Durable Execution für KI-Agenten: Temporal, Dapr, Azure
Temporal, Dapr Workflow oder Azure Durable Functions? Vergleich für langlaufende KI-Agenten: Checkpoints, Retries, Freigabe-Wartezeiten und Limits.
Am 31. März 2026 meldete Microsoft die allgemeine Verfügbarkeit der Consumption-SKU des Durable Task Scheduler, beworben für Entwicklerteams, die „durable workflows and agents on Azure" betreiben wollen. Acht Tage zuvor hatte die CNCF auf der KubeCon Europe in Amsterdam Dapr Agents 1.0 für allgemein verfügbar erklärt; jeder Agentenaufruf läuft dort als dauerhafter Workflow. Im Mai machte Temporal auf seiner Konferenz Replay die Integration mit dem OpenAI Agents SDK allgemein verfügbar. Drei Ökosysteme, eine Botschaft in rund sechs Wochen: Ein Agent, der keinen Absturz übersteht, ist eine Demo.
Produktive Agenten sind langlaufende Programme, die langsame, teure und unzuverlässige Dinge aufrufen: Modelle, Tools und Menschen. Eine Schleife aus LLM- und Tool-Aufrufen trifft früher oder später auf ein Deployment, ein Rate Limit oder eine Pod-Verdrängung. Ein Agent, der zwei Tage auf eine Freigabe wartet, trifft auf alle drei. Dieser Beitrag richtet sich an alle, die die Engine darunter auswählen: CTOs, Plattformverantwortliche und Architektinnen und Architekten. Wir vergleichen Temporal, Dapr Workflow und Azure Durable Functions entlang der Mechanik, die für Agenten zählt, zeigen, wo jede Engine an Grenzen stößt, und liefern eine Entscheidungstabelle für Ihr nächstes Architektur-Review.
TL;DR / Das Wichtigste in Kürze
- Durable Execution ist für Agenten Pflicht geworden. Alle drei Engines sichern jeden LLM- und Tool-Aufruf als Checkpoint, wiederholen mit Backoff, parken auf dauerhaften Timern und warten auf Menschen, ohne Rechenleistung zu verbrennen. Die Unterschiede liegen am Rand.
- Nach Plattform wählen, nicht nach Feature-Liste. Temporal ist die stärkste Allzweck-Engine. Dapr Workflow passt zu Kubernetes-Teams, die selbst betreiben wollen. Durable Functions mit dem Durable Task Scheduler passt zu Azure-zentrierten .NET- und Python-Teams.
- An Freigabe-Wartezeiten scheitern die meisten Entwürfe. Lassen Sie ein externes Ereignis gegen einen dauerhaften Timer laufen, und lassen Sie den Timeout-Zweig ablehnen oder eskalieren, niemals genehmigen.
- Limits treffen lange Konversationen. Pro Schritt liegen die Obergrenzen zwischen 1 und 4 MB, und eine dauerhafte Agenten-Sitzung auf Azure speichert den gesamten Verlauf in 1 MB. Übergeben Sie Referenzen, keine Dokumente.
- Seiteneffekte brauchen Idempotenzschlüssel. Durable Execution garantiert, dass das Ergebnis eines Schritts einmal gespeichert wird. Sie verhindert nicht, dass ein Tool dieselbe E-Mail zweimal verschickt, wenn die Activity nach dem Versand abbricht.
Download: Editierbare draw.io-Datei · In diagrams.net öffnen · Diagrammdaten (CSV)
Warum das jetzt zählt
Zwei Zahlen umreißen das Problem. Gartner prognostizierte im Juni 2025, dass bis Ende 2027 mehr als 40 Prozent der Agentic-AI-Projekte eingestellt werden, und nannte steigende Kosten, unklaren Geschäftswert und unzureichende Risikokontrollen. Zwei dieser drei Gründe sind zum Teil Engineering-Probleme. Ein Agent, der nach jedem Fehler von vorn beginnt, bezahlt dieselben Tokens zweimal. Ein Agent ohne verlässliches Freigabe-Gate hat keine Risikokontrolle, die den Namen verdient.
