Multi-Agent Patterns voor Administratieve Taken — Eindrapport
Onderzoek naar welke multi-agent patronen aantoonbaar werken voor administratieve taken. Basis: 10 bronnen (5 pattern-catalogi/engineering-gidsen, 5 empirische papers), 2026-09-23.
Executive summary
Voor het overgrote deel van administratief werk is multi-agent orkestratie niet nodig en zelfs contraproductief. Alle tien bronnen convergeren op één vuistregel: begin bij het laagste complexiteitsniveau dat betrouwbaar voldoet (directe LLM-call → enkele agent met tools → multi-agent), en voeg complexiteit alleen toe bij aantoonbare winst.
▸ More details
Waar multi-agent patronen wél aantoonbaar waarde toevoegen, is op drie specifieke plekken:
- Verificatie als aparte rol. De MANS/NL2Schedule-benchmark (ACL 2026) toont met ablaties dat een aparte Verifier-agent de grootste kwaliteitswinst geeft: zonder Verifier daalt de schedule-feilrate (SFR) van 0.400 naar 0.300 bij 5 taken en van 0.275 naar 0.150 bij 10 taken.
- Adaptieve routing in plaats van vaste zware ketens. LLM-as-Scheduler (ACL 2026) meet −50,5% tokenverbruik en −36% latency bij ≤1,4 percentage-point accuracy-verlies door een goedkope gate vóór dure LLM-beslissingen.
- Goedkeuringspoorten bij onomkeerbare acties. ScheduleMe, Microsoft en Anthropic zijn unaniem: mail versturen, boeken, verwijderen horen achter mandatory human-in-the-loop-gates met gepersistente state — bij voorkeur afgedwongen in de tool-laag, niet alleen prompt-gewijs.
De belangrijkste single-agent-constatering: de IJLTEMAS-baseline bereikt F1 = 0.87 op taak- en deadline-extractie uit mail met één LLM en Gmail/Calendar-API's. De restwaarde van multi-agent zit in die laatste 13% — en die meerwaarde moet meetbaar zijn, anders is het alleen duurder.
Aanbeveling in één zin: bouw een workflow (geen autonome agent) met router + gescheiden verificatie + goedkeuringspoorten, laat een goedkope check-laag de dure LLM-stappen portieren, en reserveer dynamische decompositie voor de uitzondering dat de taakstructuur echt niet vooraf bekend is.
Statische stromen (vast stappenplan)
Sequential pipeline / prompt chaining en fan-out/fan-in (router). Voor administratie is de workflow-variant vrijwel altijd de juiste: mailtriage, offerte-verwerking en rapportages hebben een vast stappenplan.
▸ More details
Sequential pipeline / prompt chaining. LLM-stappen in vaste volgorde, elk met een eigen taak, gescheiden door programmeerbare gates die de output valideren vóór doorifte. Anthropic's "Building Effective Agents" maakt de onderscheiding die dit hele rapport draagt: workflows (LLM's + tools via vooraf gedefinieerde code-paden) versus agents (LLM's die hun eigen proces dynamisch sturen). De gate is de sleutelcomponent: een script dat bedragen, datums en schema's controleert vangt extractiefouten af zonder extra LLM-kosten.
Fan-out/fan-in (concurrent / router). Parallelisatie van onafhankelijke deeltaken, met synthese nadien. LangChain's router-patroon (classifier → parallelle dispatch → synthese) is het klassieke patroon voor multi-source queries. Kwantificeerde winst: ~67% minder tokens dan één opgeblazen context (~9K vs ~15K tokens bij drie domeinen van ~2K tokens documentatie). Let op: doorgerekte voorbeelden uit een vendor-blog, geen onafhankelijke benchmark.
Dynamische decompositie
Orchestrator-workers, supervisor/manager en handoff. Vuistregel uit de catalogi: niet gebruiken als statische decompositie al past — en dat is bij mailtriage, agenda en to-do's doorgaans het geval.
▸ More details
Orchestrator-workers. Een orchestrator beslist bij runtime het aantal en de vorm van subtaken, delegeert per worker en synthetiseert. Liability-lijst: orchestrator-falen is onherstelbaar zonder retry-logica, tokenkosten schalen lineair met het aantal workers, en de synthese-stap moet conflicting outputs reconciliëren. De uitzondering waar het wél helpt: werk met vooraf onbekende structuur — "ruim mijn mailbox op en maak een rapport per project".
Supervisor / manager. Routen naar een vaste set specialisten; de supervisor houdt het gesprek bij, workers zijn stateless. ScheduleMe (arXiv 2509.25693) levert de meest kopieerbare blauwdruk met twee regels: (a) verzamel alle verplichte velden vóór delegatie — "ask one question at a time, never guess"; (b) check-before-write — "NEVER use create_calendar_event without first using check_calendar_conflicts". Kritische kanttekening: prompt-gebaseerde regels zijn geen code-geforceerde regels; robuuste systemen forceren de conflict-check in de tool-laag.
Handoff. State-driven overdracht van controle tussen agents. Wint op kosten bij herhaalde requests (stateful patronen besparen 40-50% model-calls), maar Microsoft waarschuwt voor oneindige handoff-loops en onvoorspelbare routing. Alleen toepasbaar met een expliciete state-machine eronder.
Maker-checker en verificatie
Het best empirisch onderbouwde patroon uit dit onderzoek: een aparte verificatie-agent. De MANS-ablatie is overtuigend: elke rol telt, en de Verifier is de zwaarste.
▸ More details
MANS splitst Seeker (taken identificeren), Weaver (stappen/machines/duraties extraheren), Verifier (volledigheid en attribuutcorrectheid auditen) en Architect (optimalisatie). De ablatie: zonder Verifier daalt de schedule-feilrate van 0.400→0.300 (5 taken) en 0.275→0.150 (10 taken).
Zelfs met alles aan blijft het absolute niveau bescheiden (SFR 0.275-0.400: bij 60-72% van de instanties produceert ook MANS een onuitvoerbaar schema) — wat tegelijk het bewijs voor verificatie én het waarschuwingsteken tegen volledig autonome planning is.
Group chat / debate. Microsoft raadt maximaal 3 agents aan vanwege controleproblemen; voor administratieve taken is geen enkel bewijs dat dit werkt. Overslaan.
Event-driven en enterprise-coördinatie
Voor een persoonlijke of small-team admin-stack is Kafka overkill — maar twee principes zijn van overdraagbare waarde: audit trail en idempotente replay.
▸ More details
Event-driven workflows (Confluent). Coördinatie via een immutable event-log: commando's op keyed topics, consumer groups voor falende workers, replay vanaf offset. Asynchrone events botsen met de synchrone bevestiging die een admin-gebruiker verwacht ("boek nu direct"). Wél bruikbaar: (1) audit trail — wie boekte wat, wanneer, op basis van welke instructie; (2) idempotente replay — crasht de extractor, dan wordt vanaf de offset herhaald zonder dat mails verloren gaan. Zowel Mavinmail (Redis + BullMQ, client-ack <150 ms) als Confluent onafhankelijk: ontkoppel de UI van AI-vertraging via wachtrijen.
Formele orkestratielaag (arXiv 2601.13671). Vijf eenheden: planning, policy, control, state & knowledge, quality & operations. De case-cijfers (>95% parse-accuracy, 20× snellere goedkeuring, 80% lagere kosten) zijn ronde getallen uit vendor-gerelateerde bronnen en niet gerepliceerd — als bewijs zwak, als checklist sterk. Bruikbare kern: scheid planning van policy (wat mag nooit automatisch) van state (extern, niet in context) van quality (post-hoc validatie). De MCP=tools / A2A=peers-splitsing is een helder mental model voor interoperabele toolkeuze.
Ondersteunende patronen
RAG-grounding en tool-ontwerp (ACI) — de twee patronen die elke architectuur versterken, mits je de claims zelf meet.
▸ More details
RAG-grounding. Mavinmail claimt hallucinatiereductie door RAG op de eigen mailbox, maar meet het zelf niet (verwijzing naar RAGTruth-literatuur zonder eigen cijfers). De impliciete aanname "RAG lost hallucinaties op" moet je zelf meten; neem wél het principe over: haal relevante eigen correspondentie op vóór generatie.
Tool-ontwerp / ACI. Anthropic's meest onderschatte les: het SWE-bench-agent-team besteedde méér tijd aan tool-optimalisatie dan aan de overall prompt; verplichte absolute paden lostten relatieve-pad-fouten volledig op. Voor admin: tool-beschrijvingen met voorbeelden en edge cases zijn de goedkoopste kwaliteitswinst die er is.
Patroon × taakfit
Naarmate de actie onomkeerbaarder wordt, schuift de mens dichter naar voren. Lezen en samenvatten: autonoom. Extractie: autonoom met checker. Boeken en versturen: nooit zonder goedkeuring.
