---
title: "Unterschiede und Gestaltung von Prompt-, Kontext-, Harness-, agentischem und Loop Engineering"
locale: de
category: comparison
category_name: "Vergleich"
translation_status: reviewed
license: cc_by
author: "naikeu"
source_url: https://injoys.com/en/articles/prompt-context-harness-agentic-loop-engineering
published_at: 2026-07-16T17:00:54+09:00
---

# Unterschiede und Gestaltung von Prompt-, Kontext-, Harness-, agentischem und Loop Engineering

> Prompt-, Kontext-, Harness-, agentisches und Loop Engineering befassen sich jeweils mit Anweisungen, Informationen, der Arbeitsumgebung, autonomer Ausführung und iterativer Verbesserung. Dieser Artikel erläutert aus praktischer Sicht die Abgrenzung und das Zusammenspiel der fünf Ansätze, ihre Einsatzreihenfolge, Prüfkennzahlen und Methoden zur Fehlervermeidung.

## Key Points

- Prompt Engineering dient dazu, Ziele, Einschränkungen, Beispiele, den Ausgabevertrag und Erfolgskriterien klar zu definieren.
- Kontext Engineering steuert Relevanz, Aktualität und Quellen der Informationen, die AI für die aktuelle Entscheidung verwendet, sowie die Token-Effizienz.
- Harness Engineering schafft mithilfe von Werkzeugen, Berechtigungen, Sandboxes, Dokumentstrukturen, Prüfsystemen und Protokollen eine Umgebung, in der AI zuverlässig arbeiten kann.
- Agentisches Engineering überträgt AI in begrenztem Umfang die Auswahl der nächsten Handlung und der Werkzeuge zur Zielerreichung.
- Loop Engineering verbindet Generierung, Prüfung, Ursachenanalyse, Korrektur, erneute Ausführung und Abbruchbedingungen, damit das Ergebnis konvergiert.

Wenn alle Maßnahmen zur Verbesserung der Qualität generativer KI unter „gute Prompts schreiben“ zusammengefasst werden, lassen sich die Ursachen von Fehlern nur schwer präzise diagnostizieren. Prompt-, Kontext-, Harness-, agentische und Loop-Engineering sind keine austauschbaren Modebegriffe, sondern ergänzende Entwurfsansätze, die unterschiedliche Steuerungsebenen behandeln: **Formulierung von Anfragen, Auswahl von Informationen, Ausführungsumgebung, autonome Entscheidungsfindung und iterative Verbesserung**.

## Kerndefinitionen der fünf Konzepte

| Kategorie | Kernfrage | Zentrale Entwurfsobjekte | Typische Ergebnisse | Typische Erfolgskriterien |
|---|---|---|---|---|
| Prompt-Engineering | Wie soll die KI angewiesen werden, eine Aufgabe auszuführen? | Anweisungen, Einschränkungen, Beispiele, Ausgabeformat | Prompt-Vorlagen, Beispieleingaben und -ausgaben | Befolgungsquote von Anweisungen, Formatgenauigkeit, Qualität des ersten Ergebnisses |
| Kontext-Engineering | Was soll der KI jetzt gezeigt werden? | Systemanweisungen, abgerufene Dokumente, Gesprächsstatus, Speicher, Werkzeugergebnisse | Regeln für die Kontextzusammenstellung, Abruf- und Zusammenfassungsrichtlinien | Relevanz, Aktualität, Nachweisbarkeit, Token-Effizienz |
| Harness-Engineering | Welche Arbeitsumgebung erschwert es der KI, Fehler zu machen? | Werkzeuge, Berechtigungen, Sandbox, Repository-Struktur, Prüfer, Protokolle | Arbeitsregeln, Werkzeugschnittstellen, Tests und CI, Runbooks | Reproduzierbarkeit, Sicherheit, Prüfbarkeit, Wiederherstellbarkeit |
| Agentisches Engineering | Wer entscheidet in welchem Umfang über die nächste Aktion? | Ziele, Pläne, Werkzeugauswahl, Zustandsübergänge, Delegation | Agentenschleifen, Orchestrierung, Genehmigungspunkte | Aufgabenerfüllungsquote, angemessene Werkzeugauswahl, Quote menschlicher Eingriffe |
| Loop-Engineering | Wie lässt sich konvergieren, wenn das erste Ergebnis falsch ist? | Generierung, Bewertung, Ursachenklassifizierung, Korrektur, erneute Ausführung, Abbruchbedingungen | Prüfer, Regressionstests, Wiederholungsrichtlinien, Fehlerklassifizierung | Erfolgsquote im ersten Durchlauf, Wiederherstellungsquote, Anzahl der Iterationen, endgültige Erfolgsquote |

Die fünf Konzepte lassen sich in einem Satz wie folgt verbinden.