Die zweite Zahl betrifft die Verbreitung. Temporal meldete mit seiner Series-D-Finanzierung im Februar 2026 (300 Mio. US-Dollar bei 5 Mrd. US-Dollar Bewertung) 1,86 Billionen ausgeführte Actions von KI-nativen Unternehmen auf Temporal Cloud und nannte OpenAI, Replit und Lovable als Nutzer, die darauf Agenten bauen. Auf Microsoft-Seite berichtete InfoQ im Juni 2026, dass die Copilot-Engineering-Teams auf den Durable Task Scheduler standardisiert haben und das System Hunderte Millionen Ausführungen pro Woche verarbeitet. Das sind Herstellerangaben, also Richtung, kein Beweis. Die Richtung ist aber eindeutig: Wer Agenten in großem Maßstab ausliefert, baut keine eigenen Zustandsautomaten mehr auf Queues und Datenbanken.
Die Releases 2026 haben zudem die meisten alten Lücken geschlossen: Bei Temporal sind Worker Versioning und Fairness für Task Queues allgemein verfügbar, Dapr brachte Workflow-Versionierung (1.17), Zugriffsrichtlinien und signierte Historien (1.18) sowie app-übergreifende Workflow-Verwaltung (1.19), und Microsoft ergänzte eine Durable-Task-Erweiterung für das Agent Framework. Wer diese Engines 2024 bewertet hat, arbeitet mit veralteten Notizen.
Der Agenten-Schrittgraph, Schritt für Schritt
Das Titeldiagramm zeigt einen Agentenlauf als Schrittgraph, bewusst engine-neutral. Die Nummern entsprechen den Markierungen.
① Deterministischer Orchestrator, nicht-deterministische Activities
Jede Durable-Engine teilt Ihren Code in zwei Teile. Der Orchestrator (bei Temporal Workflow, bei Dapr Workflow, bei Durable Functions Orchestratorfunktion) entscheidet, was als Nächstes passiert. Er muss deterministisch sein, weil die Engine seinen Zustand durch erneutes Abspielen gegen die gespeicherte Historie rekonstruiert. Activities erledigen alles andere: Modell aufrufen, Tool aufrufen, Uhrzeit lesen, IDs erzeugen.
Für Agenten heißt das: Der Modellaufruf ist eine Activity. Die Schleife, die entscheidet, ob das Modell erneut gefragt wird, darf im Orchestrator liegen, weil sie nur gespeicherte Ergebnisse liest. Starten Sie jeden Lauf mit einer Instanz-ID aus dem fachlichen Schlüssel, etwa der Ticketnummer. Dann findet ein doppelter Auslöser den bestehenden Lauf, statt einen zweiten zu starten. Dapr 1.19 macht das explizit: Wer eine bereits aktive Instanz-ID erneut plant, erhält AlreadyExists und kann das als „läuft bereits" behandeln.
② Jeden LLM- und Tool-Aufruf sichern
Wenn eine Activity abschließt, wird ihr Ergebnis an die Historie angehängt. Das ist der Checkpoint. Stirbt der Worker nach Schritt 2, spielt der Ersatz die Historie ab, erhält die gespeicherte LLM-Antwort ohne erneuten Modellaufruf und macht mit Schritt 3 weiter. Microsoft formuliert den Nutzen in der Dokumentation klar: Abgeschlossene LLM-Aufrufe werden nicht wiederholt, das spart Token-Budget und Laufzeit.
Der Preis ist Größe: Alles, was in eine Activity hinein- oder aus ihr herausgeht, landet in der Historie. Mehr dazu im Datenteil.
③ Retries mit Backoff und wann man nicht wiederholt
Rate Limits (HTTP 429), Timeouts und vorübergehende 5xx-Fehler von Modell-APIs sind der Normalfall. Alle drei Engines unterstützen Retry-Richtlinien mit exponentiellem Backoff pro Activity. Die Standardwerte unterscheiden sich, und das ist wichtig: Temporal wiederholt Activities ohne Obergrenze, solange Sie keine setzen. Durable Functions und Dapr wiederholen nur mit einer übergebenen Retry-Richtlinie.
Begrenzen Sie bei Agenten die Versuche für LLM-Activities und markieren Sie Validierungsfehler als nicht wiederholbar. Ein Modell, das fünfmal kaputtes JSON liefert, tut es auch ein sechstes Mal. Ein Retry hilft da nicht, den Fehler in die nächste Runde zurückzugeben vielleicht schon.
