Context Card
Agenten-Workloads, Microservices und Batch-Jobs
Wie unterscheidet sich ein KI-Agent im Betrieb von einem Microservice oder einem Batch-Job?
Die kurze Antwort
Ein KI-Agent ist ein langlebiger, zustandsbehafteter und nicht deterministischer Workload: Er behält Speicher über Sitzungen, wechselt zwischen Berechnung und Wartephasen, ruft externe Modelle und Werkzeuge auf und verursacht Kosten pro Schritt. Ein zustandsloser Microservice beantwortet eine Anfrage und vergisst sie; ein Batch-Job führt eine feste Abfolge zu Ende. Agentenorchestrierung verwaltet deshalb Identität, Arbeitsbereich, Zustand, Ressourcengrenzen, Netzwerkregeln und Lebenszyklusstatus statt nur Replicas und Restarts.
Für: Plattform-Engineering und Projektleitung im Agentenbetrieb
Das Wichtigste
- Microservices sind meist zustandslos und skalieren über Replicas; Agenten tragen Zustand und Identität.
- Batch-Jobs sind deterministische Abfolgen; ein Agent setzt seinen Weg zur Laufzeit selbst zusammen.
- Agenten brauchen Arbeitsbereiche, Werkzeugzugriff, Ressourcen- und Kostenlimits sowie Anhalten und Fortsetzen.
- Infrastructure-as-Code allein beschreibt kein Agentenverhalten: Prompts, Speicher und Werkzeugversionen tun es.
- Dokumentiert werden muss die ausführbare Agentenkonfiguration, nicht nur die Infrastruktur.
Der Zusammenhang
Drei Workload-Typen
Containerplattformen unterscheiden Workloads danach, wie sie Zustand halten. Zustandslose Dienste einer Microservice-Architektur lassen sich beliebig ersetzen oder vervielfachen; deshalb behandeln Kubernetes-Deployments Replicas als austauschbar, während StatefulSets stabile Identitäten und persistente Speicher für Workloads bereitstellen, bei denen das nicht gilt. Batch-Workloads führen eine definierte Abfolge zu Ende und sollen aus gleichen Eingaben gleiche Ergebnisse liefern.
Ein KI-Agent passt in keines dieser Muster. Er kann über Stunden oder Tage aktiv bleiben, Speicher über Sitzungen halten, auf Menschen oder externe Systeme warten, mit angesammeltem Kontext fortsetzen und seinen nächsten Schritt aus einer Modellantwort wählen. Zwei Durchläufe mit gleicher Eingabe können verschiedene Wege nehmen, und jeder Schritt kann ein kostenpflichtiges Modell oder ein externes Werkzeug aufrufen.
Folgen für die Orchestrierung
Orchestrierung für Agenten verwaltet daher Objekte, die ein Service-Scheduler nicht benötigt: Agentenidentität, Arbeitsbereich mit Repositories, Werkzeugservern und Skills, isolierte Ausführung mit Ressourcen- und Zeitgrenzen, Regeln für ausgehende Verbindungen, Modellkonfiguration und einen Lebenszyklusstatus, der inaktive Aufgaben anhält und später aus einem Prüfpunkt fortsetzt. Eine Prozess- oder Containergrenze schafft Isolation, aber keine Befugnis. Agentenspezifische Orchestratoren sind jung; Open-Source-Projekte in diesem Feld weisen in der Regel ausdrücklich darauf hin, dass ihre Schnittstellen noch nicht stabil sind.
Was dokumentiert werden muss
Weil Agentenverhalten aus Konfiguration und nicht allein aus Code entsteht, ist die dokumentierte Einheit die ausführbare Agentenkonfiguration: Modell und Version, Systemanweisung, Skills und Werkzeugversionen, erlaubte Datenquellen und Netzwerkziele, Speicher- und Aufbewahrungsregeln, Ressourcen-, Zeit- und Kostenlimits, Checkpoint-, Wiederaufnahme- und Abbruchbedingungen sowie die ausgeführten Aktionen mit Ergebnis. Infrastrukturversionen allein erklären nicht, warum ein Agent so gehandelt hat. Rahmenwerke wie das NIST AI RMF verlangen eine nachvollziehbare Zuordnung von beabsichtigter Funktion, eingesetzter Konfiguration und beobachtetem Verhalten; ihre Erfassung ist eine Managementaufgabe und belegt noch nicht, dass ein Agent innerhalb seiner Grenzen gearbeitet hat.
Fragen, die sich daran anschließen
- Kann man einen Agenten nicht einfach als Container betreiben?
- Technisch ja, und viele Teams tun das. Es fehlen dann aber Identität, Zustandsführung, Werkzeug- und Netzwerkgrenzen, Kostenlimits und eine verlässliche Stop-Funktion als dokumentierte und durchgesetzte Eigenschaften.
- Warum sind Kostenlimits ein Architekturthema?
- Ein Agent, der wartet, wiederholt und Kontext erneut liest, verbraucht Modellaufrufe über seine gesamte Laufzeit. Ohne Budgets pro Aufgabe und Abbruchbedingungen wächst der Aufwand mit der Dauer, nicht mit der Anzahl der Anfragen.
- Ist ein fortgesetzter Agent dasselbe wie ein Batch-Job mit Prüfpunkt?
- Nur teilweise. Beide stellen gespeicherten Zustand wieder her, aber ein fortgesetzter Agent arbeitet mit Speicher weiter und kann einen anderen Weg wählen. Der Wiederaufnahmepunkt garantiert kein gleiches Folgeverhalten.
Quellen
- Kubernetes StatefulSet vs. Deployment with Use Cases — Spacelift, 29. September 2026
- Kubernetes Deployment vs. StatefulSets — Baeldung on Ops, 29. September 2026
- Artificial Intelligence Risk Management Framework (AI RMF 1.0) — NIST, 26. Januar 2023
Prüfprotokoll und Änderungen
Jede Context Card wird vor der Veröffentlichung und bei jeder Änderung erneut anhand ihrer Quellen geprüft; das Datum unter der Autorenzeile ist die letzte Prüfung. Korrekturen (etwas war falsch) und Ergänzungen (etwas fehlte) stehen unten mit Datum und Uhrzeit (deutsche Zeit). Tippfehler, Formatierung und Link-Korrekturen werden nicht aufgeführt.
Geprüft
Seit der Veröffentlichung keine Korrekturen oder Ergänzungen.