Anwendungsfall für agentische KI: Multimodale Daten klassifizieren

Last reviewed 2026-03-03 UTC

In diesem Dokument wird eine allgemeine Architektur für ein Multi-Agent-KI-System beschrieben, das in Cloud Run bereitgestellt wird. Es analysiert unterschiedliche multimodale Daten und liefert eine Klassifizierung mit hoher Konfidenz. Bei diesem Ansatz werden fragmentierte Medien durch den Abgleich von Live-Daten mit historischen Ground Truth-Daten kreuzvalidiert, um fundierte, überprüfbare Erkenntnisse zu gewinnen.

Die Zielgruppe für dieses Dokument umfasst Architekten, Entwickler und Administratoren, die KI-Infrastruktur und ‑Anwendungen in der Cloud erstellen und verwalten. Dabei wird vorausgesetzt, dass Sie ein grundlegendes Verständnis von KI-Agenten und ‑Modellen haben. Das Dokument enthält keine spezifischen Anleitungen zum Entwerfen und Programmieren von KI-Agenten.

Im Abschnitt Bereitstellung dieses Dokuments finden Sie Codebeispiele, mit denen Sie erfahren, wie Sie Multi-Agent-KI-Systeme erstellen und bereitstellen.

Architektur

Das folgende Diagramm zeigt die Architektur des Multi-Agent-KI-Systems, das ein paralleles Agentendesignmuster verwendet, um unabhängige Analysen multimodaler Daten zu koordinieren und eine einzelne Klassifizierung zu erstellen.

Architektur eines KI-Systems mit mehreren Agenten, das multimodale Daten klassifiziert.

Die Architektur zeigt den folgenden Datenfluss:

  1. Die Webanwendung sendet eine Anfrage an den Root-Agent, um eine Reihe multimodaler Daten zur Klassifizierung zu analysieren. Der Root-Agent ist ein Koordinationsagent der Anfragen empfängt und in einem Cloud Run Dienst bereitgestellt wird.
  2. Der Root-Agent verarbeitet die Anfrage so:
    1. Der Root-Agent initiiert einen before_agent_callback, um Umgebungskonfigurationen zu erfassen, die Nutzereingabe zu validieren und Ressourcen pfade in einem freigegebenen Sitzungsstatus zu speichern. Alle Sub-Agenten können auf den freigegebenen Sitzungsstatus zugreifen. Dadurch werden redundante Aufrufe zum Abrufen von Statusdaten vermieden und die Gesamtlatenz verringert.
    2. Der Root-Agent verwendet Gemini auf der Gemini Enterprise Agent Platform, um die Anfrage des Nutzers zu interpretieren und Aufgaben an spezialisierte Sub-Agenten zu verteilen, die parallel ausgeführt werden.
  3. Jeder Sub-Agent ist auf einen bestimmten Bereich spezialisiert und führt die folgenden Aufgaben unabhängig aus:
    1. Die Sub-Agenten für Bild- und Videoanalysen interagieren mit benutzerdefinierten Model Context Protocol (MCP)-Servern, um die folgenden Aktionen auszuführen:
      1. Abrufen unstrukturierter Rohdaten, die in einem Cloud Storage-Bucket gespeichert sind.
      2. Senden einer Anfrage an Gemini, um die Eingabedaten zu interpretieren, zu klassifizieren und ein Konfidenzniveau zu berechnen.
      3. Gemini sendet die vorgeschlagene Klassifizierung und das Konfidenzniveau zurück an den benutzerdefinierten MCP-Server.
      4. Der benutzerdefinierte MCP-Server leitet die Antwort an den Sub-Agent weiter.
    2. Der Sub-Agent für strukturierte Datenanalysen orchestriert die Analyse, indem er die folgenden Aufgaben ausführt:
      1. Interagiert mit dem BigQuery-MCP-Server, um strukturierte Kontextdaten (z. B. Verlaufsdatensätze, Ereignislogs oder Sensorwerte) abzurufen, die in einem BigQuery-Dataset gespeichert sind.
      2. Der Sub-Agent für strukturierte Datenanalysen sendet eine Anfrage an Gemini, um die Eingabedaten zu interpretieren, zu klassifizieren und ein Konfidenzniveau zu berechnen.
      3. Gemini sendet die vorgeschlagene Klassifizierung und das Konfidenzniveau zurück an den Sub-Agent.
  4. Jeder Sub-Agent sendet die vorgeschlagene Klassifizierung und das Konfidenzniveau zurück an den Root-Agent.
  5. Der Root-Agent verwendet Gemini, um die Ausgaben der spezialisierten Sub-Agenten zusammenzufassen und eine einzelne Klassifizierung mit hoher Konfidenz zu erstellen.
    • Wenn die meisten Klassifizierungen der spezialisierten Sub-Agenten übereinstimmen, sendet der Root-Agent die übereinstimmende Klassifizierung an die Webanwendung.
    • Wenn die Sub-Agenten keine übereinstimmende Klassifizierung liefern, wählt der Root-Agent die Klassifizierung mit dem höchsten Konfidenzniveau aus und sendet sie an die Webanwendung.