④ Ein Richtlinien-Gate entscheidet, wann ein Mensch nötig ist
Nicht jeder Tool-Aufruf braucht eine Freigabe. Setzen Sie ein explizites, deterministisches Gate in den Orchestrator: riskante Aktionstypen, Beträge über einem Schwellenwert, externe Empfänger, Schreibzugriffe auf Produktion. Halten Sie die Richtlinie aus dem Prompt heraus. Ein Modell lässt sich überreden, einen Schritt im eigenen Plan zu überspringen. Ihr Orchestrator-Code nicht. Wie man solche Gates gestaltet, zeigt unser Leitfaden zu HITL-Freigabe-Gates für autonome Agenten.
⑤ Freigabe-Wartezeiten: ein Ereignis im Wettlauf mit einem Timer
Dieses Muster unterscheidet Durable-Engines von Konstruktionen aus Queue und Datenbank. Der Orchestrator verschickt die Freigabeanfrage als Activity, etwa als Teams-Karte, und wartet dann auf das, was zuerst eintritt: das Entscheidungsereignis oder einen dauerhaften Timer. Währenddessen läuft nichts. Drei Tage Wartezeit kosten keine Rechenzeit.
# Temporal (Python SDK): auf ein Entscheidungs-Signal warten, nach 48 Stunden Timeout
await workflow.execute_activity(send_approval_request, plan,
start_to_close_timeout=timedelta(minutes=2))
try:
await workflow.wait_condition(lambda: self.decision is not None,
timeout=timedelta(hours=48))
except asyncio.TimeoutError:
return await self.escalate_or_reject(plan) # niemals automatisch genehmigen// Durable Functions (C#): derselbe Wettlauf aus externem Ereignis und dauerhaftem Timer
using var cts = new CancellationTokenSource();
Task<bool> decision = context.WaitForExternalEvent<bool>("Approval");
Task timeout = context.CreateTimer(context.CurrentUtcDateTime.AddHours(48), cts.Token);
if (await Task.WhenAny(decision, timeout) == decision) { cts.Cancel(); /* decision.Result auswerten */ }
else { /* eskalieren oder ablehnen */ }Die Engines unterscheiden sich darin, wie die Entscheidung ankommt. Temporal bietet Signals ohne Rückmeldung und synchrone Updates: Der Client der freigebenden Person erhält ein Ergebnis zurück, und ein Validator kann eine fehlerhafte Entscheidung abweisen, bevor sie in die Historie gelangt. Dapr und Durable Functions nutzen ausgelöste externe Ereignisse ohne Rückmeldung. Dapr 1.19 ergänzt im Go-SDK Select für „Freigabe, Ablehnung oder Timeout, was zuerst kommt", ohne zusätzliche Einträge in der Historie.
⑥ Seiteneffekte brauchen Idempotenzschlüssel
Durable Execution garantiert, dass das Ergebnis eines Schritts einmal gespeichert wird. Sie kann nicht garantieren, dass die Außenwelt den Aufruf nur einmal gesehen hat. Löst eine Activity eine Zahlung aus und stürzt ab, bevor sie den Abschluss meldet, führt die Engine sie erneut aus. Geben Sie jeder Activity mit Seiteneffekt einen Idempotenzschlüssel aus Lauf-ID und Schritt, und sorgen Sie dafür, dass das Zielsystem ihn beachtet. Kann das Zielsystem das nicht, setzen Sie eine Prüf-Activity davor: „Haben wir dieses Ticket schon angelegt?" Kompensation nach einer Ablehnung ist in allen drei Engines normaler Code, keine eingebaute Saga-Funktion.
⑦ Absturz, Replay, Wiederaufnahme
Stirbt ein Worker, spielt ein gesunder die Historie ab und setzt beim ersten unerledigten Schritt fort. Replay ist nicht gratis: Die Release Notes zu Dapr 1.19 beschreiben langlaufende Instanzen, die den Großteil jeder Runde damit verbrachten, ihre vollständige Historie erneut zu senden und zu parsen; behoben wurde das mit History-Caching. Temporal Cloud warnt bei 10.240 Events und stoppt bei 51.200. Lange Agentenschleifen sollten deutlich vorher Continue-as-new nutzen, also einen neuen Lauf mit einer Zusammenfassung des alten starten. Temporal und das Durable Task Framework unterstützen das unter diesem Namen.
