Agent oder Workflow?

Letzten Monat saß ich vor genau dieser Entscheidung: Agent-Framework wählen für eine Kunden-Automatisierung. LangGraph? Claude Agent SDK? Oder gar kein Agent? Gartner sagt: über 40 % aller Agentic-AI-Projekte werden bis Ende 2027 abgebrochen (Gartner). Die meisten scheitern nicht am Modell, sondern an einer Architektur-Entscheidung, die nie bewusst getroffen wurde.

Kurz gesagt

• Gartner erwartet, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden. Die Mathematik dahinter ist die Fehlerkette: 85 % Genauigkeit pro Schritt heißt rund 20 % nach 10 Schritten.
• MCP ist kein Framework, sondern das Fundament: Tools immer als MCP-Server bauen, dann ist der Framework-Wechsel später ein Refactoring, kein Rewrite.
• Die ehrliche Trennlinie: beschreibbarer Ablauf heißt Workflow (n8n), explorative Aufgaben heißen Agent (Claude Agent SDK oder LangGraph).

Die 40 %-Zahl richtig lesen

Gartner hat mehr als 3.400 Organisationen befragt, die aktiv in Agentic AI investieren. Das Ergebnis: über 40 % der Projekte werden bis Ende 2027 eingestellt: wegen eskalierender Kosten, unklarem Business Value oder fehlender Risikokontrolle (Gartner, Juni 2025). Und: Von tausenden "Agentic-AI-Anbietern" hält Gartner nur rund 130 für echt; der Rest ist "Agent Washing", also umetikettierte Chatbots und RPA.

Warum scheitern die Projekte technisch? Es ist simple Mathematik. Ein Agent, der pro Schritt 85 % Genauigkeit erreicht, schafft einen 10-Schritte-Workflow nur noch in rund 20 % der Fälle fehlerfrei (The AI Engineer). Fehler multiplizieren sich. Je autonomer der Agent, desto länger die Kette und desto unwahrscheinlicher das Ergebnis.

Meine wiederkehrende These aus 15 Monaten Production: Die meisten "Agents", die in Produktion überleben, sind gar keine. Es sind Workflows mit LLM-Bausteinen: Constraints schlagen Capabilities.

Die Landkarte: 4 Optionen, 3 davon sind Frameworks

Bevor du wählst, sortiere die Begriffe. Die vier Dinge, die 2026 in jedem Pitch durcheinandergeworfen werden:

• MCP (Model Context Protocol) ist kein Framework, es ist das USB-C der Tool-Anbindung. Seit Dezember 2025 liegt es bei der Linux Foundation (Agentic AI Foundation, mit OpenAI und Block als Co-Foundern). Über 10.000 öffentliche MCP-Server, 97 Mio. SDK-Downloads pro Monat (GitHub Blog). 41 % der befragten Software-Organisationen haben MCP-Server in begrenzter oder breiter Produktion (Stacklok 2026). MCP wählst du nicht, du baust darauf. Egal welches Framework darüber liegt.
• Claude Agent SDK: die opinionated Komplettlösung. Anthropic besitzt den Agent-Loop, du steuerst ihn: Tools, Permissions, Sessions inklusive. Stärkste Wahl, wenn dein Stack ohnehin Claude-zentrisch ist. Der Preis: Vendor-Bindung (Vergleich LangChain-Docs).
• LangGraph: die Low-Level-Orchestrierung. Du besitzt den Loop, das State-Schema, jede Kante im Graphen: modellagnostisch, mit durablen Checkpoints. Klarna, Uber und LinkedIn fahren damit in Produktion (Developers Digest). Der Preis: du baust und wartest deutlich mehr selbst.
• n8n: Low-Code-Workflow-Engine mit LLM-Nodes. Kein Agent-Framework im engen Sinn, und genau deshalb für 80 % der Mittelstands-Anwendungsfälle die richtige erste Antwort. Deterministischer Ablauf, LLM nur dort, wo Sprache verstanden oder erzeugt werden muss.

