{"id":229653,"date":"2026-07-30T20:05:26","date_gmt":"2026-07-30T20:05:26","guid":{"rendered":"https:\/\/www.europesays.com\/ch-de\/229653\/"},"modified":"2026-07-30T20:05:26","modified_gmt":"2026-07-30T20:05:26","slug":"loop-engineering-so-laesst-du-ki-agenten-in-schleifen-arbeiten","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/ch-de\/229653\/","title":{"rendered":"Loop-Engineering: So l\u00e4sst du KI-Agenten in Schleifen arbeiten"},"content":{"rendered":"

\u201eIch prompte Claude nicht mehr. Bei mir laufen Loops, die Claude prompten und herausfinden, was zu tun ist. Mein Job ist es, Loops zu schreiben.\u201c Das sagte Boris Cherny, der Sch\u00f6pfer von Claude Code. Addy Osmani<\/a>, Engineering-Lead bei Google Chrome, erg\u00e4nzte: \u201eLoop Engineering hei\u00dft, dich selbst dort zu ersetzen, wo du sonst den Agenten promptest. Du entwirfst das System, das es an deiner Stelle tut.\u201c<\/p>\n

Klingt, als sei Prompt-Engineering tot. Das ist es nicht, aber es entwickelt sich weiter. Loop-Engineering ist eine neue Arbeitstechnik<\/a>, die das Prompten und die Einrichtung von KI-Agenten um eine Ebene erweitert. Das Schwierige ist nicht, einen Loop zu starten, sondern aus ihm ein brauchbares Ergebnis zu holen. Dieser Beitrag zeigt, wie Loops funktionieren, welche Loop-Typen es gibt und wie du deinen ersten eigenen Loop aufsetzen kannst.<\/p>\n

\n Was ist Loop-Engineering?\n <\/p>\n

Beim Loop-Engineering baust du im Grunde ein R\u00fcckkopplungssystem: Es vollzieht eine Aktion, misst das Ergebnis und leitet daraus die n\u00e4chste Aktion ab. Das Prinzip ist nicht neu, eines der ersten dokumentierten Systeme dieser Art entstand schon in den 1620er Jahren: Damals baute der Holl\u00e4nder Cornelis Drebbel einen Brutkasten f\u00fcr H\u00fchnereier<\/a>, der die Temperatur selbst hielt: Dehnt sich das Quecksilber in der Hitze aus, dr\u00fcckt es eine Klappe im Ofenrohr zu; k\u00fchlt es ab, \u00f6ffnet sie sich.<\/p>\n

Top-Artikel<\/p>\n

${content}<\/p>\n

\n ${custom_anzeige-badge}
\n ${custom_tr-badge}
\n ${section}\n <\/p>\n

${title}<\/a><\/p>\n

<\/p>\n

<\/p>\n

<\/a><\/p>\n

<\/p>\n

<\/p>\n

<\/a><\/p>\n

Im Coding-Bereich gab der Entwickler Geoffrey Huntley dem Muster 2025 einen Simpsons-Namen: Ralph Wiggum, die Figur, die niemals aufgibt. Die Ralph-Technik<\/a> ist eine Bash-Zeile, die einem Coding-Agenten denselben Prompt vorsetzt, bis das Ergebnis tr\u00e4gt. Binnen eines Jahres wurden daraus Produktfunktionen: \/goal in Codex<\/a> beschreibt einen Zielzustand samt Pr\u00fcfkriterium, Claude Code zog mit \/goal, \/loop und \/schedule nach.<\/p>\n

Warum zuerst im Code? Tests und Compiler liefern in Sekunden ein ehrliches Signal. Andrej Karpathy, KI-Forscher und einer der Gr\u00fcnder von OpenAI, erkl\u00e4rt in \u201eFrom Vibe Coding to Agentic Engineering\u201c<\/a>: Modelle werden dort am schnellsten besser, wo die Labore per Reinforcement Learning mit automatisch verifizierbaren Ergebnissen trainieren. Ein g\u00fcnstiger, ehrlicher Messwert ist die Kernbedingung f\u00fcr jeden Loop. Und den gibt es weit \u00fcber den Code hinaus: stimmige Summen, erreichbare Links, belegte Aussagen.<\/p>\n

\n Empfohlene redaktionelle Inhalte\n <\/p>\n

Hier findest du externe Inhalte von TargetVideo GmbH,
\n die unser redaktionelles Angebot auf t3n.de erg\u00e4nzen.
\n Mit dem Klick auf «Inhalte anzeigen» erkl\u00e4rst du dich einverstanden,
\n dass wir dir jetzt und in Zukunft Inhalte von TargetVideo GmbH auf unseren Seiten anzeigen d\u00fcrfen.
\n Dabei k\u00f6nnen personenbezogene Daten an Plattformen von Drittanbietern \u00fcbermittelt werden.
\n
\n Inhalte anzeigen<\/p>\n

\n
\n Hinweis zum Datenschutz
\n <\/a>\n <\/p>\n

\n Leider ist etwas schief gelaufen…\n <\/p>\n

An dieser Stelle findest du normalerweise externe Inhalte von TargetVideo GmbH,
\n jedoch konnten wir deine Consent-Einstellungen nicht abrufen.
\n Lade die Seite neu oder passe deine Consent-Einstellungen manuell an.<\/p>\n

Datenschutzeinstellungen verwalten<\/p>\n

\n Laut Claude-Code-Team: Diese vier Loop-Typen gibt es\n <\/p>\n

Die beste Einteilung liefert \u201eGetting started with loops\u201c<\/a> vom Claude-Code-Team. Ein Loop ist demnach ein Agent, der Arbeitsdurchl\u00e4ufe wiederholt, bis ein Stopp-Kriterium greift.<\/p>\n

Schrittweise Loops: Du stellst eine Aufgabe, liest die Antwort, verbesserst sie, das Modell versucht es erneut. Das Stopp-Kriterium hier bist du, wenn du sagst: \u201eGut, passt so\u201c. Sobald du diesen Zyklus bewusst drehst, etwa das Modell anweist, die Antwort nach bestimmten Kriterien zu bewerten und nachzubessern, betreibst du schon halbes Loop-Engineering.\u00a0
\nZiel-Loops sind das klassische \/goal, sie stoppen bei einem pr\u00fcfbaren Ziel oder Versuchslimit.\u00a0
\nZeit-Loops laufen nach Plan.
\nUnd proaktive Loops starten bei einem Ereignis: Ein Test f\u00e4llt durch, der Agent repariert.<\/p>\n

Prompts sind damit nicht erledigt: Den Loop beauftragst du per Prompt, f\u00fcr Einzelaufgaben gen\u00fcgt meist ein sauberer Einzelprompt; OpenAI positioniert \/goal f\u00fcr lange, mehrschrittige Aufgaben.<\/p>\n

\n Empfohlene redaktionelle Inhalte\n <\/p>\n

Hier findest du externe Inhalte von Podigee GmbH,
\n die unser redaktionelles Angebot auf t3n.de erg\u00e4nzen.
\n Mit dem Klick auf «Inhalte anzeigen» erkl\u00e4rst du dich einverstanden,
\n dass wir dir jetzt und in Zukunft Inhalte von Podigee GmbH auf unseren Seiten anzeigen d\u00fcrfen.
\n Dabei k\u00f6nnen personenbezogene Daten an Plattformen von Drittanbietern \u00fcbermittelt werden.
\n
\n Inhalte anzeigen<\/p>\n

\n
\n Hinweis zum Datenschutz
\n <\/a>\n <\/p>\n

\n Leider ist etwas schief gelaufen…\n <\/p>\n

An dieser Stelle findest du normalerweise externe Inhalte von Podigee GmbH,
\n jedoch konnten wir deine Consent-Einstellungen nicht abrufen.
\n Lade die Seite neu oder passe deine Consent-Einstellungen manuell an.<\/p>\n

Datenschutzeinstellungen verwalten<\/p>\n

\n Wie funktionieren Loops in der Praxis?\n <\/p>\n

Zwei Beispiele f\u00fcr Zeit-Loops: Mein Agent Hermes schickt mir jeden Tag zwei Zusammenstellungen nach Telegram. Die erste mit B\u00f6rsendaten \u2013 ein festes Format, das sich nicht \u00e4ndert, und trotzdem ein Loop: Hermes startet t\u00e4glich, liefert und l\u00e4sst mich eingreifen, wenn etwas nicht funktioniert. Die zweite Zusammenstellung ist eine Nachrichtenauswahl. Ich lese die Sammlung, sage dem Agenten, was gelungen ist und was fehlt, und er arbeitet die R\u00fcckmeldung in seine Such- und Schreib-Skills ein. Am n\u00e4chsten Tag bekomme ich eine andere Auswahl.<\/p>\n

Gergely Orosz (Autor des Newsletters The Pragmatic Engineer<\/a>) wertete im Juli 2026 in \u201eWhat is loop engineering?\u201c<\/a> rund 210 Entwickler-Antworten aus. In der Praxis dominieren Ereignis- und Zeitplan-Loops. Drei Entt\u00e4uschungen treten h\u00e4ufig auf: Agenten driften erstens bei langen L\u00e4ufen ab. Loops fressen zweitens teure Tokens, da jede Iteration ein voller Agenten-Durchlauf ist. Und drittens schl\u00e4gt ein Mensch im Loop oft die volle Autonomie vor: Er ist der g\u00fcnstigste Sensor f\u00fcr alles, was sich maschinell nicht pr\u00fcfen l\u00e4sst.<\/p>\n

Karpathy nennt den Grund \u201eJagged Intelligence\u201c (auf Deutsch: gezackte Intelligenz): Dasselbe Modell, das 100.000 Zeilen Code refaktoriert, schl\u00e4gt vor, die 50 Meter zur Autow\u00e4sche zu Fu\u00df zu gehen. Ein Loop erbt diese \u201eZacken\u201c, bemerkt sie aber nicht; der Mensch daneben schon.<\/p>\n

\n Drift: Woran Loops scheitern k\u00f6nnen\n <\/p>\n

An der Bequemlichkeit: Einen Loop zu starten, ist leicht, eine gute Pr\u00fcfung zu entwerfen, ist Arbeit. Mein Beispiel: Ich versuche, einen Threads-Account zu KI-Nachrichten aufzubauen, best\u00fcckt von meinem selbst gebauten Agenten Hermes. Morgens analysiert er den Kanal und legt zehn Entwurfs-Threads vor; ich w\u00e4hle aus, redigiere, ver\u00f6ffentliche. \u00dcber Nacht vergleicht er meine Fassungen mit seinen Entw\u00fcrfen und sch\u00e4rft seine Skills.<\/p>\n

Nach ein paar Tagen stutzte ich. Alle Threads bestanden aus drei Beitr\u00e4gen, die Einstiege glichen sich, die Themen rutschten ab in Richtung \u201eKI in der Wissenschaft\u201c. Hermes hatte als Pr\u00fcfer nicht meinen Geschmack gesehen, den kann er nicht sehen. Er sah nur dessen Schatten: L\u00e4nge, Einstiegsmuster, ein Thema, das kurz gut lief. Und optimierte die weiter. Goodharts Gesetz<\/a> in Aktion: Sobald eine Messgr\u00f6\u00dfe zum Ziel wird, taugt sie nicht mehr als Messgr\u00f6\u00dfe.<\/p>\n

\n Taugt eine KI, um Loops zu pr\u00fcfen?\n <\/p>\n

Die Pr\u00fcfung von KI-Loops \u00fcbernimmt h\u00e4ufig eine zweite KI. Das hat seine Grenzen. Das zeigt das Paper \u201eMore Convincing, Not More Correct\u201c<\/a> von Chenyu Zhou (Juli 2026). Ein Modell l\u00f6ste Mathematikaufgaben, ein zweites urteilte als Richter, ohne die richtige Antwort zu kennen; das l\u00f6sende Modell wurde trainiert, die Zustimmung des Richters zu gewinnen. Im Hintergrund ma\u00df ein versteckter Faktenpr\u00fcfer allerdings still die Wahrheit. Das Ergebnis: Die Zustimmung des Richters stieg von 72 auf 94 Prozent \u2013 von au\u00dfen sah es also aus, als w\u00fcrde das System kl\u00fcger. Die echte, gemessene Korrektheit blieb jedoch bei rund 20 Prozent stehen.<\/p>\n

Das Modell lernte also nicht, besser zu l\u00f6sen, sondern nur, \u00fcberzeugender auszusehen. Selbst als das Gremium auf drei Richter anwuchs, winkte es rund 55 Prozent der falschen Antworten durch. Mein Threads-Fall ist die Alltagsversion dieses Loop-Mechanismus: Ein Richter ohne Realit\u00e4tszugang bewertet dabei Plausibilit\u00e4t. Diese ist trainierbar \u2013 aber nicht das, was wir eigentlich wollen.<\/p>\n

Ein Todesurteil f\u00fcr Loops? Nein. Dieselbe Studie zeigt n\u00e4mlich auch: L\u00f6st der Richter die Aufgabe zuerst selbst und vergleicht dann, f\u00e4llt die Quote f\u00e4lschlich durchgewinkter Antworten von 71,9 auf 1,2 Prozent. Das bedeutet, dass jeder komplexer Loop eine Regel befolgen sollte: Jede Iteration braucht Information, die es in der vorherigen nicht gab, einen Codelauf, eine Quellensuche, eine menschliche Redaktion. \u201eLies es noch einmal und verbessere es\u201c ist keine Information. Mein Threads-Loop bekommt deshalb verordnete Experimente neben der Kanalanalyse und w\u00f6chentlich mein Text-Feedback.<\/p>\n

\n Hohe Kosten: Brauchst du \u00fcberhaupt einen Loop?\n <\/p>\n

Die Frage, die am meisten Geld spart, lautet: Was erf\u00e4hrt das System nach dem n\u00e4chsten Durchlauf, und wie ver\u00e4ndert das den \u00fcbern\u00e4chsten? Wenn du darauf keine Antwort hast, brauchst du keinen Loop. Dann reicht ein guter Prompt, was deutlich billiger ist. Diese Situationen gibt es typischerweise:<\/p>\n

Situation
\nRolle des Loops<\/p>\n

Ehrlicher maschineller Test existiert
\nHohe Autonomie m\u00f6glich<\/p>\n

Regeln plus subjektives Urteil
\nLoop bereitet vor, der Mensch entscheidet<\/p>\n

Geschmack oder Strategie entscheiden
\nKurze Iterationen, viel menschliches Feedback<\/p>\n

Keine neue Information zwischen den L\u00e4ufen
\nKein Loop, ein Prompt gen\u00fcgt<\/p>\n

Fehler irreversibel oder teuer
\nMenschliche Best\u00e4tigung vor der Aktion<\/p>\n

Bevor du einen Loop erstellst, solltest du dir die sieben folgenden Fragen stellen. So stellst du sogleich deinem Loop einen Pass aus und finalisierst das Briefing f\u00fcr den Agenten.<\/p>\n

Ziel: Was ist das Ergebnis? Ziel sollte nicht sein: \u201eVerbessere, bis es gut ist\u201c, sondern \u201eErf\u00fcllt diese Bedingungen\u201c \u2013 etwa ein Threads-Account, der jeden Tag mit Inhalt gef\u00fcllt ist.
\nTrigger: Was startet die Arbeit? Kommando, Zeitplan oder \u00e4u\u00dferes Ereignis? Bei mir liegen die Entw\u00fcrfe jeden Morgen um sieben in Telegram.
\nIteration: Was genau passiert in einem Durchlauf? In meinem Beispiel: Kanalanalyse, Skill-Anpassung, zehn frische Entw\u00fcrfe.
\nPr\u00fcfung: Woher kommt das ehrliche Signal, wie ver\u00e4ndert es den n\u00e4chsten Durchlauf? Bei mir: Hermes vergleicht meine redigierten Fassungen mit seinen Entw\u00fcrfen.
\nGed\u00e4chtnis: Was \u00fcberlebt zwischen den Versuchen: Fortschritt, Absagen, probierte Wege? Bei mir sind das die Skills f\u00fcr Anlass-Suche und Texterstellung.
\nBremsen: etwa eine feste Zahl von Iterationen oder ein ausgesch\u00f6pftes Budget.
\nMensch: alles, was das System nicht entscheiden kann. In meinem Fall: Geschmack, Themen, Ver\u00f6ffentlichung.<\/p>\n

Im oben erw\u00e4hnten Gespr\u00e4ch zitiert KI-Forscher Karpathy einen Satz, der ihn gepr\u00e4gt hat und der \u00fcber jedem Loop h\u00e4ngen k\u00f6nnte: \u201eDenken l\u00e4sst sich delegieren, Verstehen nicht.\u201c Das hei\u00dft: Dein Loop kann dir die regelm\u00e4\u00dfige Arbeit \u00fcber seine Durchl\u00e4ufe abnehmen, das Urteil sollte aber bei dir bleiben. Wenn es keinen sinnvollen Pr\u00fcfmechanismus durch den Agenten gibt, solltest du vielleicht auf den Loop verzichten. Bei der Entscheidung hilft der Sieben-Fragen-Pass. W\u00e4hle eine Aufgabe aus, die du diese Woche dreimal von Hand angesto\u00dfen hast. Kommst du bei Frage 4 auf kein ehrliches Pr\u00fcfsignal, spar dir den Loop und behalte den Prompt.<\/p>\n

Eugen Ullrich<\/p>\n

Eugen Ullrich ist GEO- und AI-Visibility-Stratege. Er macht Marken sichtbar und zitierbar, wenn Nutzer ChatGPT, Perplexity, Gemini oder Claude nach einer Empfehlung fragen; sein Fundament ist technisches SEO seit 2016.<\/p>\n

\"\"\/<\/p>\n","protected":false},"excerpt":{"rendered":"\u201eIch prompte Claude nicht mehr. Bei mir laufen Loops, die Claude prompten und herausfinden, was zu tun ist.…\n","protected":false},"author":2,"featured_media":229654,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[15],"tags":[46,297,623,49820,45,60,59,241,44,64,61,7452,49821,63,62],"class_list":["post-229653","post","type-post","status-publish","format-standard","has-post-thumbnail","category-wissenschaft-technik","tag-ch","tag-google","tag-kuenstliche-intelligenz","tag-open-ai","tag-schweiz","tag-science","tag-science-technology","tag-studie","tag-switzerland","tag-technik","tag-technology","tag-telegram","tag-threads","tag-wissenschaft","tag-wissenschaft-technik"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@ch_de\/117010722144208724","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/posts\/229653","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/comments?post=229653"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/posts\/229653\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/media\/229654"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/media?parent=229653"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/categories?post=229653"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/tags?post=229653"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}