⑧ Versionierung laufender Instanzen
Ein Agent, der drei Tage auf eine Freigabe wartet, überlebt mindestens ein Deployment. Nimmt der neue Orchestrator-Code einen anderen Weg durch die gespeicherte Historie, scheitert das Replay mit einem Nicht-Determinismus-Fehler. Alle drei Engines haben inzwischen eine Antwort. Temporal Worker Versioning (seit Mai 2026 allgemein verfügbar) bindet jeden Lauf an die Worker-Version, mit der er gestartet wurde. Dapr führte Workflow-Versionierung mit 1.17 ein. Durable Functions und die Durable Task SDKs bieten Orchestrierungsversionierung: Jede Instanz trägt eine Version, neuere Worker behalten die alten Codepfade. Legen Sie den Ansatz vor dem ersten Produktiv-Deployment fest, nicht nach dem ersten hängenden Lauf.
Was die Zahlen sagen
Die Heatmap ist unsere Bewertung der Herstellerdokumentation und Release Notes zum 15. November 2026, kein Benchmark. Drei Befunde stechen heraus.
Erstens sind die oberen vier Zeilen bei allen drei Engines durchgehend grün. Checkpoints, Retries, dauerhafte Timer und Freigabe-Wartezeiten unterscheiden die Engines nicht mehr. Ein Vertriebspitch, der damit beginnt, verkauft das Problem von 2023.
Zweitens liegen die Unterschiede im Betrieb. Temporal führt bei verwaltetem Multi-Region-Failover (in Temporal Cloud mit 20 Minuten Recovery Time Objective), bei Mandanten-Fairness und bei validierten Eingaben über Updates. Dapr führt beim Betrieb überall mit eigenem State Store sowie bei Zugriffsrichtlinien und signierter Historie. Durable Functions führt bei der Azure-Integration: Entra ID ohne Zugriffsschlüssel, Private Endpoints, ein verwaltetes Dashboard.
Drittens ist keine Engine bei Token-Streaming und großen Payloads vollständig nativ, also genau dort, wo Agenten anders arbeiten als klassische Workflows.
Zeigen Sie diese Grafik Ihrem Entwicklungsteam, bevor es die erste Activity schreibt. Ein Schritt trägt mit den Standardeinstellungen des Dapr-Sidecars 4 MB, in Temporal Cloud 2 MB und im Durable Task Scheduler 1 MB. Der warme Balken ist die Überraschung: Laut Microsoft speichert eine dauerhafte Agenten-Sitzung den gesamten Gesprächsverlauf als Entity-State, begrenzt auf 1 MB. Eine lange Konversation mit ausführlichen Tool-Ergebnissen erreicht das, und die Verdichtung ist Ihre Aufgabe. Die Auslagerung in Blob Storage ist auf allen drei Plattformen Preview, Opt-in oder Eigenbau. Planen Sie Referenzen deshalb von Anfang an ein.
Aus einem aktuellen Projekt
In diesem Jahr haben wir einen Agenten zur Schadenvorprüfung bei einem europäischen Finanzdienstleister begutachtet. Gebaut war er wie die meisten ersten Agenten: eine Queue, ein Worker und eine Datenbanktabelle mit dem Feld „wo stehen wir". In der Demo funktionierte das. In Produktion gingen drei Dinge schief, und keines davon lag am Modell.
Rolling Deployments beendeten Worker mitten im Lauf. Der neu gestartete Worker begann den Schadenfall von vorn, wiederholte die LLM-Aufrufe und verschickte zweimal dieselbe Eingangsbestätigung. Die Freigabe war eine Polling-Schleife, die tagelang einen Worker belegte. Und die Frage der Prüfer, „Wer hat diese Auszahlung freigegeben, und was genau hat der Agent in diesem Moment vorgeschlagen?", ließ sich nur durch Zusammensuchen aus drei Logquellen beantworten.
Das Team arbeitete mit .NET auf Azure, also haben wir die Orchestrierung auf Durable Functions mit dem Durable Task Scheduler umgestellt und die Agentenlogik beibehalten. LLM- und Tool-Aufrufe wurden Activities. Aus der Polling-Schleife wurde ein externes Ereignis im Wettlauf mit einem 48-Stunden-Timer, mit Eskalation an eine zweite freigebende Person. E-Mail- und Auszahlungs-Activities erhielten Idempotenzschlüssel. Die Historie beantwortet die Prüferfrage jetzt direkt. Schwierig war nicht die Engine, sondern die Einigung darauf, welche Aktionen als „riskant" gelten.
Die Entscheidungstabelle
Das ist der Teil für den Screenshot. Passen zwei Antworten, entscheidet die vorhandene Plattform des Teams.
| Wenn Ihre Lage so aussieht… | Tendenz | Warum |
|---|---|---|
| Azure-zentriert, .NET oder Python, Microsoft Agent Framework | Durable Functions + Durable Task Scheduler | Dauerhafte Agenten schlüsselfertig, Entra ID und RBAC, Private Endpoints, Skalierung auf null mit Flex Consumption |
| Polyglotte Teams, mehrere Clouds, höchste Last, verwalteter Dienst gewünscht | Temporal Cloud | Breitestes SDK-Angebot, Multi-Region-Replikation, Fairness, Integrationen für OpenAI Agents SDK und Google ADK |
| Kubernetes-Plattform mit Dapr, Eigenbetrieb Pflicht | Dapr Workflow (+ Dapr Agents für Python) | Läuft im eigenen Cluster mit eigenem State Store; Zugriffsrichtlinien und signierte Historie eingebaut |
| Strenge Souveränität, keinerlei fremde Control Plane | Temporal selbst betrieben oder Dapr | Beide Open Source (MIT, Apache-2.0); den Durable Task Scheduler gibt es nur auf Azure |
| Freigebende brauchen sofortige, validierte Bestätigung | Temporal | Updates liefern ein Ergebnis und unterstützen Validatoren; externe Ereignisse anderswo haben keine Rückmeldung |
| Token-Streaming aus dem Lauf an eine UI | Jede, mit Seitenkanal | Temporal Workflow Streams ist Preview; Azure dokumentiert Callbacks über Redis Streams; sonst Pub/Sub |
| Sehr lange Konversationen mit großen Tool-Ausgaben | Jede, mit Referenzen und Verdichtung | Überall 1–4 MB pro Schritt; Payloads in Blob Storage, zusammenfassen und Continue-as-new |
Zwei Optionen liegen außerhalb der Tabelle. AWS hat auf der re:Invent 2025 Lambda Durable Functions vorgestellt, mit Checkpoints und Callbacks für menschliche Freigaben; wer auf AWS arbeitet, sollte das neben Temporal prüfen. Und Agenten-Frameworks bringen eigene Checkpointer mit, die Zustand sichern, aber keine dauerhaften Timer und keine verwaltete Historie bieten. Deshalb integrieren sich die Engines inzwischen mit den Frameworks. Unser Entscheidungsrahmen Workflows vs. Agenten hilft bei der Frage, wie viel des Ablaufs überhaupt deterministisch sein sollte.
Governance für europäische Unternehmen
KI-Verordnung. Die Verordnung (EU) 2024/1689 schreibt keine Engine vor. Für Hochrisiko-Systeme verlangt Art. 12 jedoch die automatische Aufzeichnung von Ereignissen und Art. 14 eine wirksame menschliche Aufsicht, einschließlich der Möglichkeit, einzugreifen und anzuhalten. Eine dauerhafte Historie mit explizitem Freigabe-Gate liefert diese Nachweise nebenbei. Die Verordnung (EU) 2026/1744, in Kraft seit 27. Juli 2026, hat die Pflichten für Hochrisiko-Systeme nach Anhang III auf den 2. Dezember 2027 verschoben. Nutzen Sie die Zeit, um das Gate sauber zu bauen. Die meisten Transparenzpflichten nach Art. 50 wurden nicht verschoben und gelten seit dem 2. August 2026.
DSGVO. Event-Historien speichern Prompts, abgerufene Datensätze und Modellantworten, oft mit personenbezogenen Daten. Speicherbegrenzung und Recht auf Löschung gelten auch für die Historie. Legen Sie die Aufbewahrung bewusst fest. Temporal Cloud erlaubt 1 bis 90 Tage pro Namespace. Der Durable Task Scheduler bewahrt in der Dedicated-SKU bis zu 90 Tage auf, in der Consumption-SKU 30. Bei Dapr liegt das Bereinigen bei Ihnen, etwa mit dapr workflow purge. Eine dokumentierte Lücke: Das Bereinigen von Instanzen im Durable Task Scheduler löscht ausgelagerte Large-Payload-Blobs derzeit nicht mit.
Datenresidenz und DORA. Temporal Cloud bietet EU-Regionen in Frankfurt und Irland auf AWS (dazu London, außerhalb der EU) sowie Frankfurt auf GCP; dort brauchen neue Namespaces derzeit eine genehmigte Ausnahme. Der Durable Task Scheduler läuft in den meisten Azure-Regionen, auch in der EU. Selbst betriebenes Temporal oder Dapr hält alles im eigenen Haus. Für Finanzunternehmen unter DORA ist ein verwalteter Orchestrierungsdienst, der kritische Agenten-Workflows ausführt, ein IKT-Drittdienst. Er gehört ins Informationsregister, mit einem Exit-Plan, der laufende Instanzen berücksichtigt.
Ein pragmatischer Einführungspfad
- Woche 1: versteckte Zustandsautomaten finden. Listen Sie jeden Agenten auf, der „wo bin ich" in einer Datenbankzeile, einer Queue-Nachricht oder im Speicher hält. Zuerst kommen die, die auf Menschen warten oder ein Deployment überdauern.
- Wochen 2–3: Engine mit dem Plattformteam wählen. Nutzen Sie die Entscheidungstabelle. Lassen Sie einen realistischen Agenten (Modellaufruf, Tool-Aufruf, Freigabe) durchgängig auf der Engine der engeren Wahl laufen und beenden Sie Worker absichtlich mitten im Lauf.
- Wochen 4–6: Leitplanken ins Template. Instanz-IDs aus fachlichen Schlüsseln, Retry-Obergrenzen für LLM-Activities, Idempotenzschlüssel für Seiteneffekte, ein Freigabe-Gate gegen einen Timer, aktivierte Versionierung und Payloads als Referenz. Unser Leitfaden zur Gedächtnis- und Zustandsarchitektur von KI-Agenten klärt, was in die Historie gehört und was in einen Store.
- Monat 2: Observability und Aufbewahrung. Binden Sie Dashboard und OpenTelemetry der Engine in Ihr Monitoring ein, legen Sie die Aufbewahrung pro Umgebung fest und alarmieren Sie bei Historiengröße deutlich vor den harten Limits.
- Monat 3: zur Plattformfähigkeit machen. Stellen Sie das Template über Ihre interne Plattform bereit, damit Produktteams dauerhafte Agenten standardmäßig erhalten, wie in unserer Referenzarchitektur für Enterprise-Agentenplattformen beschrieben. Proben Sie ein Deployment mit laufenden Instanzen, bevor Sie es für fertig erklären.
Das Fazit
Durable Execution ist keine Nischenwahl für Zahlungs-Workflows mehr. 2026 wurde sie zur naheliegenden Grundlage für jeden Agenten, der Geld, Kunden oder Produktivsysteme berührt, und Temporal, Dapr und Microsoft sind beim selben Kern angekommen: gesicherte Activities, dauerhafte Timer, Freigabe-Ereignisse und versionierter Code.
Unsere Empfehlung ist daher unspektakulär. Auf Azure mit Microsoft Agent Framework: Durable Functions oder die Durable Task SDKs mit dem Durable Task Scheduler, und die 1-MB-Grenzen von Anfang an einplanen. Für eine polyglotte Multi-Cloud-Landschaft oder die reifste Betriebsgeschichte: Temporal, am besten Temporal Cloud in einer EU-Region. Auf Kubernetes mit vorhandenem Dapr und Pflicht zum Eigenbetrieb ist Dapr Workflow heute eine ernsthafte Option. Welche Engine Sie auch wählen: Freigabe-Gate, Idempotenzschlüssel und Aufbewahrungsrichtlinie bleiben Ihre Aufgabe. Keine Engine schreibt sie für Sie.
Wenn Sie vor dem Produktivgang einen zweiten Blick auf Ihr Agenten-Design wünschen: Unser KI-Architektur-Team führt genau dieses Schrittgraph-Review als kurzes Projekt mit festem Umfang durch. Sie erhalten die Entscheidungstabelle für Ihre Landschaft ausgefüllt und ein Template, das Ihre Teams wiederverwenden können.
FAQ
Was bedeutet Durable Execution für KI-Agenten?
Die Laufzeitumgebung schreibt jeden abgeschlossenen Schritt, etwa einen LLM-Aufruf, einen Tool-Aufruf oder eine Freigabe, in eine unveränderliche Historie. Nach einem Absturz oder Deployment spielt ein neuer Worker diese Historie ab, überspringt Erledigtes und macht weiter. Bezahlte LLM-Aufrufe laufen so nie doppelt, und ein Agent kann tagelang auf einen Menschen warten, ohne Rechenleistung zu belegen.
Temporal, Dapr Workflow oder Azure Durable Functions: Was passt für KI-Agenten?
Entscheiden Sie nach Plattform und Team, denn alle drei beherrschen inzwischen Checkpoints, Retries, dauerhafte Timer und Freigabe-Wartezeiten. Temporal ist die stärkste Allzweck-Engine mit verwalteter Cloud in EU-Regionen. Dapr Workflow passt zu Kubernetes-Teams, die mit eigenem State Store selbst betreiben. Durable Functions mit dem Durable Task Scheduler passt zu Azure-zentrierten .NET- oder Python-Teams mit Microsoft Agent Framework.
Wie wartet ein Durable Workflow tagelang auf eine Freigabe?
Der Orchestrator verschickt die Freigabeanfrage als Activity und wartet dann auf das, was zuerst eintritt: ein externes Ereignis mit der Entscheidung oder einen dauerhaften Timer, etwa 48 Stunden. Währenddessen läuft nichts. Bei Temporal kommt die Entscheidung als Signal oder validiertes Update, bei Dapr und Durable Functions als ausgelöstes externes Ereignis. Der Timeout-Zweig eskaliert oder lehnt ab, er genehmigt nie.
Brechen nicht-deterministische LLM-Aufrufe das Replay?
Nicht, wenn sie in Activities liegen. Orchestrator-Code wird erneut abgespielt und muss deterministisch sein; LLM- und Tool-Aufrufe, Zufallszahlen und Uhrzeitabfragen gehören in Activities. Jedes Activity-Ergebnis steht in der Historie, beim Replay liefert die Engine also die gespeicherte Modellantwort, statt das Modell erneut aufzurufen. Genau deshalb spart Replay Tokens.
Welche Limits sind für Agenten auf diesen Engines entscheidend?
Payload- und Historiengröße. Temporal Cloud begrenzt eine Payload auf 2 MB und eine Historie auf 51.200 Events oder 50 MB. Der Durable Task Scheduler begrenzt Ein- und Ausgaben sowie Events auf 1 MB, und eine dauerhafte Agent-Framework-Sitzung speichert den gesamten Verlauf in 1 MB Entity-State. Der Dapr-Sidecar erlaubt standardmäßig 4 MB. Übergeben Sie Referenzen und fassen Sie lange Schleifen zusammen.
Verlangt die KI-Verordnung Durable Execution für Agenten?
Nein, sie schreibt keine Technik vor. Für Hochrisiko-Systeme verlangt Art. 12 aber eine automatische Protokollierung und Art. 14 eine wirksame menschliche Aufsicht; eine dauerhafte Historie mit Freigabe-Gate liefert genau diese Nachweise. Die Anhang-III-Pflichten gelten nach der Verordnung (EU) 2026/1744 ab dem 2. Dezember 2027. Die DSGVO gilt sofort: Historien enthalten oft personenbezogene Daten, legen Sie die Aufbewahrung bewusst fest.
Quellen
Alle Quellen geprüft am 15. November 2026. Die Fähigkeiten der Produkte ändern sich monatlich; die Feature-Matrix gibt Dokumentation und Release Notes zu diesem Datum wieder.