**Eine Anfrage formulieren → die erforderlichen Informationen zeigen → eine sichere Arbeitsumgebung bereitstellen → die KI die nächste Aktion auswählen lassen → das Ergebnis prüfen und verbessern, bis es die Kriterien erfüllt.**

### Hinweise zur Interpretation der Begriffe

Prompt-Engineering und Agenten sind relativ weit verbreitete Begriffe, während der Anwendungsbereich von Harness-Engineering je nach Kontext noch variiert. Manche Beiträge bezeichnen nahezu alle Ausführungsebenen außer dem Modell als Harness, andere grenzen den Begriff auf die Regeln, Prüfungen und Feedbackstrukturen ein, die Nutzer von Coding-Agenten außerhalb eines Repositorys erstellen. Auch „Loop-Engineering“ sollte nicht als formale, durch einen einheitlichen Standard festgelegte Klassifizierung verstanden werden, sondern vielmehr als praxisorientierte Bezeichnung für die Gestaltung von Generierung und Prüfung als geschlossenen Feedbackprozess.

## 1. Prompt-Engineering: Die Qualität von Anweisungen gestalten

Prompt-Engineering ist die Arbeit, Anweisungen an ein Modell klar und überprüfbar zu machen. Seine sichtbarste Wirkung zeigt sich häufig bei einer einzelnen Anfrage und Antwort, es lässt sich jedoch auch auf Systemnachrichten oder Regeln für mehrstufige Gespräche anwenden.

Ein guter Prompt trennt in der Regel die folgenden Elemente:

- **Ziel:** Was muss abgeschlossen werden?
- **Eingabe:** Was soll analysiert werden, und wo liegen die Grenzen der Eingabe?
- **Einschränkungen:** Was darf nicht getan werden, was ist zulässig, und welche Länge und welches Format gelten?
- **Ausgabevertrag:** Struktur des Ergebnisses, etwa JSON, Tabelle oder Code-Patch
- **Erfolgskriterien:** Welche Bedingungen müssen erfüllt sein, damit das Ergebnis als korrekt gilt?
- **Umgang mit Unsicherheit:** Was ist zu tun, wenn Informationen fehlen oder miteinander im Konflikt stehen?
- **Beispiele:** Repräsentative Ein- und Ausgaben, die das erwartete Verhalten zeigen

Eine Vorlage für die Praxis kann so einfach beginnen:

```text
Ziel:
Eingabe:
Einschränkungen:
Ausgabeformat:
Erfolgskriterien:
Prüfmethode:
Umgang mit Unsicherheit:
Repräsentatives Beispiel:
```

Wichtig ist, vor der Überarbeitung des Prompts zunächst Erfolgskriterien und empirische Testmethoden zu definieren. Nicht jeder Fehler lässt sich durch eine Änderung des Prompts beheben. Kosten, Latenz, Werkzeugfehler oder die Auswahl falscher Materialien können Probleme anderer Ebenen sein.

### Probleme, die Prompt-Engineering gut lösen kann

- Häufige Fehler im Ausgabeformat
- Unklare Prioritäten von Anweisungen
- Aufgaben wie Klassifizierung, Extraktion, Transformation oder Zusammenfassung mit relativ klaren Ein- und Ausgaben
- Probleme, deren Leistung sich durch repräsentative Beispiele stabilisiert

### Probleme, die sich nur schwer allein mit Prompts lösen lassen

- Erforderliche Fakten oder Dateien fehlen in der Eingabe
- Veraltete oder widersprüchliche Dokumente sind vermischt
- Externe Systeme müssen sicher abgefragt oder geändert werden
- Mehrstufige Ausführungszustände und Fehlerbehebungen sind erforderlich
- Es gibt keine Möglichkeit, die Korrektheit eines Ergebnisses objektiv zu prüfen

## 2. Kontext-Engineering: Die Informationen gestalten, die die KI sieht

Kontext-Engineering bezeichnet die Auswahl, Anordnung, Komprimierung und Aktualisierung sämtlicher Informationen, die einem Modell zum Zeitpunkt der Antwortgenerierung zur Verfügung stehen. Der Kontext kann neben dem Prompt auch Systemanweisungen, Nutzeranfragen, den Gesprächsverlauf, abgerufene Dokumente, Speicher, Werkzeugbeschreibungen, Ergebnisse von Werkzeugausführungen, die aktuelle Uhrzeit, den Berechtigungsstatus und den Arbeitsfortschritt umfassen.

Da das Kontextfenster begrenzt ist, geht es nicht darum, „möglichst viel einzufügen“, sondern darum, **die erforderlichen Informationen zum richtigen Zeitpunkt bereitzustellen**. Anthropic beschreibt Kontext als wichtige, aber begrenzte Ressource eines Agenten und empfiehlt für längere Interaktionen Strategien wie einen minimalen Werkzeugsatz, repräsentative Beispiele, Laufzeitabruf, Komprimierung und Speicher.

