LangGraph oder CrewAI: Zustandskontrolle ab acht Schritten

In Pooya Golchians Aufgabenmessung erreichte die LangGraph-Konfiguration bei Aufgaben mit mindestens acht Schritten 62 Prozent erfolgreiche Abschlüsse, die CrewAI-Konfiguration 54 Prozent; getestet wurden je Schwierigkeitsstufe 200 Aufgaben mit Qwen3 32B über Ollama auf einem Apple M4 Max mit 64 GB Speicher und Framework-Ständen vom April 2026. Für Abläufe mit vielen Verzweigungen und gezielter Wiederaufnahme spricht die Architektur von LangGraph; wenn spezialisierte Agenten gemeinsam recherchieren und formulieren, bietet CrewAI mit Crews und Flows eine andere, ebenfalls zustandsfähige Struktur.

Die Abschlussquote bewertet eine konkrete Implementierung, während die Architekturentscheidung den eigenen Ablauf betrifft. LangGraph macht Übergänge und Änderungen am gemeinsamen Zustand zum Kern des Programms. CrewAI trennt die Arbeit der Agenten von einem Flow, der Reihenfolge, Verzweigungen und Zustand verwaltet. Entscheidend ist, wo ein fehlerhaftes Zwischenergebnis sichtbar wird und mit welchem gespeicherten Kontext die Ausführung weitergeht.

Ein Supportfall als gemeinsamer Maßstab

Ein hypothetischer Fall verbindet Support und Recherche: Eine Anfrage wird aufgenommen und eingeordnet; das System sucht Wissenseinträge, prüft deren Gültigkeit, gleicht Kundendaten ab, erstellt einen Antwortentwurf, wartet auf Freigabe und versendet die Antwort. Scheitert die Prüfung eines Fundes, soll die Suche mit einer präzisierten Frage erneut beginnen. Die Freigabe kann später eintreffen, während der bisherige Entwurf und die zugehörigen Belege erhalten bleiben müssen.

Der fachliche Zustand dieses Falls umfasst Fallkennung, Anliegen, Suchanfrage, Fundstellen, Prüfergebnis, Kundendaten, Entwurf und Freigabestatus. Die Suchschleife darf den ursprünglichen Auftrag nicht verlieren; eine erneute Recherche soll ihr erstes Ergebnis ersetzen oder ergänzen, aber keine fremde Anfrage übernehmen. Diese Zustandsfragen bestehen unabhängig davon, ob ein einzelner Agent mehrere Werkzeuge nutzt oder mehrere Agenten sich die Arbeit teilen.

LangGraph: Der Fall wird zum Zustandsgraphen

LangGraph eignet sich hier, wenn jeder Übergang ausdrücklich festgelegt werden soll. Die Graph API von LangGraph definiert einen gemeinsamen State, Knoten und Kanten; bedingte Kanten wählen anhand des aktuellen Zustands den nächsten Knoten. Im Beispiel wären Suche, Belegprüfung, Entwurf und Freigabe getrennte Knoten. Nach einer unbrauchbaren Fundstelle führt die Prüfung zur Suche zurück, nach einer brauchbaren zum Entwurf. Welche Felder dabei überschrieben oder beibehalten werden, legt die Anwendung im State und in den Knoten fest.

Bei einer Freigabeunterbrechung braucht der Fall einen dauerhaft auffindbaren Zwischenstand. Die LangGraph-Dokumentation zur Persistenz ordnet Checkpoints dem Zustand eines Threads zu und trennt davon einen Store für Daten über Thread-Grenzen hinweg. Der Entwurf und sein Freigabestatus gehören in den Thread des konkreten Supportfalls; allgemeines Wissen, das mehrere Fälle verwenden, kann im Store liegen. Ein Checkpointer im Arbeitsspeicher verliert seine Daten bei einem Prozessneustart, weshalb eine dauerhafte Speicherung für diese Art Wiederaufnahme nötig ist.

Der Graph zeigt außerdem, an welcher Entscheidung der Fall in die Suchschleife zurückkehrte. Die Klarheit hat einen Preis: Eingaben, Ausgaben und Übergänge müssen sauber modelliert werden, statt in einer allgemeinen Agentenanweisung zu verschwinden. Das ist vor allem dann nützlich, wenn ein Betreiber einen fehlgeschlagenen Fall anhand seines gespeicherten Zustands nachvollziehen und gezielt an einer definierten Stelle fortsetzen muss.

