Agent Recovery: Wie AI-Agents sich sicher von Fehlern erholen

ProduktivbetriebZuverlässigkeitVeröffentlicht Aktualisiert Von Simon Budziak

Agent Recovery bringt einen AI-Agent-Workflow nach einem Absturz, Timeout oder schlechten Tool-Ergebnis in einen bekannten sicheren Zustand zurück. Es prüft, was tatsächlich geschehen ist, stellt den dauerhaften Zustand wieder her und setzt dann fort, wiederholt, kompensiert oder eskaliert, ohne Nebenwirkungen zu verdoppeln. Andere Fachgebiete nutzen den Ausdruck für die Wiederherstellung von Infrastruktur-Agents; dieser Eintrag behandelt LLM-Agents.

Wie funktioniert Agent Recovery in der Produktion?

Recovery beginnt bei einem Agent-Checkpoint und vergleicht ihn mit dem aktuellen externen Zustand. Die Agentic-AI-Lens von AWS beschreibt die Form: Workflows in Stufen mit gespeicherten Ergebnissen zerlegen, Fehler vor dem Handeln klassifizieren, vorübergehende Fehler mit exponentiellem Backoff, Jitter und einem Retry-Budget wiederholen, bei dauerhaften Fallbacks anwenden und nur nicht behebbare Fehler an einen Menschen schicken (AWS Well-Architected Agentic AI Lens, abgerufen am 13. November 2026). Recovery beginnt mit Prüfung, nicht mit Wiederholung. Ein idempotenter Tool-Aufruf macht eine Wiederholung sicher.

Recovery, Retry und Rollback: Was ist der Unterschied?

Option Was sie tut Einsatz, wenn
Fortsetzen Beim letzten Checkpoint weitermachen Der Zustand intakt ist und bekannt ist, dass der letzte Schritt abgeschlossen oder nicht begonnen wurde
Retry Den fehlgeschlagenen Schritt erneut ausführen Der Fehler vorübergehend und der Schritt idempotent ist, siehe Agent Retry Policy
Kompensieren oder zurückrollen Abgeschlossene Wirkungen rückgängig machen Ein späterer Schritt scheiterte, nachdem Nebenwirkungen eingetreten waren, siehe Agent Rollback
Eskalieren An einen Menschen übergeben Das Ergebnis unsicher oder der Fehler nicht behebbar ist

Was liefert das Framework?

Frameworks liefern Persistenz, kein Urteil. LangGraph-Checkpointer speichern den Graph-Zustand eines Threads, sodass ein Lauf nach einer Unterbrechung fortgesetzt oder nach einem Fehler wiederhergestellt werden kann, aber Checkpoints der In-Memory-Saver gehen beim Neustart des Prozesses verloren, und die Dokumentation empfiehlt in der Produktion einen persistenten Checkpointer wie PostgresSaver (LangGraph-Dokumentation zu Durable Execution, abgerufen am 13. November 2026). Die Entscheidung, ob ein halb fertiger Schritt gelandet ist, bleibt bei Ihrem Code. Siehe Durable Execution und unseren Leitfaden zur Fehlertoleranz in LangGraph (auf Englisch).

Warum ist Recovery für Agents schwierig?

Ein fehlgeschlagener Versuch hinterlässt eine unordentliche Umgebung, keine saubere Tafel. Lettas Recovery-Bench startet Agents aus dem Zustand, den ein fehlgeschlagener Versuch hinterlassen hat, und Modelle erreichten im Schnitt 11,2 Prozent gegenüber 26,3 Prozent bei den ursprünglichen Terminal-Bench-Aufgaben, ein relativer Rückgang von 57 Prozent (Letta Recovery-Bench, abgerufen am 13. November 2026). Kann das System nicht sagen, ob eine Aktion gelandet ist, muss es anhalten, bevor es erneut versucht. Eskalieren Sie über die Agent-Incident-Response und halten Sie den Grund und den gewählten Zweig fest.

Dieser Eintrag wurde mit AI-Unterstützung verfasst.

Häufig gestellte Fragen

Wofür wird Agent Recovery eingesetzt?

Automatisieren Sie die Wiederherstellung bei bekannten vorübergehenden Fehlern und eskalieren Sie unsichere Ergebnisse über die Agent-Incident-Response. Halten Sie den Grund und den gewählten Zweig fest.

Ist ein Retry dasselbe wie Recovery?

Nein. Ein Retry ist eine Recovery-Option; Recovery kann auch fortsetzen, kompensieren, zurückrollen oder eskalieren.

Wo setzt ein Agent nach einem Absturz fort?

Beim zuletzt gespeicherten Checkpoint. In LangGraph hält ein persistenter Checkpointer wie PostgresSaver den Zustand über Neustarts hinweg, während In-Memory-Checkpoints beim Neustart des Prozesses verloren gehen.

Diese Seite zusammenfassen mit

Ihr Team schulen, damit es das selbst baut