### Zentrale Entwurfsprinzipien

1. **Relevanz zuerst:** Nur Informationen einfügen, die für den aktuellen Schritt erforderlich sind.
2. **Quelle und Aktualität:** Erstellungszeitpunkt, Version, Eigentümer und Vertrauenswürdigkeit eines Dokuments gemeinsam verwalten.
3. **Abruf bei Bedarf:** Nicht alle Materialien vorab einspeisen, sondern bei Bedarf aus Dateien, DBs oder Suchsystemen abrufen.
4. **Informationshierarchie:** Feste Regeln, aktuelle Aufgabe, Referenzmaterialien und Werkzeugergebnisse voneinander trennen.
5. **Konfliktbehandlung:** Wenn Materialien voneinander abweichen, Prioritäten und maßgebliche Originalquelle angeben.
6. **Komprimierung und Zustandserhalt:** Ältere Gespräche zusammenfassen, ohne Entscheidungen, ungelöste Fragen und Beleglinks zu verlieren.
7. **Trennung von Anweisungen und Daten:** Grenzen festlegen, damit Sätze auf Webseiten oder in Dokumenten nicht wie Systembefehle behandelt werden.

### Beispiel

Wenn eine KI im Kundensupport Fragen zu Rückerstattungsrichtlinien beantwortet, reicht es nicht aus, lediglich den Prompt „Antworte präzise“ zu verstärken. Richtiges Kontext-Engineering ruft das Land des Kunden, das Kaufdatum, den Produkttyp, die aktuelle Version der Richtlinie, Ausnahmeregelungen und den Bestellstatus zum erforderlichen Zeitpunkt ab, stellt diese Informationen gemeinsam bereit und macht die für die Antwort verwendeten Richtlinienklauseln nachvollziehbar.

## 3. Harness-Engineering: Die Arbeitsumgebung der KI gestalten

Ein Harness ist das Ausführungsgerüst, das die Intelligenz eines Modells mit realer Arbeit verbindet. Harness-Engineering gestaltet die Arbeitsumgebung so, dass häufige Fehler der KI durch Dokumente, Werkzeuge, Berechtigungen, Strukturen, automatische Prüfungen und Feedback verhindert oder frühzeitig erkannt werden.

### Hauptkomponenten eines Harness

| Komponente | Funktion | Beispiel |
|---|---|---|
| Arbeitsanweisungen | Verfahren und Verbote für wiederkehrende Aufgaben festlegen | `AGENTS.md`, Runbooks, Checklisten |
| Wissensstruktur | Der KI das einfache Auffinden erforderlicher Materialien ermöglichen | Repository-Übersicht, ADR, Glossar, Beispielsammlung |
| Werkzeugschnittstelle | Ein- und Ausgaben von Aktionen eindeutig begrenzen | Dateisuche, DB-Abfrage, Codeausführung, Deployment-API |
| Ausführungsumgebung | Fehler isolieren und Reproduzierbarkeit erhöhen | Sandbox, Container, festgelegte Abhängigkeiten |
| Prüfer | Automatisch kontrollieren, ob Ergebnisse die Kriterien erfüllen | Schemaprüfung, Unit-Tests, Linter, Richtlinienprüfung |
| Berechtigungen und Genehmigungen | Riskante Aktionen begrenzen | Minimale Berechtigungen, Trennung von Lese- und Schreibzugriff, menschliche Genehmigung |
| Beobachtbarkeit | Aufzeichnen, was betrachtet und welche Aktion ausgeführt wurde | Traces, Protokolle, Aufzeichnungen von Werkzeugaufrufen, Kosten |
| Wiederherstellungsstruktur | Nach einem Fehler sicher zurücksetzen und fortfahren | Checkpoints, Rollback, Budget für Wiederholungsversuche |

Das Beispiel von OpenAI zum Harness-Engineering beschreibt die Rolle von Entwicklern nicht als bloßes Schreiben von Code, sondern als Gestaltung von Umgebung, Absicht, Repository-Wissen sowie Test-, Prüf-, Review- und Wiederherstellungsschleifen. Entscheidend ist nicht, die KI erneut aufzufordern, „sich mehr anzustrengen“, sondern fehlende Fähigkeiten und Signale ausdrücklich in die Umgebung einzubauen.

### Beispiel für eine Materialstruktur

```text
/ai
  /instructions   # Gemeinsame Regeln und rollenspezifische Anweisungen
  /skills         # Verfahren für wiederkehrende Aufgaben
  /examples       # Gute und schlechte Ergebnisse
  /evals          # Bewertungsdaten und Bewertungsregeln
  /policies       # Berechtigungs-, Sicherheits- und Genehmigungsrichtlinien
  /runbooks       # Umgang mit Störungen und Ausnahmen
```

Diese Struktur ist nicht an sich die richtige Antwort. Entscheidend ist, ob die Materialien aktuell gehalten werden, wenige Duplikate und Konflikte enthalten, von der KI zum erforderlichen Zeitpunkt gefunden werden können und die Regeln in automatische Prüfungen münden.

## 4. Agentisches Engineering: Ziele und Werkzeuge bereitstellen und die nächste Aktion delegieren

Agentisches Engineering ist ein Entwurfsansatz, bei dem eine KI Ziele, Werkzeuge, Arbeitszustände und Randbedingungen erhält und innerhalb eines bestimmten Rahmens selbst die nächsten Schritte zur Zielerreichung auswählt.

Anthropic unterscheidet **Workflows** als Systeme, die LLMs und Werkzeuge über vorab festgelegte Codepfade koordinieren, von **Agenten** als Systemen, in denen das Modell seinen eigenen Prozess und den Einsatz von Werkzeugen dynamisch bestimmt. Auch OpenAI beschreibt Agenten als Systeme, in denen ein LLM die Ausführung eines Workflows verwaltet und Werkzeuge zur Interaktion mit externen Systemen dynamisch auswählt.

### Grundlegende Agentenschleife

1. Aktuelles Ziel und aktuellen Zustand beobachten.
2. Das nächste Teilziel oder die nächste Aktion planen.
3. Ein Werkzeug auswählen und ausführen.
4. Ergebnis und Veränderungen der Umgebung überprüfen.
5. Zwischen Abschluss, Korrektur, Wiederholung und Übergabe an einen Menschen entscheiden.

### Fälle, in denen Agenten geeignet sind

- Die Reihenfolge der Arbeitsschritte variiert je nach Eingabe
- Unstrukturierte Informationen wie natürliche Sprache, Dokumente oder Code müssen interpretiert werden
- Mehrere Werkzeuge müssen selektiv eingesetzt werden
- Der Plan muss anhand von Zwischenergebnissen geändert werden
- Die Fehlerursachen sind vielfältig und eine Wiederherstellung ist bis zu einem gewissen Grad möglich

### Fälle, in denen Agenten überdimensioniert sind

- Einfache Automatisierung mit festen Regeln und fester Reihenfolge
- Aufgaben, die sich zuverlässig mit einem einzelnen API-Aufruf oder SQL lösen lassen
- Aufgaben ohne Prüfmechanismus und mit sehr hohen Fehlerkosten
- Strukturen, die schwer rückgängig zu machende Aktionen wie Zahlungen, Löschungen oder Deployments ohne Genehmigung ausführen
- Multi-Agenten-Strukturen, die lediglich Rollen vermehren, obwohl ein einzelner Agent ausreicht

Autonomie ist keine binäre Entscheidung. Sie kann in unterstützende Systeme, die nur Empfehlungen geben, ausführende Systeme mit begrenzten Lese- und Schreibrechten, überwachte Systeme mit Genehmigungen bei wichtigen Schritten und hochautonome Systeme unterteilt werden, die über längere Zeit in Bereichen mit geringem Risiko arbeiten. Sie sollte entsprechend dem Geschäftsrisiko und der Prüffähigkeit schrittweise erweitert werden.

## 5. Loop-Engineering: Einen überprüfbaren Verbesserungsprozess gestalten

Loop-Engineering ist nicht bloß ein erneuter Versuch. Es gestaltet **Generierung → Prüfung → Analyse der Fehlerursache → Auswahl einer Korrekturstrategie → erneute Ausführung → Entscheidung über den Abbruch** als explizites geschlossenes Feedbacksystem.

### Bestandteile einer ordnungsgemäßen Schleife

1. **Kandidatengenerierung:** Einen Entwurf, Code, Plan oder das Ergebnis einer Datentransformation erstellen.
2. **Prüfung:** Tests, Schemas, Referenzdaten, Richtlinien und Nachweise prüfen.
3. **Ursachenklassifizierung:** Zwischen Anweisungsfehlern, fehlendem Kontext, Werkzeugfehlern, Implementierungsfehlern und Fehlern des Prüfers unterscheiden.
4. **Korrektur:** Die kleinste zur Fehlerursache passende Änderung anwenden.
5. **Erneute Ausführung:** Nicht alles von Anfang an wiederholen, sondern beim erforderlichen Schritt neu beginnen.
6. **Abbruch:** Bei erfolgreicher Prüfung, maximaler Iterationszahl, Kostenlimit, Zeitlimit oder Unsicherheitsschwelle stoppen.
7. **Regressionsschutz:** Prüfen, ob eine neue Änderung bestehende Erfolgsfälle beschädigt hat.

Die Bewertung von Agenten ist komplexer als eine Bewertung einzelner Interaktionen, die nur Ein- und Ausgabe betrachtet. Da Agenten Werkzeuge mehrfach aufrufen und den Zustand der Umgebung verändern, müssen neben dem Endergebnis auch der Prozess und die Veränderungen der Umgebung geprüft werden. Der Kern automatischer Bewertungen besteht darin, eine Eingabe bereitzustellen und eine Bewertungslogik auf die Ausgabe oder den veränderten Zustand anzuwenden.

### Prioritäten bei Prüfern

- **Deterministische Prüfung:** Kompilierung, Unit-Tests, Schemas, mathematische Einschränkungen, Berechtigungsprüfung
- **Referenzbasierte Prüfung:** Referenzdaten, Zitate aus Originalquellen, Datenbankabgleich
- **Regelbasierte Prüfung:** Verbotene Wörter, Pflichtfelder, Richtlinienbedingungen
- **Modellbasierte Bewertung:** Schwer zu formalisierende Kriterien wie Stil, Bedeutungserhalt und Gesamtqualität
- **Menschliche Bewertung:** Hochriskante Entscheidungen, Angemessenheit des Ziels selbst, Genehmigung von Ausnahmen

Wenn möglich, sollten zuerst deterministische Prüfungen verwendet werden. Ein Modell sollte seine eigenen Ergebnisse nicht ausschließlich durch eine Modellbewertung selbst benoten. Bei Modellbewertungen sollten zugleich Bewertungskriterien, Beispiele, Prüfungen auf Verzerrungen und stichprobenartige menschliche Kontrollen eingesetzt werden.

## Die fünf Ansätze sind Ebenen und keine Ersatzlösungen

In realen Systemen wirken alle fünf Ansätze zusammen.

- Der Prompt erstellt den **Vertrag für die aktuelle Aktion**.
- Der Kontext liefert **den für die Entscheidung erforderlichen Zustand und die Nachweise**.
- Der Harness stellt **eine handlungsfähige Umgebung und Sicherheitsmechanismen** bereit.
- Das agentische Design verteilt **die Entscheidungsbefugnis über die nächste Aktion**.
- Das Loop-Design **erkennt Fehler und lässt die Qualität konvergieren**.

Daher sind Auffassungen wie „Kontext-Engineering hat Prompt-Engineering ersetzt“ oder „Mit Agenten sind keine Workflows mehr nötig“ unzutreffend. Eine breitere Ebene schließt eine engere lediglich ein oder nutzt sie, und bei einfachen Problemen kann ein einfaches Design stabiler sein.

## Praxisbeispiel: Ein KI-Coding-System zur Fehlerbehebung

Nehmen wir an, eine KI soll den Fehler „Nach der Anmeldung tritt nur bei bestimmten Nutzern ein 500-Fehler auf“ beheben.

### Prompt-Engineering

- Überprüfe die Bedingungen zur Reproduktion des Fehlers.
- Ändere die öffentliche API nicht.
- Löse das Problem mit einer minimalen Änderung.
- Berichte nach der Korrektur über die Testergebnisse und verbleibende Risiken.

### Kontext-Engineering

- Problembeschreibung und Fehlerprotokolle
- Zugehörige Request-Trace-ID
- Dateien zur Authentifizierung und zum Nutzermodell
- Kürzlich vorgenommene Änderungen
- Architekturregeln und Coding-Standards
- Fehlgeschlagene Tests und Informationen zur Ausführungsumgebung

### Harness-Engineering

- Werkzeuge für Repository-Suche, Lesen und Bearbeiten von Dateien sowie Testausführung
- Isolierter Branch und Sandbox
- Formatter, Linter, Unit- und Integrationstests
- Bereiche mit Änderungsverbot und Berechtigungsrichtlinien
- Protokolle aller Befehle und Dateiänderungen
- Rollback und Checkpoints bei Fehlern

### Agentisches Engineering

Die KI wählt je nach Situation die Reihenfolge von Reproduktion, Hypothesenbildung, Suche im relevanten Code, Patch, Tests und Zusammenfassung der Ergebnisse. Deployments oder Datenänderungen erfordern jedoch eine menschliche Genehmigung.

### Loop-Engineering

Wenn ein Test fehlschlägt, wird nicht derselbe Befehl wiederholt, sondern der Fehlertyp klassifiziert. Bei fehlgeschlagener Reproduktion wird die Kontexterfassung ergänzt, bei einer Regression der Patch verkleinert und bei einem Umgebungsfehler werden Abhängigkeiten und Konfiguration wiederhergestellt. Der Vorgang endet, wenn alle erforderlichen Tests bestanden sind und die Begründung der Änderungen dokumentiert ist.

## Anhand von Problemsymptomen den erforderlichen Engineering-Ansatz ermitteln

| Symptom | Vorrangig zu prüfender Bereich |
|---|---|
| Ausgabeformat oder Schreibstil weichen häufig ab | Prompt |
| Für die Antwort erforderliche Fakten oder Dateien fehlen | Kontext |
| Es werden falsche Werkzeuge ausgewählt oder gefährliche Befehle ausgeführt | Harness- und Berechtigungsdesign |
| Es gibt viele Varianten, die sich schwer in einer festen Reihenfolge verarbeiten lassen | Agentisches Design |
| Das erste Ergebnis ist häufig falsch, lässt sich aber automatisch beurteilen | Schleife und Prüfer |
| Die Fehlerursache ist unbekannt und schwer reproduzierbar | Beobachtbarkeit des Harness |
| Mit jeder Wiederholung steigen nur die Kosten, ohne dass die Qualität besser wird | Ursachenklassifizierung, Prüfsignale, Abbruchbedingungen |
| Je mehr Materialien vorliegen, desto schlechter wird die Antwort | Kontextbereinigung und Abrufrichtlinien |

## Empfohlene Implementierungsreihenfolge

### Schritt 1: Zuerst Erfolgskriterien und ein Bewertungsset erstellen

Repräsentative Aufgaben, schwierige Fälle und verbotene Fälle sammeln und definieren, wie Ergebnisse beurteilt werden. Wenn keine Referenzdaten vorhanden sind, zumindest Schemas, erforderliche Nachweise, Richtlinieneinhaltung und Kriterien für menschliche Bewertungen festlegen.

### Schritt 2: Eine Baseline für einen einzelnen Aufruf erstellen

Mit dem einfachsten Prompt und dem minimal erforderlichen Kontext Leistung, Kosten und Latenz messen. Werden Agenten ohne Baseline eingeführt, lässt sich die Wirkung der zusätzlichen Komplexität nur schwer bestimmen.

### Schritt 3: Die Kontextbereitstellung instrumentieren

Aufzeichnen, welche Dokumente und Werkzeugergebnisse einbezogen wurden, wie alt sie sind und ob sie tatsächlich in der Antwort verwendet wurden. Zwischen fehlgeschlagenem Abruf und übermäßigem Kontext unterscheiden.

### Schritt 4: Einen minimalen Harness erstellen

Die Anzahl der Werkzeuge reduzieren und ihre Namen und Eingaben eindeutig gestalten. Sandbox, minimale Berechtigungen, automatische Tests, Protokolle und Checkpoints priorisieren.

### Schritt 5: Begrenzte Autonomie gewähren

Einen einzelnen Agenten zunächst risikoarme, überwiegend lesende Aufgaben ausführen lassen. Abbruch- und Übergabebedingungen für Menschen ausdrücklich festlegen und Schreib-, Lösch-, Zahlungs- und Deployment-Berechtigungen separat genehmigen.

### Schritt 6: Die Prüf- und Wiederherstellungsschleife schließen

Fehlerklassifizierung, Korrekturstrategie, maximale Iterationszahl, Kostenlimit und Regressionstests miteinander verbinden. Werkzeuge und Autonomiebereich erst erweitern, nachdem sich die Erfolgsquote stabilisiert hat.

## Betriebskennzahlen

Da es keine universellen Zielwerte gibt, müssen die Kriterien entsprechend dem Geschäftsrisiko und den Kosten festgelegt werden.

| Kennzahl | Bedeutung |
|---|---|
| Aufgabenerfüllungsquote | Anteil der Aufgaben, die die endgültigen Erfolgskriterien erfüllen |
| Erfolgsquote im ersten Durchlauf | Anteil der Aufgaben, die ohne iterative Korrekturen sofort erfolgreich sind |
| Wiederherstellungsquote | Anteil der Aufgaben, die nach dem ersten Fehler durch die Schleife erfolgreich werden |
| Durchschnittliche Iterationszahl | Anzahl der bis zum Erfolg oder Abbruch erforderlichen Zyklen |
| Fehlerquote bei der Werkzeugauswahl | Anteil unangemessener oder unnötiger Werkzeugaufrufe |
| Vollständigkeit der Nachweise | Anteil zentraler Aussagen mit nachvollziehbaren Quellen |
| Quote menschlicher Eingriffe | Anteil der Fälle, die Genehmigung, Korrektur oder erneute Anweisung erforderten |
| Kosten und Latenz pro erfolgreicher Einheit | Ressourcen, die zum Abschluss einer erfolgreichen Aufgabe erforderlich waren |
| Anzahl der Sicherheitsvorfälle | Anzahl von Berechtigungsverstößen, fehlerhaften Schreibvorgängen und irreversiblen Aktionen |
| Regressionsfehlerquote | Anteil neuer Änderungen, die bestehende Erfolgsfälle beschädigen |