▸ More details
| Admin-taak | Primair patroon | Onderbouwing |
|---|---|---|
| E-mailtriage | Router/classifier + goedkope gate | LAS: merendeel triviaal, vroege exit wint |
| Mail → to-do/deadline | Single extractie-agent + checker | F1 0.87 single-pipeline; checker voor de resterende 13% |
| Agenda: opvragen | Directe tool-call | Enkel augmented LLM-call volstaat |
| Agenda: schrijven | Supervisor + check-before-write | ScheduleMe-blauwdruk; conflict-check verplicht vóór create |
| Weekplanning uit mailthreads | Seeker/Weaver/Verifier/Architect | MANS-ablatie: Verifier = grootste winst |
| Rapportages | Sequential chain + evaluator-optimizer + HITL-gate | Anthropic; Microsoft QA-loop met iteratie-cap |
| Documentverwerking | Chain met programmeerbare validatie-gates | Anthropic: extractie → valideren → concept |
| Open-ended opruimwerk | Orchestrator-workers | Alleen als decompositie echt onbekend is |
Aanbevolen architectuur
Vijf lagen voor persoonlijke of small-team administratieve automatisering: router → statische workflow-pijplijnen → verificatie-poort → goedkeuringspoort op tool-niveau → adaptieve gate.
▸ More details
Laag 1 — Router. Goedkope classificatie van elke inkomende opdracht/mail (actie / info / spam; agenda / document / rapport). Dit is geen agent, vaak zelfs een klein model.
Laag 2 — Gespecialiseerde workflow-pijplijnen. Per taaktype een statische sequential chain met eigen prompts en tools. Geen autonomie, geen dynamische decompositie. Workers stateless; alle state extern en persistent (niet in context).
Laag 3 — Verificatie-poort. Een aparte verificatiestaak vóór elke output die ertoe doet. De MANS-ablatie is het beste bewijs uit dit onderzoek dat deze rol de grootste kwaliteitswinst geeft.
Laag 4 — Goedkeuringspoort op tool-niveau. Onomkeerbare acties (versturen, boeken, verwijderen, publiceren) vereist menselijke goedkeuring, afgedwongen in de tool-laag. Laag-risico acties blijven autonoom.
Laag 5 — Adaptieve gate bovenop (LAS-stijl). Een script-check (schema, parseerbaarheid, drempels) beslist of de output door mag; alleen twijfelgevallen gaan naar dure LLM-verificatie of reparatie. Verwachte winst volgens de ACL-meting: halvering van tokenverbruik, ~36% lagere latency.
Doorsnee-eigenschap: immutable log van alle acties (audit trail) en idempotente verwerking, in lichtgewicht vorm (webhooks, wachtrijen) — geen Kafka nodig.
Risico's
Zes risico's die door alle bronnen heen opduiken: cascaderende fouten, schijnzekerheid, prompt-regels die geen code zijn, replay van foute data, bewijslast-dunning en vendor-bril.
▸ More details
- Cascaderende fouten. Compounding errors zijn reëel (Anthropic) en worden erger naarmate meer agents door elkaars output redeneren. Mitigatie: validatie tussen elke stap, iteratie-caps (max 3× maker-checker, dan mens).
- Schijnzekerheid bij early exit. "Agreement" is niet hetzelfde als correctheid; een gate die vroeg exit kan schijnzekere outputs doorlaten. Bij onomkeerbare acties weegt 1,4pp fouten zwaar — de LAS-paper weegt asymmetrische kosten niet.
- Prompt-regels zijn geen code. ScheduleMe's check-before-write is prompt-gebaseerd; een model dat de instructie negeert boekt alsnog fout. Forceer kritieke regels in de tool-laag.
- Replay van foute data. Een immutable log replayt na een crash ook de foute commando's als je niet idempotent en validerend werkt.
- Bewijslast-dunning. Meerdere catalogi claimen "mature"/"proven" zonder één cijfer; de arXiv-survey-cijfers zijn suspect rond. Geen van deze patronen is aangetoond op een moderne Nederlandse mailbox — de F1 0.87-baseline staat op Enron (corpus uit 2002, formeel zakelijk Engels).
- Vendor-bril. LangChain-conclusies monden uit in Deep Agents, Confluent in Kafka, Anthropic in MCP. Ecosysteembelang kleurt de pattern-adviezen.
Implementatie-aandachtspunten
Negen praktische regels: meet zelf, verplichte veldenschema's, conflict-check in code, kleine modellen voor classificatie, goede tool-beschrijvingen, externe state, iteratie-caps, asynchrone UX, begin klein.
▸ More details
- Meet zelf, geloof de percentages niet. De 40-50%-besparingen en 90,2%-claims zijn vendor-doorrekeningen. Log tokenverbruik, latency en foutpercentage per workload vanaf dag één.