Tier A: Primärquellen, Herstellerdokumentation, Regulierung
- Temporal, „Announcing new Temporal capabilities from Replay 2026" (6. Mai 2026): https://temporal.io/blog/replay-2026-product-announcements
- Temporal Cloud, Limits (Historie, Payload, Aufbewahrung): https://docs.temporal.io/cloud/limits
- Temporal Cloud, Regionen: https://docs.temporal.io/cloud/regions
- Temporal, Workflow Message Passing (Signals, Queries, Updates): https://docs.temporal.io/encyclopedia/workflow-message-passing
- Dapr v1.18, Release-Ankündigung (10. Juni 2026): https://blog.dapr.io/posts/2026/06/10/dapr-v1.18-is-now-available/
- Dapr v1.19.0, Release Notes (22. Oktober 2026): https://github.com/dapr/dapr/releases/tag/v1.19.0
- Dapr v1.17, Release-Ankündigung (27. Februar 2026): https://blog.dapr.io/posts/2026/02/27/dapr-v1.17-is-now-available/
- Dapr Workflow, Überblick: https://docs.dapr.io/developing-applications/building-blocks/workflow/workflow-overview/
- Dapr, Request-Größe erhöhen (Standard für max. Body-Größe): https://docs.dapr.io/operations/configuration/increase-request-size/
- CNCF, allgemeine Verfügbarkeit von Dapr Agents v1.0 (23. März 2026): https://www.cncf.io/announcements/2026/03/23/general-availability-of-dapr-agents-delivers-production-reliability-for-enterprise-ai/
- Microsoft Learn, Durable Task Scheduler: Überblick und Einschränkungen: https://learn.microsoft.com/en-us/azure/durable-task/scheduler/durable-task-scheduler
- Microsoft Learn, Abrechnung des Durable Task Scheduler (SKUs, Aufbewahrung): https://learn.microsoft.com/en-us/azure/durable-task/scheduler/durable-task-scheduler-billing
- Microsoft Learn, Durable Task für KI-Agenten: https://learn.microsoft.com/en-us/azure/durable-task/sdks/durable-task-for-ai-agents
- Microsoft Learn, Durable-Task-Erweiterung für Microsoft Agent Framework: https://learn.microsoft.com/en-us/azure/durable-task/sdks/durable-agents-microsoft-agent-framework
- Microsoft Learn, Orchestrierungsversionierung: https://learn.microsoft.com/en-us/azure/durable-task/common/durable-orchestration-versioning
- Microsoft Learn, Unterstützung großer Payloads (Preview): https://learn.microsoft.com/en-us/azure/durable-task/scheduler/durable-task-scheduler-large-payloads
- Microsoft Tech Community, Consumption-SKU des Durable Task Scheduler allgemein verfügbar (31. März 2026): https://techcommunity.microsoft.com/t5/apps-on-azure-blog/the-durable-task-scheduler-consumption-sku-is-now-generally/ba-p/4506682
- AWS News Blog, Lambda Durable Functions: https://aws.amazon.com/blogs/aws/build-multi-step-applications-and-ai-workflows-with-aws-lambda-durable-functions
- Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 12, 14 und 50: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/deu
- Verordnung (EU) 2016/679 (DSGVO), Art. 5 und 17: https://eur-lex.europa.eu/eli/reg/2016/679/oj/deu
Tier B: Forschung und Analyse
- Reuters via The Star, „Over 40% of agentic AI projects will be scrapped by 2027, Gartner says" (25. Juni 2025): https://www.thestar.com.my/tech/tech-news/2025/06/25/over-40-of-agentic-ai-projects-will-be-scrapped-by-2027-gartner-says
- InfoQ, Azure Functions Serverless Agents und Updates des Durable Task Scheduler (Juni 2026): https://infoq.com/news/2026/06/azure-functions-serverless-agent
- CC Conceptualise, Feature-Matrix: unsere Auswertung der Tier-A-Dokumentation (data.csv zu diesem Beitrag)
Tier C: Hersteller und Presse, richtungsweisend
- Temporal, Series-D-Ankündigung (17. Februar 2026): https://temporal.io/news/temporal-raises-300M-to-make-agentic-ai-real-for-companies
- Diagrid, „Dapr Agents 1.0: Durable, Cloud-Native, Production-Ready": https://www.diagrid.io/blog/dapr-agents-1-0-durable-cloud-native-production-ready
Themen