.
Transaktionen
Änderungen gelingen gemeinsam oder werden zurückgerollt.
Plan → Preview → Approve → Apply → Verify → Commit; bei Fehler: Rollback
Idempotenz
Eine Operation zu wiederholen, erzeugt keine unbeabsichtigten Duplikate.
Ein wiederholter Task darf keine Datensätze duplizieren, keine E-Mail doppelt senden und keine doppelten Komponenten erzeugen.
Event Sourcing
Jedes bedeutsame zustandsändernde Event wird aufgezeichnet.
Nutzerintent, Modellentscheidungen, Tool-Aufrufe, State-Übergänge, Freigaben, Dateiänderungen, Evaluations und Rollbacks protokollieren.
Testing
Unit-, Integrations- und End-to-End-Tests.
Prompt-Unit-Evals, Golden Cases, Tool-Integrationstests, Multi-Turn-Szenarien, Verifikation des Environment-States, Regression-Suites.
Kompilierung
Quellcode wird zu einer ausführbaren Repräsentation.
Natürliche Sprache wird zu Intent → Spec → Plan → Tool-Aufrufe → Verifiziertes Artefakt; Prompts werden gegen Eval-Metriken optimiert.
Observability
Logs, Metriken, Traces, Debugger.
Prompts, Modellversionen, Tool-Aufrufe, Entscheidungen, State-Übergänge, Kosten, Tokens, Latenz, Retries, Fehler und Eval-Scores verfolgen.
Security
Least Privilege, Isolation, Authentifizierung, Sandboxing.
Einschränkung von Tool-Capabilities, Tenant-Isolation, Netzwerkrestriktionen, Approval-Gates, Schutz vor Prompt-Injection, Sandboxed Execution, Secret-Isolation.
Versionskontrolle
Quellcode und Konfiguration werden versioniert.
Prompts, System-Anweisungen, Modelle, Tool-Schemas, Workflow-Definitionen, Eval-Datasets, Policies und Design Systems versionieren.
Deployment Engineering
Staging, Canaries, Feature Flags, Rollback.
Shadow Runs, Offline-Evals, begrenzter Rollout, Modellvergleich, Prompt-Canaries, schrittweiser Tool-Zugriff, automatischer Rollback nach Regression.
Was das fürs Business bedeutet
Das ist keine neue Disziplin, und es braucht keine neue Jobbezeichnung

Jede Zeile dieser Tabelle bildet ein etabliertes Engineering-Konzept auf sein Äquivalent im Prompt-System ab. Zusammengelesen sagen sie etwas Nützliches über Staffing: Zuverlässige KI-Features entstehen, wenn erfahrene Engineers vertraute Ideen wie Typen, Contracts, Transaktionen, Idempotenz und Observability auf eine probabilistische Komponente anwenden. Das Muster des Scheiterns ist das Gegenteil: ein Team, das Prompting als eigenes Handwerk behandelt und dreißig Jahre Software Engineering auf die teure Weise neu entdeckt.

Entscheidung Besetzen Sie diese Projekte mit Senior Engineers, die diese Prinzipien bereits kennen, und nutzen Sie diese Tabelle als Review-Checkliste für ihre Designs.
Serie

Weiter im Engineering-Leitfaden

Das ist ein Teil eines sechsteiligen Leitfadens dazu, Prompts in spezifikationsgetriebene, probabilistische Software zu verwandeln.

Zur Serienübersicht →

App- & Cloud-Architektur · Strategiegespräch buchen

Weitere Artikel