Das Modell ist nur ein Teil: Was ein Agenten-Harness ist

Wer KI-Tools vergleicht, vergleicht meist Modelle: welches besser schreibt, welches weiter denkt. Doch sobald Sie der KI echte Arbeit übergeben, etwa einen Monatsbericht, eine Wettbewerbsanalyse oder einen Ordner voller Dateien, hängt das Ergebnis ebenso sehr von der Software rund um das Modell ab. Diese Software heißt Harness.

Das Modell ist das Gehirn, das Harness der Arbeitsplatz

Ein Sprachmodell allein nimmt Text auf und gibt Text aus. Es kann keine Datei öffnen, keine Zahl nachprüfen und sich nicht an das erinnern, was Sie letzte Woche vereinbart haben. Die Dokumentation von Claude Code beschreibt das Harness als die Schicht um das Modell, die die Tools bereitstellt und den Kontext verwaltet, den das Modell sieht. Die Ingenieure von Anthropic fassen es noch knapper: Das Harness ist die Schleife, die das Modell aufruft und seine Tool-Aufrufe an die richtige Infrastruktur weiterleitet.

Denken Sie an eine brillante neue Kollegin. Ihr Talent ist das Modell. Ihr Schreibtisch, ihr Zugangsausweis, die Akten, die sie öffnen darf, ihre Notizen und die Führungskraft, die ihre Arbeit prüft: Das ist das Harness.

Was ein Harness leistet

Die meisten Harnesses verbinden fünf Aufgaben.

1. Die Schleife. Ein Agent arbeitet in Zyklen. Anthropic beschreibt sie so: Kontext sammeln, handeln, die Arbeit prüfen, wiederholen. In seinem Leitfaden Building effective agents beschreibt Anthropic Agenten als meist schlicht Sprachmodelle, die in einer Schleife Tools nutzen und dabei auf Rückmeldungen aus ihrer Umgebung reagieren. Das Harness betreibt diese Schleife und entscheidet, wann sie endet, zum Beispiel nach einer Höchstzahl an Durchläufen oder bei einem Kostenlimit.
2. Tools. Tools sind die Hände: Dateien lesen, im Web suchen, eine Datenbank abfragen, eine E-Mail senden. Jedes Ergebnis fließt in die nächste Entscheidung ein. Anthropic berichtet, dass das Team beim Bau seines Programmier-Agenten für den Benchmark SWE-bench mehr Zeit in die Optimierung der Tools gesteckt hat als in den eigentlichen Prompt.
3. Kontext und Gedächtnis. Ein Modell kann nur mit dem arbeiten, was in seinem Kontextfenster steht, und dieser Platz ist begrenzt. Anthropic nennt Kontext „eine endliche Ressource mit abnehmendem Grenznutzen“: Je mehr man hineinpackt, desto schlechter erinnert sich das Modell an jedes einzelne Detail. Ein gutes Harness wählt aus. Es lädt Wissen erst, wenn es gebraucht wird, fasst ältere Gesprächsteile zusammen, wenn das Fenster voll wird, führt Notizen außerhalb des Fensters und gibt Teilaufgaben an Subagenten ab, die mit einem leeren Blatt beginnen.
4. Berechtigungen. Was darf der Agent tun, ohne zu fragen? In Claude Code wählen Sie einen Modus: Er fragt vor jeder Dateiänderung oder jedem Befehl, er plant und schlägt nur vor, oder er arbeitet selbstständiger, während riskante Aktionen blockiert werden. Zusätzlich können Sie einzelne Tools erlauben oder verbieten.
5. Menschliche Kontrollpunkte. Anthropic empfiehlt, dass Agenten an festgelegten Punkten oder wenn sie nicht weiterkommen, auf menschliches Feedback warten. Der praktische Leitfaden von OpenAI zum Bau von Agenten nennt zwei Momente für die Übergabe an einen Menschen: wenn der Agent zu oft scheitert, und vor riskanten Aktionen, die sensibel, unumkehrbar oder folgenreich sind.

Gleiches Modell, andere Ergebnisse

Das ist keine Theorie. Als Anthropic seine Ergebnisse auf SWE-bench veröffentlichte, einem Benchmark aus echten Software-Problemen, betonte das Unternehmen: Der Test bewertet ein ganzes Agentensystem, nicht das Modell für sich, und die Ergebnisse können je nach Gerüst um das Modell deutlich schwanken, selbst bei identischem Modell.

Ein zweites Beispiel stammt aus Anthropics Arbeit an Agenten, die über lange Zeit arbeiten. Jede neue Sitzung beginnt ohne Erinnerung an die vorige. Die Lösung war kein besseres Modell, sondern ein besseres Harness: eine erste Sitzung, die eine Fortschrittsdatei, eine Funktionsliste und eine Versionshistorie anlegt, damit jede spätere Sitzung sieht, wo die Arbeit steht. Als der Agent zusätzlich Browser-Tools bekam, um seine Arbeit wie ein Nutzer zu testen, wurden die Ergebnisse deutlich besser.

Die Frage ist nicht nur, welches Modell Sie nutzen, sondern womit Sie es arbeiten lassen.

Und die Passung ändert sich mit der Zeit. Anthropic stellt fest, dass in Harnesses Annahmen darüber stecken, was ein Modell allein nicht kann, und dass diese Annahmen veralten, wenn die Modelle besser werden. Ein Workaround, den ein Modell noch brauchte, wurde beim nächsten zum Ballast.

Worauf Sie achten sollten

Ob Sie ein Tool auswählen oder einen eigenen Agenten bauen: Stellen Sie diese Fragen.

• Tools: Erreicht es die Daten und Systeme, die Ihre Arbeit wirklich braucht? Wenige klare Tools sind besser als eine lange Liste, die sich überschneidet; Anthropic zählt überladene Tool-Sammlungen zu den häufigsten Fehlerquellen.
• Gedächtnis: Was behält es zwischen Sitzungen, wo wird das gespeichert, und können Sie es einsehen und korrigieren?
• Berechtigungen: Was darf es ohne Rückfrage, und lässt sich das pro Person und pro Tool einstellen?
• Prüfung: Kontrolliert es seine eigene Arbeit, mit Tests, Screenshots oder einer zweiten Durchsicht? Laut Anthropic sind Agenten, die ihre eigenen Ergebnisse prüfen und verbessern können, grundlegend zuverlässiger.
• Bremsen: Können Sie es unterbrechen, und stoppt es von selbst bei einem Limit für Durchläufe oder Budget?
• Nachvollziehbarkeit: Gibt es ein Protokoll darüber, was es getan hat und warum?
• Modellwahl: Können Sie auf ein neueres Modell wechseln, ohne alles neu zu bauen?

Beginnen Sie mit einer Aufgabe, die Sie jeden Monat wiederholen. Schreiben Sie auf, welche Daten, Regeln und Prüfungen eine neue Kollegin bräuchte, um sie gut zu erledigen. Diese Liste ist Ihr Harness.

Zaela ist kein weiterer Chatbot. Es arbeitet in der KI, die Sie schon nutzen, etwa Claude, ChatGPT oder jedem Assistenten, der MCP unterstützt, und bündelt Gedächtnis, Agenten, Arbeitsweisen und Tools an einem Ort. Ihre KI sieht genau das, was Sie sehen dürfen, jede Aktion wird protokolliert, und Budgets und Limits gelten pro Person.