## Häufige Entwurfsfehler

| Bereich | Fehler | Verbesserungsmethode |
|---|---|---|
| Prompt | Alle Ausnahmen werden in einem Satz angehäuft | Regeln strukturieren und repräsentative Beispiele von der Bewertung trennen |
| Prompt | Ohne Erfolgskriterien wird angewiesen, etwas „gut zu verfassen“ | Format, Pflichtinhalte, Verbote und Beurteilungskriterien angeben |
| Kontext | Alle irrelevanten Dokumente werden einbezogen | Laufzeitabruf und schrittweisen Kontext verwenden |
| Kontext | Veraltete und aktuelle Richtlinien werden gemeinsam bereitgestellt | Version, Gültigkeitsdatum und maßgebliche Originalquelle verwalten |
| Harness | Viele Werkzeuge mit sich überschneidenden Funktionen werden bereitgestellt | Einen minimalen Werkzeugsatz und eindeutige Parameter gestalten |
| Harness | Es fehlen Schreibberechtigungen und Möglichkeiten zum Rückgängigmachen | Minimale Berechtigungen, Sandbox und Checkpoints einrichten |
| Agentisch | Von Anfang an wird ein Multi-Agenten-System erstellt | Zunächst einen einzelnen Agenten und deterministische Workflows validieren |
| Agentisch | Die Ausführung wird ohne Abschlussbedingung fortgesetzt | Explizite Abbruch-, Budget- und Übergabebedingungen festlegen |
| Schleife | Dieselbe Anfrage wird unverändert wiederholt | Fehlerursache klassifizieren und Korrekturpunkt ändern |
| Schleife | Ein einziges generatives Modell bewertet alle Ergebnisse selbst | Deterministische Prüfungen, Referenzabgleiche und menschliche Stichprobenkontrollen kombinieren |

## Implementierungscheckliste

- [ ] Lassen sich die Erfolgskriterien, soweit möglich, nicht nur sprachlich, sondern auch maschinell prüfen?
- [ ] Sind die Prioritäten von Prompt, Referenzmaterialien und Werkzeugergebnissen getrennt?
- [ ] Lassen sich Quelle, Version, Gültigkeitsdatum und Eigentümer von Dokumenten nachverfolgen?
- [ ] Sind Werkzeugnamen und Parameter eindeutig und überschneiden sich nicht?
- [ ] Sind Berechtigungen für Lesen, Schreiben, Löschen, Bezahlen und Deployment nach Risikostufe getrennt?
- [ ] Gibt es eine Sandbox zur Isolierung von Fehlern und Mittel zum Rückgängigmachen?
- [ ] Werden alle wichtigen Aktionen und Werkzeugaufrufe in reproduzierbarer Form aufgezeichnet?
- [ ] Gibt es externe Prüfer wie Tests, Schemas und Richtlinienprüfungen?
- [ ] Sind maximale Iterationszahl, Kosten, Zeit und Bedingungen für die Übergabe an Menschen definiert?
- [ ] Gibt es eine Regressionsbewertung, die sicherstellt, dass neue Verbesserungen bestehende Fälle nicht beschädigen?

## Fazit

Ein gutes KI-System ist nicht das System mit dem längsten Prompt. Es ist ein System, das unterscheidet, ob ein Fehler bei **Anweisung**, **Information**, **Umgebung**, **Entscheidungsfindung** oder **Prüfung und Wiederherstellung** aufgetreten ist, und auf der jeweiligen Ebene die einfachste Lösung einsetzt. Ein stabiler Ansatz besteht darin, zunächst Erfolgskriterien und eine Baseline für einzelne Aufrufe zu schaffen, Kontext und Harness nur im erforderlichen Umfang zu ergänzen und anschließend Autonomie und iterative Schleifen innerhalb eines überprüfbaren Rahmens zu erweitern.

## FAQ

### Müssen die fünf Engineering-Ansätze zwingend in einer bestimmten Reihenfolge eingeführt werden?
Es handelt sich nicht um festgelegte Reifegradstufen. Wenn man jedoch zunächst Erfolgskriterien und eine Baseline für einen einzelnen Aufruf festlegt, anschließend Prompt und Kontext strukturiert und bei Bedarf Harnesses, Autonomie und iterative Schleifen hinzufügt, lässt sich die Wirkung der Komplexität leichter messen.

### Ersetzt Context Engineering das Prompt Engineering?
Nein. Der Prompt definiert das auszuführende Verhalten und den Ausgabevertrag, während der Kontext die für dieses Verhalten erforderlichen Fakten, Zustände und Belege bereitstellt. Gute Systeme konzipieren beides gemeinsam.

### Was ist der Unterschied zwischen Context Engineering und Harness Engineering?
Context Engineering konzentriert sich auf die Informationen, die das Modell zu einem bestimmten Zeitpunkt sieht. Harness Engineering umfasst darüber hinaus die Werkzeuge, Berechtigungen, Ausführungsumgebung, Dokumentstruktur, Protokolle und Wiederherstellungsmechanismen, mit denen diese Informationen gefunden, Aktionen ausgeführt und Ergebnisse überprüft werden.

### Wie unterscheiden sich Agenten von herkömmlicher Workflow-Automatisierung?
Während herkömmliche Workflows vordefinierten Abläufen und Verzweigungen folgen, interpretiert ein Agent den aktuellen Zustand und wählt die nächste Aktion sowie die dafür benötigten Werkzeuge dynamisch aus. Für Aufgaben mit stabilen Regeln können deterministische Workflows kostengünstiger und vorhersehbarer sein.

### Wie unterscheidet sich Loop Engineering von einer einfachen Wiederholung?
Bei einer einfachen Wiederholung wird lediglich unter denselben Bedingungen erneut eine Ausgabe erzeugt. Beim Loop Engineering werden Fehler anhand externer Validierungssignale erkannt und ihre Ursachen klassifiziert. Anschließend werden die erforderlichen Teile des Prompts, des Kontexts, der Werkzeuge oder der Implementierung angepasst sowie Abbruchbedingungen und Regressionstests angewendet.

### Wann sollte man mehrere Agenten einsetzen?
Dies sollte in Betracht gezogen werden, wenn sich Werkzeuge und Berechtigungen je nach Rolle deutlich unterscheiden oder wenn der Kontext beziehungsweise die Werkzeugauswahl eines einzelnen Agenten übermäßig groß wird und dadurch Leistung und Evaluierung beeinträchtigt werden. Werden mehrere Agenten lediglich zur einfachen Aufgabenteilung erstellt, können Kosten, Verzögerungen, Fehlerfortpflanzung und der Debugging-Aufwand zunehmen.

### Darf eine AI ihre eigenen Ergebnisse bewerten?
Sie kann als ergänzendes Signal verwendet werden, doch es ist riskant, sie als einzigen Prüfer einzusetzen. Wenn möglich, sollten zunächst Tests, Schemata, Referenzdaten und Richtlinienregeln angewendet werden. Die Modellbewertung sollte durch ein explizites Bewertungsraster und die menschliche Prüfung von Stichproben ergänzt werden.

### Was sollte die Harness-Dokumentation enthalten?
Sie sollte wiederkehrende Arbeitsabläufe, die Struktur von Repository und System, erlaubte und verbotene Aktionen, Anleitungen zur Werkzeugnutzung, gute und schlechte Beispiele, Testbefehle, Störungsmaßnahmen, Genehmigungsrichtlinien und Abschlusskriterien enthalten. Die Dokumentation sollte kurz, durchsuchbar und versionsverwaltet sein.

### Was ist der wichtigste Sicherheitsgrundsatz beim Einfügen externer Dokumente in den Kontext?
Externe Dokumente müssen als nicht vertrauenswürdige Daten behandelt und von den Systemanweisungen getrennt werden. Die Werkzeugberechtigungen sollten minimiert werden, damit in Dokumenten enthaltene Anweisungen nicht ausgeführt werden. Für wichtige Schreib-, Lösch-, Zahlungs- und Bereitstellungsaktionen sollten gesonderte Richtlinienprüfungen und menschliche Genehmigungen vorgesehen werden.

### Womit sollte ein kleines Team am besten beginnen?
Es sollte ein kleiner, repräsentativer Evaluierungssatz einschließlich Fehlerbeispielen zusammengestellt und damit die Baseline eines einzelnen Modellaufrufs gemessen werden. Anschließend ist es effizient, zu ermitteln, ob die größte Fehlerursache bei den Anweisungen, Informationen, der Werkzeugumgebung, der Planung oder der Validierung liegt, und jeweils eine Ebene nach der anderen zu verbessern.

## Sources

- [Überblick über Prompt Engineering – Claude Platform Docs](https://platform.claude.com/docs/ko/build-with-claude/prompt-engineering/overview)
- [Effektives Context Engineering für KI-Agenten](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
- [Harness Engineering: Codex in einer agentenorientierten Welt nutzen](https://openai.com/index/harness-engineering/)
- [Effektive Agenten entwickeln](https://www.anthropic.com/engineering/building-effective-agents)
- [Ein praxisorientierter Leitfaden zur Entwicklung von Agenten](https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/)
- [Evaluationen für KI-Agenten verständlich erklärt](https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents)
- [Harness Engineering für Nutzer von Coding-Agenten](https://martinfowler.com/articles/harness-engineering.html)

## Images

![Systemarchitektur, in der ein zentraler AI-Hub mit Modulen für Anweisungen, Informationen, Werkzeuge, autonome Ausführung und Validierungsschleifen verbunden ist](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTg0NywicHVyIjoiYmxvYl9pZCJ9fQ==--9f1b84d1d297642915a0d27477d3800017987668/ChatGPT%20Image%202026%E1%84%82%E1%85%A7%E1%86%AB%207%E1%84%8B%E1%85%AF%E1%86%AF%2016%E1%84%8B%E1%85%B5%E1%86%AF%20%E1%84%8B%E1%85%A9%E1%84%92%E1%85%AE%2004_12_32.webp)
![AI-Entwicklungspipeline, die von der Festlegung von Anweisungen über die Auswahl von Informationen und eine sichere Umgebung bis hin zur autonomen Ausführung und wiederholten Validierung reicht](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTg1NCwicHVyIjoiYmxvYl9pZCJ9fQ==--47acd549387f7a60f4c18de6ac673ca1b551dd36/ChatGPT%20Image%202026%E1%84%82%E1%85%A7%E1%86%AB%207%E1%84%8B%E1%85%AF%E1%86%AF%2016%E1%84%8B%E1%85%B5%E1%86%AF%20%E1%84%8B%E1%85%A9%E1%84%92%E1%85%AE%2004_36_26.webp)