Agentische Tasks in BPMN-Diagrammen
Das Problem: BPMN war nicht für KI-Agenten gebaut
BPMN ist der Standard für die Modellierung von Geschäftsprozessen — Human Tasks, Service Calls, Gateways, Message Flows. Er geht davon aus, dass jeder Teilnehmer eine Person oder ein deterministisches System ist.
KI-Agenten sind keines von beidem. Sie sind nicht-deterministisch, brauchen Reflection-Schleifen, liefern Outputs mit unterschiedlicher Konfidenz und kooperieren in Mustern, die sich nicht sauber auf klassisches BPMN abbilden lassen. Setzt man einen Agenten in eine Swimlane, sagt das Diagramm immer noch fast nichts darüber, wie dieser Agent arbeitet, wie zuverlässig er ist oder wie mehrere Agenten koordinieren sollen.
Wenn Arbeit von KI-unterstützt zu KI-agentisch wird, müssen die Diagramme, die Ausführung dokumentieren und steuern, erfassen, was Agenten tatsächlich tun.
Die Forschung hinter der Erweiterung
Ein Team der University of Luxembourg und der UOC hat das in dem Paper von 2024 „Towards Modeling Human-Agentic Collaborative Workflows: A BPMN Extension“ (Ait, Cánovas Izquierdo, Cabot) adressiert. Sie benannten fünf Lücken:
1. Agentenprofilierung — Lanes und Pools können nicht sagen, ob ein Teilnehmer ein KI-Agent ist, welche Rolle er hat (Manager vs. Worker) oder wie zuverlässig er ist.
2. Reflection — Agenten brauchen formale Reflection-Schleifen (Selbstprüfung, Cross-Agent-Review, menschliche Freigabe). Klassisches BPMN hat dafür keine saubere Modellierung ohne Unordnung.
3. Konfidenz — Agenten-Output trägt eine implizite Konfidenz. Prozessentscheidungen sollten davon abhängen können. Standardbedingungen operieren auf Datenobjekten, nicht auf der Qualität nicht-deterministischer Outputs.
4. Multi-Agent-Kollaboration — Parallele Agenten brauchen Koordination: Voting, Debatte, rollenbasierte Delegation, Wettbewerb. Gruppen und Textannotationen sind zu informell.
5. Ergebniszusammenführung — Wenn parallele Zweige konvergieren, zählt die Merge-Strategie. Mehrheit? Leader? Alles zusammensetzen? Schnellster? Standard-Gateways synchronisieren nur.
Das Paper erweitert BPMN 2.0 mit benutzerdefinierten Attributen auf bestehenden Elementen — Tasks, Lanes, Participants, Gateways — statt neue Shapes zu erfinden. Diagramme bleiben gültiges BPMN und tragen zugleich agentische Metadaten.
Vom Paper zur Praxis
Ich habe diese Vorschläge in einen lauffähigen BPMN-Editor und eine Process Runtime übernommen. Designentscheidung: BPMN-2.0-moddle-extends (dasselbe Muster, das bpmn.io für Diagrammfarben nutzt) hängt Custom-Attribute an Standardelemente. Keine neuen Shapes, keine neuen XML-Elementtypen — ein Namespace agentic: mit Attributen.
Agent Tasks
Jeder BPMN-Task wird zum Agent Task mit agentic:taskType="agent". Dann:
| Eigenschaft | Zweck |
|---|---|
| Agent ID | Verweist auf eine konkrete Agentendefinition |
| LLM Model | Optionales Modell-Override pro Task |
| Reflection Mode | self, cross oder human |
| Confidence Threshold | Minimale akzeptable Konfidenz (0–100 %) |
| Max Iterations | Harte Obergrenze für Reflection-Schleifen |
Im Editor erhalten Agent Tasks ein eigenes Marker-Symbol, damit menschliche und agentische Arbeit auf einen Blick lesbar sind.
Agent Lanes
- Agent Role:
manager(entscheidet, löst) oderworker(führt aus, berichtet) - Trust Score: Zuverlässigkeit (0–100 %), die kollaborative Entscheidungen gewichten kann
Nicht alle Agenten sind gleich; der Prozess kann danach routen.
Agent Pools (Systeme)
Auf Pool-Ebene: Systemtyp (Human Team / agentisch / hybrid) und eine kurze Beschreibung — damit Stakeholder sehen, welche Teile automatisiert, menschlich gesteuert oder gemischt sind.
Kollaborations-Gateways
Divergierende Gateways können den Kollaborationsmodus festlegen: Voting, rollenbasiert, Debatte, Wettbewerb.
Konvergierende Gateways können die Merge-Strategie festlegen: Mehrheitsvotum, leader-gesteuert, zusammengesetzt, schnellster, vollständigster.
Wie das aussieht
Nehmen wir einen Content-Review-Flow.
Traditionelles BPMN: drei parallele Human-Review-Tasks, ein Sync-Gateway, ein manueller Merge. Das Diagramm zeigt was, nicht wie Reviewer koordinieren.
Agentisches BPMN: drei Agent Tasks in parallelen Lanes (Accuracy, Tone, Compliance), jeweils mit Modell, Konfidenzschwelle und Reflection Mode. Ein divergierendes Gateway mit rollenbasierter Kollaboration; ein konvergierendes Gateway, das Findings zusammensetzt; eine Manager-Lane mit finaler Freigabe.
Das Diagramm hält dann das Kollaborationsmuster, nicht nur den Fluss.
Umsetzungsnotiz
Die Attribute sind keine Dekoration. Sie mapen auf Laufzeitverhalten: welcher Agent einen Task übernimmt, welches Modell er nutzt, wie er Output validiert, wie Multi-Agent-Ergebnisse zusammengeführt werden. Diagramme speichern als gültiges BPMN-XML mit dem agentic-Namespace — lesbar für jedes BPMN-konforme Tool, versionierbar in Git.
Human Tasks, Service Tasks und Agent Tasks können ein Diagramm teilen. Lanes können Menschen, Agenten oder beides halten.
Warum das zählt
Der Übergang zu agentischen Workflows bedeutet nicht „Menschen durch KI ersetzen“. Es geht darum, Kollaboration explizit und steuerbar zu machen. Wenn ein KI-Agent in einer BPMN-Lane neben Menschen sitzt, wird das Prozessdiagramm zur Quelle der Wahrheit dafür, wie Arbeit erledigt wird.
Akademische Forschung gab den Rahmen. BPMN-2.0-Erweiterbarkeit hält Standards-Compliance. Eine lauffähige Umsetzung schließt den Kreis vom Paper zum ausführbaren Diagramm.
Basierend auf „Towards Modeling Human-Agentic Collaborative Workflows: A BPMN Extension“ von Ait, Cánovas Izquierdo und Cabot (2024).