Verwendete Produkte

In dieser Referenzarchitektur werden die folgenden Google Cloud Produkte und Tools verwendet:

Informationen zum Auswählen alternativer Komponenten für Ihr agentisches KI System, einschließlich Framework, Agent-Laufzeit, Tools, Arbeitsspeicher und Designmuster, finden Sie unter Komponenten für agentische KI-Architektur auswählen.

Anwendungsfall

Diese Architektur ist für Anwendungsfälle konzipiert, in denen verschiedene multimodale Daten für Klassifizierungs- und Erkennungsaufgaben synthetisiert werden. Für eine höhere Genauigkeit und Skalierbarkeit verwendet die Architektur ein Multi-Agent-KI-System anstelle eines monolithischen Single-Agent-Ansatzes. Dieses Designmuster bietet gezielte Anweisungen, vermeidet widersprüchliche Anweisungen, ermöglicht kleinere Toolsets für schnellere Entscheidungen und unterstützt unabhängige Updates, was zu robusteren und ausgefeilteren Ergebnissen führt.

Im Folgenden finden Sie Beispiele für Anwendungsfälle für die in diesem Dokument beschriebene Architektur:

  • Medizinische Diagnose: Umfassende Diagnosen erstellen, indem spezialisierte Agenten bereitgestellt werden, die medizinische Bilder, Patientensymptome und Laborergebnisse unabhängig analysieren. Das KI-System fasst diese Ergebnisse basierend auf einem festgelegten Konfidenzschwellenwert zusammen, um fundierte, überprüfbare Erkenntnisse für Ärzte zu liefern.
  • Betrugserkennung: Potenziellen Betrug erkennen und kennzeichnen, indem Agenten bereitgestellt werden, die unabhängig Verhaltensmuster von Nutzern und Transaktionsdaten wie gescannte Belege und Händlerrechnungen analysieren. Durch den Abgleich visueller Beweise aus Dokumenten mit digitalen Netzwerkaktivitäten identifiziert das System Abweichungen und kennzeichnet alle Transaktionen, bei denen ein einzelner Agent einen verdächtigen Indikator erkennt.
  • Dokumentverarbeitung: Die Klassifizierung und Extraktion von Informationen aus Dokumenten automatisieren, indem spezialisierte Agenten für die optische Zeichenerkennung (Optical Character Recognition, OCR), Dokumentklassifizierung und Datenextraktion bereitgestellt werden. Um eine Verarbeitung mit hoher Konfidenz zu ermöglichen, müssen sich alle Agenten auf die Ausgabe einigen.
  • Qualitätskontrolle: Produktqualität klassifizieren oder Anomalien erkennen, indem spezialisierte Agenten für die visuelle Inspektion, die Analyse von Sensordaten und die Überprüfung von Spezifikationen bereitgestellt werden. Das System bestimmt anhand eines festgelegten Konfidenzschwellenwerts zwischen den Agenten, ob ein Test bestanden oder nicht bestanden wurde.

Designaspekte

Wenn Sie diese Architektur für die Produktion implementieren möchten, beachten Sie die folgenden Empfehlungen:

Informationen zu Designfaktoren und Best Practices sowie Empfehlungen zum Erstellen und Bereitstellen eines Multi-Agent-KI-Systems finden Sie unter Multi-Agent-KI-System in Google Cloud.

Bereitstellung

Wenn Sie eine Beispielimplementierung dieser Architektur bereitstellen möchten, probieren Sie das Codelab Way Back Home Level 1 aus.

Nächste Schritte

Beitragende

Autor: Samantha He | Technische Autorin

Weitere Beitragende: