---
title: "Konzept und wesentliche Komponenten des Loop Engineering"
locale: de
category: ai_data
category_name: "KI-Daten"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/loop-engineering-concept-components
published_at: 2026-07-20T15:26:45+09:00
---

# Konzept und wesentliche Komponenten des Loop Engineering

> Loop Engineering ist ein Designansatz, bei dem Menschen Ziele und Einschränkungen definieren und KI-Agenten die Ergebnisse durch wiederholtes Planen, Ausführen, Testen und Korrigieren verbessern. Die Kernkomponenten lassen sich in Automatisierung, Worktrees, Skills, Plugins und Konnektoren, Subagenten sowie Speicher gliedern.

## Key Points

- Loop Engineering ist nicht bloß das Verfassen von Prompts, sondern ein Ansatz zur Gestaltung eines Arbeitssystems, in dem KI Abläufe bis zur Zielerreichung wiederholt ausführen kann.
- Während Harness Engineering eine sichere Arbeitsumgebung und Regeln schafft, setzt Loop Engineering innerhalb dieser Umgebung eine Engine für wiederholte Ausführungen in Gang.
- Eine sichere Schleife erfordert einen isolierten Arbeitsbereich, klare Anweisungen, angebundene Werkzeuge, eine Rollenverteilung, Zustandsspeicherung und Abbruchbedingungen.
- Bei der Automatisierung der KI-Entwicklung bündelt die Schleife das Schreiben von Code, die Testausführung, die Fehleranalyse, erneute Versuche und die Anforderung einer Überprüfung zu einem geschlossenen Feedbackzyklus.
- Loop Engineering kann die Produktivität steigern, birgt jedoch Risiken, wenn Mechanismen für Berechtigungsverwaltung, Kostenkontrolle, Qualitätsprüfung und die Verhinderung von Endlosschleifen fehlen.

## Überblick

Loop Engineering ist eine Methode zur Entwicklung einer **iterativen Struktur, in der ein AI-Agent ein Ziel plant, Maßnahmen ausführt, Ergebnisse prüft, Fehlerursachen berücksichtigt und es erneut versucht**. Besonders wichtig wird sie bei Aufgaben, deren Ergebnisse überprüfbar sind, etwa in der Softwareentwicklung, Datenverarbeitung, Dokumentenerstellung und Testautomatisierung.

Der Begriff wird noch nicht in allen Standarddokumenten als feststehender wissenschaftlicher Fachbegriff verwendet. In der Praxis lässt er sich jedoch als Konzept erklären, das auf Prompt Engineering, Context Engineering und Harness Engineering folgt. Im Kern geht es nicht darum, „der AI einmal eine gute Anweisung zu geben“, sondern darum, „ein System zu schaffen, in dem die AI innerhalb einer sicheren Umgebung so lange iterieren kann, bis das Ziel erreicht ist“.

## Die Entwicklung des AI Engineering: vom Prompt zum Loop

| Stufe | Kernfrage | Rolle des Menschen | Rolle der AI | Typische Ergebnisse |
|---|---|---|---|---|
| Prompt Engineering | Wie soll die Frage gestellt werden? | Anweisungen verfassen und Ergebnisse prüfen | Eine einzelne Antwort erzeugen | Antworten, Entwürfe, Codefragmente |
| Context Engineering | Welche Hintergrundinformationen sollen bereitgestellt werden? | Dokumente, Beispiele, Richtlinien und Daten bereitstellen | Innerhalb des vorgegebenen Kontexts schlussfolgern | Konsistentere Antworten, maßgeschneiderte Ergebnisse |
| Harness Engineering | In welcher Umgebung und nach welchen Regeln soll gearbeitet werden? | Berechtigungen, Werkzeuge, Abläufe und Sicherheitsregeln gestalten | Werkzeuge innerhalb der festgelegten Umgebung verwenden | Kontrollierter Arbeitsablauf des Agenten |
| Loop Engineering | Wie soll bis zur Zielerreichung iteriert werden? | Ziele, Einschränkungen, Bewertungskriterien und Abbruchbedingungen festlegen | Ausführung, Validierung, Korrektur und erneute Versuche wiederholen | Sich automatisch verbessernde Arbeitsschleife |

### Prompt Engineering

Prompt Engineering ist eine Methode, bei der Fragen, Befehle, Beispiele und Ausgabeformate präzise formuliert werden, um von der AI das gewünschte Ergebnis zu erhalten. Es ist die grundlegendste Form der Interaktion und ähnelt einer Struktur, in der der Mensch die Anweisungen jedes Mal anpasst und das Ergebnis prüft.

### Context Engineering

Beim Context Engineering werden dem Modell Dokumente, Richtlinien, Informationen zur Codebasis, Benutzerpräferenzen, Ausgabestile, frühere Gespräche und weitere Referenzen bereitgestellt, um genauere Ergebnisse zu erzielen. Lange Kontextfenster, Retrieval-Augmented Generation, Dateianhänge und die Indizierung von Codebasen stehen mit dieser Stufe in Zusammenhang.

### Harness Engineering

Harness Engineering gestaltet, **innerhalb welcher Abläufe und Einschränkungen die AI handeln muss**, wenn sie Werkzeuge verwendet und mehrere Schritte ausführt. Beispielsweise werden Regeln wie „Lies die relevanten Dateien, bevor du den Code änderst“, „Führe keinen Merge durch, wenn die Tests nicht bestanden wurden“ oder „Öffne keine Dateien mit sensiblen Informationen“ in die Umgebung integriert.

### Loop Engineering

Beim Loop Engineering wird auf die durch das Harness geschaffene kontrollierte Arbeitsumgebung eine **Engine für wiederholte Ausführungen** aufgesetzt. Der AI-Agent wählt selbstständig die nächste Handlung aus, nutzt Werkzeuge, bewertet die Ergebnisse und passt bei einem Fehlschlag seine Strategie an, um die Ausführung erneut zu starten.

## Kerndefinition von Loop Engineering

Loop Engineering lässt sich als Gestaltung eines AI-Arbeitssystems definieren, das die folgenden Bedingungen erfüllt.

- Der Mensch legt das endgültige Ziel, den zulässigen Rahmen, die Bewertungskriterien und die Abbruchbedingungen fest.
- Der AI-Agent erstellt einen Arbeitsplan, um das Ziel zu erreichen.
- Der Agent nutzt erforderliche Werkzeuge wie Codeausführung, Tests, Suche, Dateiänderungen und API-Aufrufe.
- Wenn das Ausführungsergebnis fehlschlägt oder unzureichend ist, analysiert er die Fehlerursache und erzeugt den nächsten Versuch.
- Die Schleife wird beendet, wenn eine Abbruchbedingung erfüllt ist, etwa Zielerreichung, Budgetüberschreitung, Überschreitung der Anzahl der Iterationen, Auftreten eines Risikosignals oder die Notwendigkeit einer menschlichen Genehmigung.

Das Wesen von Loop Engineering ist also ein **automatisierter Feedbackzyklus**.

## Warum Loop Engineering erforderlich ist

Bei bisherigen Formen der AI-Nutzung wird der Mensch leicht zum Engpass. Der Mensch muss einen Prompt schreiben, das Ergebnis prüfen, erneut eine Korrektur anfordern, Tests ausführen und Fehlermeldungen kopieren und wieder eingeben.

Loop Engineering systematisiert diesen iterativen Prozess. Bei Entwicklungsaufgaben kann die AI beispielsweise den folgenden Ablauf automatisch wiederholen.

1. Anforderungen lesen und einen Arbeitsplan erstellen.
2. Den Code in einem separaten Arbeitsbereich ändern.
3. Tests und Linter ausführen.
4. Fehlerprotokolle analysieren.
5. Selbstständig einen Korrektur-Prompt oder die nächste Handlung erstellen.
6. Den Code erneut ändern.
7. Wenn die Erfolgskriterien erfüllt sind, die Ergebnisse zusammenstellen und um eine Prüfung bitten.

In dieser Struktur muss der Mensch nicht jeden Zwischenschritt direkt anweisen. Stattdessen konzentriert er sich auf die Festlegung von Zielen, Genehmigungen, die Behandlung von Ausnahmen und die abschließende Qualitätsbewertung.

## Die 6 wesentlichen Komponenten von Loop Engineering

### 1. Automatisierung: die Engine, die den Loop tatsächlich ausführt

Die Automatisierung bildet die Grundlage dafür, dass der Loop ohne manuelle Eingabe durch einen Menschen ausgeführt wird. Dazu gehören Arbeitswarteschlangen, Scheduler, CI/CD-Pipelines, Agenten-Runtimes, Ereignis-Trigger und Richtlinien für erneute Versuche.

Die Automatisierung übernimmt folgende Funktionen.

- Bedingungen für den Arbeitsbeginn erkennen
- Agenten ausführen
- Werkzeuge aufrufen und Ergebnisse erfassen
- Test- oder Validierungsschritte ausführen
- Bei Fehlschlägen erneut versuchen
- Protokolle speichern
- Zu einem Schritt mit menschlicher Genehmigung wechseln
- Kosten, Zeit und Anzahl der Iterationen begrenzen

Automatisierung ist nicht bloß eine „automatische Ausführung“, sondern eine Steuerung, die den Lebenszyklus des Loops verwaltet.

### 2. Worktree: ein sicherer Arbeitsbereich

Ein Worktree ist ein isolierter Arbeitsbereich, der verhindert, dass die AI den Hauptcode oder reale Produktionsdaten direkt beschädigt. Ein typisches Beispiel ist die `worktree`-Funktion von Git, mit der innerhalb desselben Repositorys ein separates Arbeitsverzeichnis angelegt werden kann, um Änderungen und Tests unabhängig durchzuführen.

Ein Worktree ist aus folgenden Gründen wichtig.

- Er schützt den Main-Branch oder die Produktionsumgebung.
- Mehrere Agenten können parallel unterschiedliche Aufgaben ausführen.
- Fehlgeschlagene Versuche lassen sich leicht verwerfen.
- Änderungen können als diff geprüft werden.
- Nur Änderungen, die Tests bestanden haben, kommen für einen Merge infrage.

Beim Loop Engineering ist der Worktree der Experimentierraum der AI. Damit das Gesamtsystem auch bei weitreichenden Änderungen durch den Agenten sicher bleibt, muss der Arbeitsbereich isoliert sein.

### 3. Skills: Anleitungen als Arbeitsstandard

Skills sind Anweisungen, Abläufe, Checklisten, Coding-Regeln, Gestaltungsprinzipien und Beispielsammlungen, denen die AI bei bestimmten Aufgaben folgen soll. So wie Menschen neuen Teammitgliedern Onboarding-Dokumente bereitstellen, benötigen auch Agenten Standards für die Ausführung ihrer Arbeit.

Skill-Dokumente können folgende Informationen enthalten.

- Beschreibung der Projektstruktur und der Kernmodule
- Code-Style und Namenskonventionen
- Vorgehensweise beim Schreiben von Tests
- Prinzipien des API-Designs
- Sicherheitsbezogene Verbote
- Checkliste vor der Bereitstellung
- Speicherorte der bei Fehlschlägen zu prüfenden Protokolle
- Format für Ergebnisberichte

Ohne Skills ist der Agent jedes Mal auf allgemeine Schlussfolgerungen angewiesen. Gut geschriebene Skills hingegen vermitteln der AI die Arbeitsweise einer Organisation in wiederverwendbarer Form.

### 4. Plugins und Konnektoren: Zugriff auf erforderliche Werkzeuge

Plugins und Konnektoren ermöglichen der AI den Zugriff auf Werkzeuge und Systeme, die sie während der Arbeit benötigt. Mögliche angebundene Systeme sind beispielsweise Code-Repositorys, Issue-Tracker, Suchsysteme, Datenbanken, Dokumentenspeicher, Test-Runner, Browser, Bereitstellungswerkzeuge und Benachrichtigungssysteme.

Der Grund für die Anbindung von Werkzeugen ist eindeutig. Wenn der Agent erkennt, dass er „Tests ausführen muss“, jedoch keine Berechtigung zur Testausführung hat, kommt der Loop zum Stillstand. Wenn er erkennt, dass er „relevante Dokumente prüfen muss“, aber keinen Zugriffsweg auf die Dokumente hat, steigt die Wahrscheinlichkeit, dass er mit Vermutungen antwortet.

Für eine gute Konnektorgestaltung gelten folgende Prinzipien.

- Das Prinzip der geringsten Berechtigung anwenden.
- Lese- und Schreibberechtigungen trennen.
- Für riskante Vorgänge Genehmigungsschritte vorsehen.
- Alle Werkzeugaufrufe protokollieren.
- Den Zugriff auf sensible Informationen durch gesonderte Richtlinien beschränken.
- Auch fehlgeschlagene Werkzeugaufrufe im Loop-Status erfassen.

### 5. Subagenten: AI-Arbeiter mit getrennten Rollen

Subagenten bilden eine Struktur, in der nicht ein einziger Hauptagent sämtliche Aufgaben erledigt, sondern Agenten mit unterschiedlichen Rollen zusammenarbeiten. Ähnlich einem menschlichen Entwicklungsteam können Rollen wie Design, Backend, Frontend, QA, Sicherheitsprüfung und Dokumentation getrennt werden.

| Rolle | Hauptverantwortung | Beispielausgabe |
|---|---|---|
| Planungsagent | Anforderungen analysieren, Aufgaben aufteilen, Prioritäten setzen | Implementierungsplan, Aufgabenliste |
| Backend-Agent | API, Datenmodell und Serverlogik implementieren | Codeänderungen, Tests |
| Frontend-Agent | UI, Zustandsverwaltung und Barrierefreiheit verbessern | Komponentenänderungen, Oberflächentests |
| QA-Agent | Tests ausführen, Fehler reproduzieren, Regressionen prüfen | Fehlerprotokolle, Reproduktionsschritte |
| Review-Agent | Codequalität, Sicherheit und Stil prüfen | Review-Kommentare, Risikoliste |
| Dokumentationsagent | Änderungen erläutern, Anleitungen verfassen | Versionshinweise, Benutzerleitfaden |

Der Vorteil einer Subagentenstruktur besteht darin, Fachkompetenzen aufteilen zu können. Da jedoch auch Konflikte zwischen Agenten, doppelte Arbeit und unklare Verantwortlichkeiten entstehen können, sind eine koordinierende Rolle und klare Arbeitsvereinbarungen erforderlich.

### 6. Memory: Zustandsspeicherung für Unterbrechung und Fortsetzung

Memory ist eine Funktion, die den aktuellen Status des Loops, frühere Versuche, Fehlerursachen, Entscheidungsgründe, Dateiänderungen, Testergebnisse und den Plan für die nächsten Handlungen speichert. Je länger ein Loop wird, desto unverzichtbarer wird Memory.

Memory lässt sich grob in zwei Arten unterteilen.

- Kurzzeit-Memory: Pläne der aktuellen Arbeitssitzung, Protokolle, Ergebnisse von Werkzeugaufrufen und Fehlermeldungen
- Langzeit-Memory: Projektregeln, frühere Lösungswege, wiederkehrende Fehlermuster, Benutzerpräferenzen und Teamstandards

Ohne Memory kann der Agent dieselben Fehler wiederholen oder eine unterbrochene Aufgabe von vorn beginnen müssen. Gut gestaltetes Memory hingegen sorgt für die stabile Fortführung des Loops und reduziert die Kosten.

## Grundarchitektur von Loop Engineering

Ein Loop-Engineering-System weist üblicherweise folgende Struktur auf.

1. Zieleingabe: Der Mensch stellt das zu lösende Problem und die Abschlusskriterien bereit.
2. Kontextsammlung: Code, Dokumente, Issues, Protokolle und Richtlinien werden gelesen.
3. Planung: Der Agent zerlegt die Arbeit in kleine Schritte.
4. Ausführung: Codeänderungen, Dateierstellung, Datenverarbeitung und Werkzeugaufrufe werden durchgeführt.
5. Validierung: Tests, Linting, Typprüfungen, Richtlinienprüfungen und Reviews werden ausgeführt.
6. Bewertung: Es wird beurteilt, ob die Zielkriterien erfüllt wurden.
7. Iteration: Bei einem Fehlschlag wird die Ursache analysiert und zu einem neuen Plan zurückgekehrt.
8. Beendigung: Der Loop endet bei Erfolg, Überschreitung eines Limits, Erkennung eines Risikos oder erforderlicher menschlicher Genehmigung.
9. Bericht: Änderungen, Validierungsergebnisse, verbleibende Risiken und empfohlene nächste Schritte werden zusammengefasst.

Dieser Ablauf setzt keine „AI voraus, die nur wiederholt nachdenkt“, sondern eine „AI, die in einer realen Umgebung handelt und die Ergebnisse validiert“.

## Der Unterschied zwischen Harness Engineering und Loop Engineering

| Kategorie | Harness Engineering | Loop Engineering |
|---|---|---|
| Zweck | Eine Umgebung schaffen, in der die AI sicher arbeiten kann | Die AI bis zur Zielerreichung iterieren lassen |
| Zentrale Elemente | Regeln, Berechtigungen, Werkzeuge, Abläufe, Beschränkungen | Wiederholte Ausführung, Feedback, erneute Versuche, Zustandsspeicherung |
| Reaktion auf Fehlschläge | Gefährliche Handlungen verhindern oder eine Genehmigung anfordern | Fehlerursachen berücksichtigen und den nächsten Versuch erzeugen |
| Menschliches Eingreifen | Konzentration auf die Gestaltung von Richtlinien und Umgebung | Konzentration auf Zielsetzung, Ausnahmebehandlung und endgültige Genehmigung |
| Vergleich | Arbeitsplatz und Sicherheitsausrüstung | Produktionslinie, die den Arbeitsplatz kontinuierlich in Bewegung hält |

Wird ein Loop ohne Harness erstellt, kann der Agent aufgrund übermäßiger Berechtigungen gefährliche Handlungen ausführen. Wird nur ein Harness ohne Loop erstellt, besteht zwar eine sichere Umgebung, die Produktivität bleibt jedoch begrenzt. In der Praxis werden beide Ansätze gemeinsam benötigt.

## Anwendungsbeispiel: der Loop eines AI-Coding-Agenten

In der Softwareentwicklung ist Loop Engineering relativ leicht verständlich. Angenommen, das Ziel lautet beispielsweise: „Behebe den Anmeldefehler“.

### Eingabe

- Ziel: Einen Fehler beheben, durch den die Anmeldung unter bestimmten Bedingungen fehlschlägt
- Abschlusskriterien: Bestehen der relevanten Tests, keine Regression der bestehenden Anmeldefunktion, Einreichung einer Änderungszusammenfassung
- Einschränkungen: Speicherverfahren für Authentifizierungs-Token darf nicht geändert werden, Benutzerdatenbank darf nicht direkt geändert werden

### Loop-Ausführung

1. Der Agent liest die Issue-Beschreibung und die relevanten Dateien.
2. Er erstellt im Worktree einen separaten Branch oder ein Arbeitsverzeichnis.
3. Er reproduziert den fehlgeschlagenen Test.
4. Er analysiert das Fehlerprotokoll und den relevanten Code.
5. Er wendet eine Korrektur an.
6. Er führt die Tests aus.
7. Bei einem Fehlschlag fasst er die Ursache zusammen und probiert eine andere Korrektur.
8. Bei Erfolg stellt er diff, Testergebnisse und Risikofaktoren zusammen.
9. Er bittet einen menschlichen Reviewer um die Genehmigung des Merges.

In diesem Beispiel kopiert der Mensch nicht jedes Mal das Fehlerprotokoll, um einen neuen Prompt zu verfassen. Stattdessen übernimmt der Loop die wiederkehrenden Aufgaben, während der Mensch bei Schritten eingreift, die eine endgültige Entscheidung und Verantwortung erfordern.

## Steuerungsvariablen, die bei der Gestaltung zwingend festgelegt werden müssen

Loop Engineering wird mitunter unter der Annahme unbegrenzter Wiederholungen erläutert, doch in einem realen System ist „unbegrenzt“ gefährlich. Ein sicherer Loop benötigt klare Grenzen.

| Steuerungsvariable | Beschreibung | Beispiel |
|---|---|---|
| Maximale Anzahl der Iterationen | Begrenzt, wie oft dieselbe Aufgabe erneut versucht wird | Maximal 5 erneute Versuche |
| Zeitbudget | Begrenzt die Ausführungszeit des Loops | Abbruch bei mehr als 30 Minuten |
| Kostenbudget | Begrenzt die Kosten für Modellaufrufe, Werkzeugnutzung und Infrastruktur | Höchstens 10 Dollar pro Aufgabe |
| Berechtigungsumfang | Trennt Berechtigungen zum Lesen, Schreiben, Ausführen und Bereitstellen | Schreibzugriff auf Produktions-DB verboten |
| Genehmigungspunkte | Definiert Zeitpunkte, an denen eine menschliche Prüfung erforderlich ist | Genehmigung vor Bereitstellung, Löschung, Zahlung oder externer Übermittlung |
| Erfolgskriterien | Objektive Bedingungen, anhand derer der Abschluss beurteilt wird | Tests bestanden, Genauigkeitskriterium erfüllt |
| Fehlerkriterien | Risikosignale, bei denen abgebrochen werden muss | Derselbe Fehler tritt 3-mal auf, Sicherheitswarnung wird ausgelöst |

Ein guter Loop ist nicht ein Loop, der möglichst oft durchlaufen wird, sondern **ein Loop, der zum richtigen Zeitpunkt stoppen kann**.

## Kriterien für die Qualitätsbewertung

Bei der Bewertung eines Loop-Engineering-Systems darf nicht nur betrachtet werden, ob „die AI eine Antwort geliefert hat“, sondern es müssen auch die folgenden Kennzahlen berücksichtigt werden.

- Zielerreichungsrate: Anteil der erfolgreich abgeschlossenen Aufgaben
- Anzahl der Iterationen bis zum ersten Erfolg: Gibt Aufschluss über unnötige erneute Versuche
- Testbestehensrate: Erfüllung der automatischen Validierungskriterien
- Regressionsrate: Anteil der Fälle, in denen bestehende Funktionen beschädigt wurden
- Anzahl menschlicher Eingriffe: Ob die Automatisierung tatsächliche Engpässe reduziert hat
- Kosteneffizienz: Ergebnisse im Verhältnis zu den Kosten für Modellaufrufe und Infrastruktur
- Auditierbarkeit: Ob nachvollziehbar ist, welches Werkzeug aus welchem Grund aufgerufen wurde
- Rate der Sicherheitsverstöße: Ob auf verbotene Dateien, APIs oder Daten zugegriffen wurde
- Reproduzierbarkeit: Ob unter denselben Bedingungen ähnliche Ergebnisse erzielt werden

Insbesondere in der Softwareentwicklung reicht es möglicherweise nicht aus, dass Tests bestanden werden. Sicherheit, Leistung, Wartbarkeit und Benutzererfahrung müssen ebenfalls geprüft werden.

## Häufige Fehlermuster

### 1. Unklare Erfolgskriterien

Wenn die Abschlusskriterien wie bei „Mach es gut“ unklar sind, kann der Loop nur schwer einen Grund zum Anhalten finden. Es werden überprüfbare Kriterien benötigt, etwa „3 Unit-Tests hinzufügen, alle vorhandenen Tests bestehen und eine Antwortzeit von höchstens 200ms beibehalten“.

### 2. Übermäßige Werkzeugberechtigungen

Erhält der Agent unbegrenzte Berechtigungen für Vorgänge wie das Schreiben in Produktionsdatenbanken, Bereitstellungen oder das Versenden externer E-Mails, kann ein kleiner Beurteilungsfehler zu einem großen Vorfall führen. Gefährliche Werkzeuge müssen getrennt und genehmigungspflichtig sein.

### 3. Fehlendes oder verunreinigtes Memory

Ohne Zustandsspeicherung werden dieselben Fehlschläge wiederholt. Wenn sich dagegen falsche Memory-Inhalte ansammeln, können falsche Annahmen immer wieder verwendet werden. Im Memory sollten verifizierte Tatsachen, Annahmen und Aufzeichnungen über Fehlschläge getrennt gespeichert werden.

### 4. Überschneidende Verantwortlichkeiten zwischen Subagenten

Wenn mehrere Agenten gleichzeitig dieselbe Datei ändern, können Konflikte auftreten. Arbeitsumfang, Dateiverantwortung, Review-Reihenfolge und Merge-Regeln müssen festgelegt werden.

### 5. Fehlende Kostenbegrenzung

Da ein Loop eine iterative Struktur ist, können die Kosten für Modellaufrufe und Werkzeugausführungen schnell steigen. Die Anzahl der Iterationen, die Token-Nutzung, die Anzahl externer API-Aufrufe und die Ausführungszeit müssen begrenzt werden.

## Implementierungscheckliste

Bei der praktischen Anwendung von Loop Engineering auf ein Projekt empfiehlt es sich, die folgenden Punkte in dieser Reihenfolge zu prüfen.

### Ziele und Bewertungskriterien

- Wurde das zu lösende Problem in einem Satz definiert?
- Lassen sich die Abschlusskriterien automatisch validieren?
- Wurden die Kriterien gekennzeichnet, die eine menschliche Genehmigung erfordern?
- Gibt es Abbruchbedingungen für Fehlschläge?

### Arbeitsumgebung

- Gibt es einen vom Hauptcode getrennten Worktree?
- Ist die Umgebung für die Testausführung reproduzierbar?
- Wurde der Zugriff auf geheime Schlüssel und sensible Informationen beschränkt?
- Lassen sich Änderungen als diff nachverfolgen?

### Anweisungen und Kontext

- Gibt es eine Beschreibung der Projektstruktur?
- Sind Coding- und Testregeln dokumentiert?
- Sind verbotene Handlungen und Sicherheitsregeln eindeutig?
- Sind die Dokumente, auf die der Agent zugreift, aktuell?

### Werkzeuge und Berechtigungen

- Sind die erforderlichen Werkzeuge im Voraus angebunden?
- Sind die Berechtigungen für jedes Werkzeug minimiert?
- Gibt es für gefährliche Werkzeugaufrufe einen Genehmigungsschritt?
- Werden alle Werkzeugaufrufe protokolliert?

### Loop-Steuerung

- Gibt es eine maximale Anzahl der Iterationen und ein Zeitlimit?
- Gibt es eine Kostenbegrenzung?
- Werden Wiederholungen desselben Fehlers erkannt?
- Kann der Zwischenzustand gespeichert und die Arbeit fortgesetzt werden?

## Für Loop Engineering geeignete und ungeeignete Aufgaben

| Aufgabentyp | Eignung | Grund |
|---|---:|---|
| Codeänderungen mit Tests | Hoch | Der Erfolg lässt sich anhand des Ausführungsergebnisses leicht beurteilen |
| Linting, Formatierung, Migration | Hoch | Wiederkehrend und mit klaren Validierungskriterien |
| Erstellung und Prüfung von Dokumententwürfen | Mittel | Automatisierbar, erfordert jedoch eine Faktenprüfung |
| Datenbereinigung | Mittel bis hoch | Effektiv, wenn Regeln und Stichprobenvalidierungen vorhanden sind |
| Sicherheitspatches | Mittel | Automatisierbar, erfordert jedoch eine Prüfung durch Fachleute |
| Rechtliche Beurteilungen, medizinische Diagnosen, Anlageberatung | Niedrig | Hohe Risiken in Bezug auf Verantwortung, Fachwissen und Regulierung |
| Direkte Änderungen an Produktionssystemen | Niedrig | Ein automatischer Loop ohne Genehmigung birgt ein hohes Unfallrisiko |

Loop Engineering ist bei „überprüfbaren Aufgaben“ am stärksten. Bei Entscheidungen mit unklaren Validierungskriterien oder hoher Verantwortung ist die Kontrolle durch menschliche Fachleute unerlässlich.

## Roadmap für die praktische Anwendung

### Stufe 1: Einen Loop für eine einzelne Aufgabe erstellen

Zunächst wird mit einer kleinen Einzelaufgabe begonnen. Der Umfang wird beispielsweise auf einen Loop zur Behebung fehlgeschlagener Tests, zur Korrektur fehlerhafter Dokumentlinks oder zur Beseitigung von Typfehlern begrenzt.

### Stufe 2: Das Harness festlegen

Vorabprüfungen, veränderbare Dateien, ausführbare Befehle, verbotene Handlungen und Genehmigungsbedingungen werden dokumentiert. Ist diese Stufe schwach ausgeprägt, steigt mit der Größe des Loops auch das Risiko.

### Stufe 3: Worktree- und Protokollsysteme einrichten

Alle Änderungen werden in einem isolierten Bereich durchgeführt, und Werkzeugaufrufe sowie Testergebnisse werden aufgezeichnet. Auch fehlgeschlagene Versuche sind wichtige Daten.

### Stufe 4: Skills dokumentieren

Wiederholt benötigtes Wissen wird in Skills überführt. Nützlich sind Dokumente wie „So werden in diesem Projekt Tests hinzugefügt“, „Checkliste für API-Änderungen“ und „Standards für Barrierefreiheit im Frontend“.

### Stufe 5: Subagenten trennen

Wenn die Aufgaben komplexer werden, werden Planer, Implementierer, QA und Reviewer getrennt. Statt von Anfang an übermäßig viele Agenten zu erstellen, empfiehlt es sich, zunächst die Rollen aufzuteilen, bei denen Engpässe festgestellt wurden.

### Stufe 6: Memory und Bewertungskennzahlen verbessern

Ursachen wiederholter Fehlschläge, Erfolgsmuster, Kosten und die Anzahl menschlicher Eingriffe werden aufgezeichnet. Auf Grundlage dieser Daten werden Effizienz und Sicherheit des Loops verbessert.

## Fazit

Loop Engineering ist ein Gestaltungsansatz, der AI-Agenten von einfachen Antwortgeneratoren in **zielorientierte Systeme zur Aufgabenausführung** verwandelt. Im Kern geht es nicht darum, der AI uneingeschränkte Autonomie zu gewähren, sondern durch Harness Engineering eine kontrollierte Umgebung zu schaffen und darin Automatisierung, Worktrees, Skills, Plugins und Konnektoren, Subagenten sowie Memory zu einer sicheren iterativen Struktur zu verbinden.

Ein gut gestalteter Loop reduziert den Aufwand für wiederholte menschliche Anweisungen und erhöht die Arbeitsgeschwindigkeit. Ein Loop ohne Sicherheitsmechanismen kann jedoch zu steigenden Kosten, sinkender Qualität, Missbrauch von Berechtigungen und Endlosschleifen führen. Daher lautet das Kernprinzip von Loop Engineering: „Automatisieren, dabei jedoch Überprüfbarkeit gewährleisten und den Loop in den erforderlichen Momenten zwingend anhalten.“

## FAQ

### Was ist Loop Engineering?
Loop Engineering ist eine Methode zur Gestaltung von Arbeitssystemen, in denen ein AI-Agent Planung, Ausführung, Überprüfung, Korrektur und erneute Versuche wiederholt, bis das Ziel erreicht ist. Dabei geht es nicht nur darum, einen guten Prompt zu schreiben, sondern auch um automatische Wiederholungen, die Nutzung von Werkzeugen, die Speicherung des Zustands und Abbruchbedingungen.

### Was ist der Unterschied zwischen Loop Engineering und Prompt Engineering?
Prompt Engineering konzentriert sich darauf, der AI eine einmalige Anweisung möglichst gut zu übermitteln. Loop Engineering ist ein systemorientierterer Ansatz, da dabei eine geschlossene Feedbackstruktur entworfen wird, in der die AI das Ergebnis überprüft, die Ursachen eines Fehlschlags berücksichtigt und den Vorgang erneut ausführt.

### Worin unterscheiden sich Harness Engineering und Loop Engineering?
Beim Harness Engineering werden Regeln, Berechtigungen, Werkzeuge und Umgebungen geschaffen, in denen eine AI sicher arbeiten kann. Beim Loop Engineering wird die AI dazu gebracht, innerhalb dieser kontrollierten Umgebung Ausführungen zu wiederholen, bis sie das Ziel erreicht.

### Warum ist beim Loop Engineering ein Worktree erforderlich?
Ein Worktree bietet einen isolierten Arbeitsbereich, in dem die AI experimentieren kann, ohne den Hauptcode oder die Produktivumgebung zu beschädigen. Fehlgeschlagene Änderungen können verworfen und nur erfolgreiche Änderungen überprüft werden, was die Sicherheit der AI-Coding-Schleife erhöht.

### Was bedeutet ein Skill beim Loop Engineering?
Ein Skill ist ein dokumentierter Arbeitsstandard, auf den sich die AI bei der Arbeit bezieht, etwa Anleitungen, Checklisten, Coding-Regeln, Testregeln oder Sicherheitsrichtlinien. Je klarer die Skills sind, desto wahrscheinlicher arbeitet der Agent nach den Vorgehensweisen der Organisation.

### Warum sind Plugins und Konnektoren wichtig?
Plugins und Konnektoren ermöglichen der AI den Zugriff auf Werkzeuge wie Repositorys, Dokumente, Test-Runner, Issue-Tracker und Datenbanken. Sind die erforderlichen Werkzeuge nicht angebunden, kann die Schleife mittendrin anhalten oder auf Vermutungen angewiesen sein.

### Wann werden Subagenten benötigt?
Subagenten sind nützlich, wenn eine Aufgabe in mehrere spezialisierte Rollen wie Design, Backend, Frontend, QA und Review aufgeteilt wird. Sind Rollen und Verantwortungsbereiche jedoch unklar, kann es zu Konflikten kommen, weshalb Koordinationsregeln erforderlich sind.

### Welche Rolle spielt der Speicher beim Loop Engineering?
Der Speicher hält den aktuellen Arbeitsstatus, frühere Versuche, Ursachen von Fehlschlägen, Testergebnisse und den nächsten Plan fest. Dadurch kann die Schleife nach einer Unterbrechung fortgesetzt werden, und die Wahrscheinlichkeit, dieselben Fehler zu wiederholen, lässt sich verringern.

### Bedeutet Loop Engineering eine Endlosschleife?
Konzeptionell bedeutet es zwar, dass der Vorgang bis zum Erreichen des Ziels wiederholt wird, doch in realen Systemen sind unbegrenzte Wiederholungen gefährlich. Eine maximale Anzahl von Wiederholungen, Zeit- und Kostenlimits, eine Fehlererkennung sowie Bedingungen für die menschliche Genehmigung müssen unbedingt festgelegt werden.

### Für welche Aufgaben eignet sich Loop Engineering am besten?
Es eignet sich gut für wiederkehrende Aufgaben mit klaren Prüfkriterien, etwa Codeänderungen mit Tests, Linting und Formatierung, Datenbereinigung sowie die Prüfung von Dokumenten. Bereiche mit hoher Verantwortung wie rechtliche Beurteilungen, medizinische Diagnosen und Investitionsentscheidungen dürfen nicht allein durch automatische Schleifen bearbeitet werden.

### Was ist das größte Risiko beim Loop Engineering?
Zu den Hauptrisiken gehören übermäßige Berechtigungen, unbegrenzte erneute Versuche, explodierende Kosten, die Ansammlung fehlerhafter Speicherinhalte, automatische Bereitstellungen ohne Überprüfung und der Zugriff auf sensible Informationen. Daher sind die Minimierung von Berechtigungen, die Protokollierung, Genehmigungsschritte und Abbruchbedingungen unerlässlich.

### Wie führt man Loop Engineering am besten erstmals ein?
Zu Beginn empfiehlt es sich, mit einer einzigen kleinen und überprüfbaren Aufgabe anzufangen, etwa der Behebung fehlgeschlagener Tests, der Prüfung von Links in Dokumenten oder der Behebung von Typfehlern. Anschließend ist es sicher, Worktrees, Skill-Dokumente, Werkzeuganbindungen, Speicher und Subagenten schrittweise hinzuzufügen.

## Sources

- [Git-Dokumentation: git-worktree](https://git-scm.com/docs/git-worktree)
- [GitHub Docs: GitHub-Actions-Dokumentation](https://docs.github.com/en/actions)
- [OpenAI Platform Docs: Funktionsaufrufe](https://platform.openai.com/docs/guides/function-calling)
- [Model Context Protocol: Einführung](https://modelcontextprotocol.io/introduction)
- [LangGraph-Dokumentation: Persistenz](https://langchain-ai.github.io/langgraph/concepts/persistence/)
- [ReAct: Synergie von Schlussfolgern und Handeln in Sprachmodellen](https://arxiv.org/abs/2210.03629)
- [Reflexion: Sprachagenten mit verbalem Verstärkungslernen](https://arxiv.org/abs/2303.11366)

## Images

![Diagramm mit einem zentralen KI-Roboter und kreisförmigen Pfeilen, umgeben von Symbolen für Automatisierung, Dokumente, Validierung und Daten](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjMwMSwicHVyIjoiYmxvYl9pZCJ9fQ==--e2cc0e235018c6d93b44f9fe5cf3889bea5aa10a/ai-cccc7ad2.webp)
![Automatisiertes Validierungssystem, bei dem mit einem Roboter verbundene Arbeitsstationen zu einer zirkulären Pipeline verknüpft sind](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjMwNywicHVyIjoiYmxvYl9pZCJ9fQ==--6e96b4db0ce479ff3ba8d0cefc6dafb74a3e9ce0/ai-20876eb8.webp)