Die Decision-Matrix: 5 Fragen vor der ersten Zeile Code

Statt Feature-Vergleich: eine Entscheidungslogik zum Mitnehmen.

def choose_agent_stack(task):
    if task.steps_deterministic and task.needs_llm_only_for_text:
        return "n8n / Workflow"          # kein Agent. Ehrlich bleiben.
    if task.claude_centric and task.needs_fs_tools_sessions:
        return "Claude Agent SDK"        # fertiger Loop, MCP nativ
    if task.multi_agent or task.needs_checkpoints or task.model_mix:
        return "LangGraph"               # du besitzt Graph + State
    if task.exploratory_poc:
        return "Claude Agent SDK"        # schnellster Weg zu Signal
    return "n8n / Workflow"              # Default: Constraints > Capabilities
# Fundament in ALLEN Faellen: Tools als MCP-Server bauen.
# Dann ist der Framework-Wechsel spaeter ein Refactoring, kein Rewrite.

Die fünf Fragen dahinter: Ist der Ablauf deterministisch beschreibbar? Ist der Stack Claude-zentrisch? Brauchst du Multi-Agent-Topologien oder Checkpoints? Ist es ein Proof of Concept oder Produktion? Und: Wer wartet das in 12 Monaten?

Die wichtigste Zeile ist der Kommentar am Ende: Tools immer als MCP-Server bauen. Das ist die einzige Entscheidung, die du bei einem späteren Framework-Wechsel nicht bereust.

Warum die Bescheidenheit gewinnt

"When I see things like, 'oh, 2025 is the year of agents,' I get very concerned. I feel like this is the decade of agents."

– Andrej Karpathy, Dwarkesh-Podcast, Oktober 2025

Karpathy, der Mann, der bei Tesla Autonomie gebaut hat, warnt vor genau der Über-Prognose, die Gartners 40 % produziert. Wir stehen am Anfang eines Jahrzehnts, nicht am Ende eines Sprints. Für dein Engineering-Team heißt das: Die Architektur, die heute gewinnt, ist die, die du in 12 Monaten noch verstehst, debuggen und umbauen kannst. Nicht die mit der beeindruckendsten Demo.

Build in Public: meine eigene Antwort auf die Frage

Meine Video-Content-Pipeline läuft seit über einem Jahr täglich in Produktion: Recherche, Skript, Avatar-Render, Untertitel, Publishing auf 5 Plattformen. Als ich sie gebaut habe, war "Multi-Agent-System" die naheliegende Antwort. Gebaut habe ich: n8n-Workflows mit LLM-Bausteinen an exakt den Stellen, wo Sprache entsteht. Fünf Workflows, jeder Schritt deterministisch, jeder Fehler einzeln sichtbar.

Das Ergebnis: kein einziger stiller Totalausfall. Wenn etwas bricht, bricht genau ein Node, und ich sehe welcher. Ein autonomer Agent hätte mir dieselbe Pipeline mit 10+ Entscheidungsschritten gebaut; bei 85 % Schritt-Genauigkeit wäre jede fünfte Ausgabe Schrott gewesen.

Wo ich trotzdem zum Agent-Ansatz greife: explorative Aufgaben ohne beschreibbaren Ablauf: Code-Recherche, Debugging, Datenanalyse. Dafür nutze ich das Claude Agent SDK täglich. Das ist die ehrliche Trennlinie: beschreibbar → Workflow, explorativ → Agent.

Was ich am nächsten Morgen anders mache

Nimm den einen Agent-Use-Case, der bei euch gerade diskutiert wird, und schreib den Ablauf als nummerierte Liste auf.

1. Kommst du auf eine feste Schrittfolge? Dann ist es ein Workflow: bau ihn in n8n oder als Pipeline, LLM nur an den Sprach-Stellen.
2. Kommst du nicht auf eine feste Folge, weil der Weg vom Zwischenergebnis abhängt? Dann ist es ein Agent-Case, und die Framework-Frage aus der Matrix oben ist dran.
3. In beiden Fällen: Tools als MCP-Server anlegen, nicht als Framework-natives Plugin.

Diese eine Übung (Ablauf aufschreiben, bevor ein Framework gewählt wird) hätte nach meiner Erfahrung die Mehrheit der 40 % gescheiterten Projekte verhindert.

Wenn bei euch gerade ein Agent-Projekt ansteht, oder eines läuft, das sich nicht produktiv anfühlt: ich sortiere das mit dir in 30 Minuten. Workflow oder Agent, welches Framework, was zuerst. Kein Pitch, klare Einordnung, mit Architektur-Skizze.

Aktuell 1-2 Slots in Q3 2026 frei: heiner.io/termin

Engineering-Patterns im Code: github.com/banckom

André Heiner

heiner.io · KI-Engineering für Enterprise