- Verplichte veldenschema's per operatie. De router controleert vóór delegatie of alle verplichte velden (titel, datum, tijd, event-ID) aanwezig zijn; ontbreekt er iets → doorvragen, nooit gokken.
- Conflict-check vóór elke write. En in de tool-laag geforceerd, niet alleen in de prompt.
- Kleine modellen voor classificatie/extractie, grote voor synthese. Kosten differentieert sterk per modelkeuze (Microsoft, LangChain).
- Tool-beschrijvingen zijn je prompt. Investeer in ACI: voorbeelden, edge cases, strikte output-formaten (JSON/XML met validatie).
- State extern en persistent. Vooral bij HITL-gates: de goedkeuringsstaat moet een crash overleven.
- Iteratie-caps en fallback-ontwerp. Elke maker-checker-loop krijgt een max; elke externe API-call (Pinecone, mail, calendar) krijgt een fallback.
- Asynchrone UX. Nooit de UI blokkeren op LLM-calls; directe bevestiging + achtergrondverwerking (Mavinmail: <150 ms ack).
- Begin klein. Eén agent met tools, meet, voeg alleen toe wat aantoonbaar faalt zonder.
Direct toepasbare aanbevelingen
Vijf concrete recepten per admin-domein: mail→to-do, agenda-operaties, planning uit mailthreads, rapportages, en de universele basis van goedkeuringspoorten + audit-log + zelf meten.
▸ More details
- Voor mail→to-do: bouw single extractie-agent + script-validatie (datums parsebaar, niet in het verleden) + checker-agent alleen bij door-de-check-zakken. Check je eigen F1 op je eigen mailbox — de 0.87 van Enron is je startpunt, niet je verwachting.
- Voor agenda-operaties: kopieer ScheduleMe's twee regels: volledige-velden-controle vóór delegatie, conflict-check vóór elke create — en forceer de tweede in code.
- Voor planning uit mailthreads: splits extractie (Seeker/Weaver), verificatie (Verifier: "noemt de thread 5 of 6 afspraken?") en ordening (Architect). Voeg als eerste de Verifier toe; dat is de best aangetoonde winst.
- Voor rapportages: sequential chain met programmeerbare gates op de cijfers, evaluator-optimizer met max 3 iteraties, menselijke goedkeuring vóór publicatie.
- Voor alles: goedkeuringspoorten op tool-niveau bij onomkeerbare acties, audit-log vanaf dag één, en meet je eigen kosten-kwaliteit-profiel voordat je een zwaarder patroon dan router+chain in productie neemt.
Bronnen
10 bronnen: 5 pattern-catalogi/engineering-gidsen en 5 empirische papers/baselines, gelezen en beoordeeld in notes/, volledige bronteksten in sources/.
▸ More details
Pattern-catalogi en engineering-gidsen
- Microsoft Azure Architecture Center — AI Agent Orchestration Patterns. https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/ai-agent-design-patterns (2026-02-12)
- LangChain — Choosing the Right Multi-Agent Architecture. https://www.langchain.com/blog/choosing-the-right-multi-agent-architecture (2026-01-14)
- Agent Patterns Catalog — Orchestrator-Workers. https://github.com/agentpatternscatalog/patterns/blob/main/patterns/orchestrator-workers.md
- Anthropic — Building Effective Agents. https://www.anthropic.com/engineering/building-effective-agents (2024-12-19)
- Confluent — Four Design Patterns for Event-Driven, Multi-Agent Systems. https://www.confluent.io/blog/event-driven-multi-agent-systems/ (2025-01-28)
Empirisch / academisch 6. The Orchestration of Multi-Agent Systems: Architectures, Protocols, and Enterprise Adoption. arXiv 2601.13671. https://arxiv.org/html/2601.13671v1 7. ScheduleMe: Multi-Agent Calendar Assistant. arXiv 2509.25693 / PACLIC 2025. https://aclanthology.org/2025.paclic-1.27/ 8. LLM-as-Scheduler: Agentic Workflow Dynamic Scheduling. ACL 2026, DOI 10.18653/v1/2026.acl-long.581. https://aclanthology.org/2026.acl-long.581/ 9. NL⇒Schedule / MANS. ACL 2026, acl-long.1648. https://aclanthology.org/2026.acl-long.1648.pdf + https://github.com/SCUNLP/NL2Schedule 10. Mavinmail (IJSRED V9I3P33). https://www.ijsred.com/volume9/issue3/IJSRED-V9I3P33.pdf 11. AI-Powered Personal Assistant for Smart Task Scheduling & Email Deadlines (IJLTEMAS 15(1), 2026). https://ideas.repec.org/a/bjb/journl/v15y2026i1p265-274.html