CrewAI: Die Crew arbeitet innerhalb eines Flows

CrewAI organisiert dieselbe Aufgabe zunächst über Zuständigkeiten. In der CrewAI-Architektur arbeiten Agenten mit spezifischen Rollen und Werkzeugen in einer Crew; ein Flow steuert den übergeordneten Ablauf und nimmt das Ergebnis der Crew wieder auf. Im Beispiel könnte eine Recherche-Crew Belege sammeln und bewerten, während ein Antwort-Agent den Entwurf formuliert. Rollen beschreiben hier die fachliche Arbeit, der Flow dagegen die Lebensdauer des Supportfalls.

Für die Suchschleife und Freigabe reicht eine bloße Abfolge von Crew-Aufgaben nicht aus. Die Dokumentation zu CrewAI Flows beschreibt strukturierten oder frei aufgebauten Zustand, bedingte Routen über einen Router und Speicherung mit @persist; ein gespeicherter Zustand lässt sich über seine Kennung bei einem späteren Start laden. Im Beispiel entscheidet die Belegprüfung im Flow zwischen erneuter Suche und Entwurf. Die Fallkennung und der Freigabestatus müssen dabei im Flow-Zustand verfügbar sein, auch wenn eine Crew intern weitere Informationen verarbeitet.

Damit ist CrewAI nicht auf einen linearen Rollendialog beschränkt. Der zusätzliche Entwurfsschritt besteht darin, Rollenarbeit und Ablaufsteuerung voneinander zu trennen: Die Crew liefert etwa ein Rechercheergebnis, der Flow bewertet dessen Status und entscheidet über den nächsten Abschnitt. Wer nur die Rollen festlegt, hat die Wiederaufnahme noch nicht beschrieben; wer den Flow und seinen Zustand entwirft, kann sie ausdrücklich regeln.

Was bei Unterbrechung und Fehlersuche zählt

Eine wiederholte Suche ist vergleichsweise harmlos, ein wiederholter Versand der Antwort nicht. Deshalb braucht der Zustand im Beispiel eine eindeutige Fallkennung und einen verlässlichen Hinweis, ob die Antwort bereits freigegeben und versendet wurde. Die Anwendung muss den Versand gegen doppelte Ausführung absichern, etwa mit einer eindeutigen Versandkennung. Persistenz speichert Zwischenergebnisse, übernimmt aber nicht automatisch die fachliche Entscheidung, ob eine Außenwirkung nochmals zulässig ist.

Für die Fehlersuche führt LangGraphs Modell direkt zur Zustandsänderung am betreffenden Knoten und zum gewählten Übergang. Bei CrewAI sind zwei Ebenen zu betrachten: Hat der Flow den richtigen Zweig genommen, und hat die Crew ein brauchbares Ergebnis geliefert? Dieser Unterschied ist besonders wichtig, wenn die Recherche zwar technisch abgeschlossen wurde, ihre Belege aber für eine Kundenantwort untauglich sind. Dann gehört die fachliche Ablehnung in den Steuerungszustand, sonst kann derselbe schlechte Entwurf immer wieder weitergereicht werden.

Wie weit die Erfolgsquote trägt

Die veröffentlichte Aufgabenmessung zeigt für längere Abläufe einen Abstand bei erfolgreichen Abschlüssen; in der einfachen Stufe lagen die Frameworks enger zusammen. Sie beantwortet jedoch nicht, welcher einzelne Mechanismus diesen Abstand verursacht hat. Ein Graph, ein Flow, die konkreten Werkzeuge, Prompts und Fehlerregeln wirken im fertigen System zusammen. Die berichteten Resultate lassen sich daher nicht als Prognose für jeden Supportprozess oder jede Modellwahl lesen.

Für den beschriebenen Fall spricht LangGraph, wenn überprüfbare Zustandsübergänge, threadbezogene Wiederaufnahme und fein abgegrenzte Fehlerpfade den Entwurf bestimmen. CrewAI ist ebenso eine tragfähige Wahl, wenn spezialisierte Rollen den Kern der Arbeit bilden und der Flow die Verzweigungen sowie den dauerhaften Fallzustand übernimmt. Der eigentliche Aufwand liegt dann an unterschiedlichen Stellen: bei LangGraph in der expliziten Modellierung des Graphen, bei CrewAI in der sauberen Grenze zwischen Crew-Ergebnis und Flow-Entscheidung.

Lesen Sie auch: