Meta hat seine Agentenarchitektur für die Einrichtung von Datenspalten in internen Empfehlungssystemen umgebaut. Statt eines einzelnen Modells mit Wissen über alle beteiligten Dienste verwendet das Unternehmen 14 spezialisierte Agenten und einen etwa 1.300 Zeilen langen Orchestrator. Mehr als 20 Workflows greifen auf denselben Agentenpool zu. Meta veröffentlichte die technischen Einzelheiten am 19. Oktober 2026.
Die ursprüngliche Aufgabe umfasst Änderungen über drei Code-Repositories und mehrere Programmiersprachen hinweg. Eine neue Spalte durchläuft bis zu sechs Pipeline-Phasen. Im ersten Ansatz musste ein Agent die Konfigurationsregeln, Codegenerierung und Validierung für zahlreiche Datenquellen gleichzeitig kennen.
Gemeinsamer Kontext führte zu Regeln aus dem falschen Subsystem
Meta beobachtete, dass der umfassende Agent Benennungskonventionen und Generierungsmuster unterschiedlicher Datenquellen vermischte. Mit individuell vorbereiteten Prompts erreichte eine getestete Einzelagentenvariante laut Unternehmen 70 bis 80 Prozent erfolgreiche Abläufe. Ohne diese manuelle Anpassung sank die Erfolgsquote auf 10 bis 20 Prozent. Eine unabhängige Reproduktion der Messwerte ist nicht veröffentlicht.
Die neue Architektur trennt Ablauf und Fachwissen. Der Orchestrator ermittelt die benötigten Eingaben, kontrolliert bestehende Konfigurationen, prüft Warnungen und wählt den passenden Spezialagenten. Er erzeugt selbst keinen fachlichen Code. Die eigentliche Modellarbeit findet in einem Subagenten statt, der nur die für seinen Bereich benötigten Regeln erhält.
Workflow-Templates ordnen vorhandene Agenten neu an
Meta beschreibt einen festen Ablauf für Eingabeprüfung, Erkennung bereits vorhandener Einträge, Datensammlung, Sicherheits- und Zuverlässigkeitsprüfungen, Delegation und Ergebnisbehandlung. Für unterschiedliche Aufgaben werden die spezialisierten Agenten über Workflow-Templates in verschiedener Reihenfolge eingesetzt.
Ein Pipeline-Migrationsworkflow erforderte laut Meta dadurch keine neue Agentenimplementierung. Stattdessen wurde eine weitere Sequenz vorhandener Komponenten definiert. Die Domänenregeln liegen in mehr als 25 Wissensdateien, die zur Laufzeit geladen werden. Änderungen an einer Regeldatei benötigen nach dieser Beschreibung keine Änderung des Orchestrators.
Der Ansatz begrenzt die Informationen, die ein einzelner Agent gleichzeitig verarbeitet. Er ersetzt damit keine fachliche Validierung. Meta lässt die einzelnen Stufen weiterhin durch festgelegte Prüfungen und nachgelagerte Tests kontrollieren.
Meta meldet weniger als eine Stunde statt mehrerer Tage
Nach Angaben des Unternehmens dauerte die Vorbereitung einer neuen Datenspalte früher drei bis vier Tage manuell, mit einem vorangegangenen konfigurationsbasierten System ungefähr einen Tag und mit der neuen Agentenarchitektur weniger als eine Stunde. Rund zwei Drittel der erzeugten Änderungen werden laut Meta ohne größere menschliche Nacharbeit übernommen.
Die Zahlen beschreiben Metas eigenen Produktionsworkflow. Es fehlen Angaben zur Gesamtzahl der Aufgaben, zu Fehlern nach der Übernahme und zu einem kontrollierten Vergleich bei identischen Bedingungen.
Für andere Multi-Agent-Systeme lässt sich aus der veröffentlichten Architektur ein konkreter Entwurfsansatz ableiten: Ablaufzustand und Freigabeprüfungen bleiben im normalen Programmcode, während einzelne Agenten nur die jeweils benötigten Domäneninformationen erhalten. Ob das auch bei anderen Aufgaben die gleiche Zeitersparnis bringt, ist damit noch nicht gemessen.
Quelle: Meta Engineering, „The Thin Orchestrator: How We Made Our AI Agents More Reliable by Giving the Router Less to Do“, 19.10.2026: https://engineering.fb.com/2026/10/19/ml-applications/thin-orchestrator-ai-agent-architecture/