Was ist Multi-Turn-Konversation bei KI-Agenten? Mehrstufige Dialoge über mehrere Nachrichten erklärt

Multi-Turn-Konversation ist ein Dialog zwischen Mensch und KI-Agent, der sich über mehrere aufeinanderfolgende Nachrichten erstreckt und bei dem die Bedeutung jeder neuen Nachricht von dem abhängt, was vorher gesagt wurde. Anders als bei einer einzelnen Frage-Antwort-Runde muss der Agent den bisherigen Gesprächsverlauf im Blick behalten, auf frühere Aussagen zurückgreifen und Rückfragen einordnen, ohne dass der Nutzer alles wiederholt.

Der Gegenpol ist die Single-Turn-Interaktion: eine eigenständige Frage, eine in sich geschlossene Antwort, danach beginnt alles von vorn. Multi-Turn heißt, dass ein Gespräch aus zwei oder mehr Runden besteht, bei denen jede Runde auf den vorherigen aufbaut (Decagon). Im Kundenservice ist praktisch jeder ernsthafte Kontakt mehrstufig: eine Rückfrage, eine Klärung, eine Bestätigung.

Wie ein Agent den Kontext über mehrere Runden hält

Der Kern eines Multi-Turn-Dialogs ist ein State-Tracking-Problem: Was wurde bisher etabliert, versprochen oder entschieden – und ist diese Information beim Verarbeiten der nächsten Nachricht verfügbar? In Systemen auf Basis eines Large Language Models wird das gelöst, indem der bisherige Gesprächsverlauf als strukturierte Liste früherer Nutzer- und Assistenten-Nachrichten in das Modell gegeben wird (Decagon).

In der Praxis kombinieren viele Agenten zwei Sichten auf das Gespräch (Lyzr):

• Das Transkript – das rohe Protokoll dessen, was gesagt wurde.
• Die Zusammenfassung – ein laufend aktualisiertes internes Bild des Dialogs: die vermutete Absicht des Nutzers, genannte Entitäten (etwa ein Produktname oder ein Datum) und das übergreifende Thema.

Diese Fähigkeit, den Zustand eines Gesprächs als „wer will was" zu verfolgen, wird als Dialogue State Tracking bezeichnet und gilt als Kernbaustein für mehrstufige Dialoge (SmartWeb). Mit ihr erkennt ein Agent bereits gesammelte Angaben wieder und fragt sie nicht erneut ab. Wie ein Agent solche Zwischenstände speichert, behandeln wir ausführlicher unter Agenten-Gedächtnis (Memory) und State-Management.

Ein konkretes Beispiel

Der Unterschied wird an einem einfachen Ablauf sichtbar. Nutzer: „Zeig mir italienische Restaurants." Agent: eine Liste. Nutzer: „Welche davon haben jetzt geöffnet?" (Lyzr).

Die zweite Nachricht ist ohne die erste sinnlos – „davon" bezieht sich auf die zuvor genannte Liste. Ein Single-Turn-System würde bei „Welche haben jetzt geöffnet?" neu anfangen und nachfragen müssen, wovon die Rede ist. Ein Multi-Turn-Agent löst diese sogenannte Referenzauflösung selbst. Genau das erwarten Nutzer bei Aufgaben wie einer Terminverschiebung, einer Retoure oder einer technischen Fehlersuche, bei denen mehrere Angaben nach und nach zusammenkommen (Rasa).

Warum das für Aufgaben-Agenten wichtig ist

Multi-Turn-Fähigkeit markiert den Schritt von einfachen Befehl-Antwort-Systemen zu Agenten, die über längere Dialoge hinweg konsistent bleiben und dabei passende Aktionen ausführen – etwa den richtigen Tool- bzw. Function-Call auswählen, während sie den Verlauf im Gedächtnis behalten (Maxim). Ohne diese Fähigkeit lässt sich ein komplexer Kundenvorgang nicht in einem Gespräch abschließen.

Bei unseren AI-Mitarbeitern ist das der Normalfall statt einer Ausnahme. Eine Lead-Qualifizierung besteht selten aus einer einzigen Frage: Es geht um Budget, Bedarf, Zuständigkeit und Zeitrahmen – Angaben, die im Verlauf eines Dialogs fallen und aufeinander bezogen werden müssen. Ein Onboarding-Gespräch oder eine Rückfrage im Support folgt derselben Logik.

Grenzen: Warum lange Dialoge schwieriger werden

Multi-Turn ist kein automatisch gelöstes Problem. Der Gesprächsverlauf muss in das Kontextfenster des Modells passen. Solange die aufgelaufene Historie das Token-Budget nicht überschreitet, bleibt der frühere Kontext verfügbar (Decagon) – wird das Gespräch länger, muss gezielt ausgewählt, gekürzt und priorisiert werden, was oft als Context Engineering beschrieben wird (mem0).

Hinzu kommt ein beobachtetes Muster: Viele LLMs „verlieren sich" in ausgedehnten Gesprächen und zeigen einen spürbaren Qualitätsabfall, je mehr Dialogrunden dazukommen. Ein Modell antwortet anfangs korrekt, wird nach mehreren Wechseln aber ungenauer, widersprüchlicher oder unzusammenhängend – etwa durch Fehleransammlung, Abdriften vom Thema oder falsch erinnerten früheren Kontext (Arize). Deshalb gehören zu einem belastbaren Multi-Turn-Agenten neben dem Gedächtnis auch eine saubere Evaluation und Leitplanken wie Human-in-the-Loop für kritische Entscheidungen.

Häufige Fragen

Worin unterscheidet sich eine Multi-Turn- von einer Single-Turn-Konversation?

Bei einer Single-Turn-Konversation ist jede Frage in sich abgeschlossen und wird ohne Bezug zu vorherigen Nachrichten beantwortet. Bei einer Multi-Turn-Konversation hängt die Bedeutung jeder neuen Nachricht vom bisherigen Verlauf ab, und der Agent muss den Zustand des Gesprächs über alle Runden hinweg mitführen. Rückfragen wie „Und welche davon sind verfügbar?" sind nur im Multi-Turn-Modus sinnvoll auflösbar.

Wie merkt sich ein KI-Agent, was vorher gesagt wurde?

Der Agent gibt den bisherigen Verlauf als strukturierte Liste früherer Nachrichten in das Modell zurück und pflegt zusätzlich oft eine laufende Zusammenfassung mit Absicht, genannten Entitäten und Thema. Diese Verfolgung des Gesprächszustands nennt man Dialogue State Tracking. So werden bereits genannte Angaben wiedererkannt und nicht erneut abgefragt.

Was passiert, wenn ein Gespräch sehr lang wird?

Der Verlauf muss in das Kontextfenster des Modells passen; überschreitet er das Token-Budget, kann früherer Kontext verloren gehen. Zusätzlich zeigen viele Modelle bei sehr langen Dialogen einen Qualitätsabfall – Antworten werden ungenauer oder widersprüchlicher. Gegenmaßnahmen sind gezieltes Kürzen und Priorisieren des Kontexts sowie persistentes Gedächtnis über einzelne Sitzungen hinaus.

Ist ein Chatbot dasselbe wie ein Multi-Turn-Agent?

Nicht zwangsläufig. Ein einfacher KI-Chatbot kann auf Einzelfragen antworten, ohne den Verlauf konsistent zu tracken. Erst die Fähigkeit zu Dialogue State Tracking, Referenzauflösung und Folgefragen macht aus einem Chatbot einen echten mehrstufigen Konversationsagenten.