Der Schleifenausstieg ist der Mechanismus, nicht der Prompt

Das Schwerste an einer autonomen KI-Agentenschleife ist nicht, sie zum Handeln zu bringen. Es ist, sie aus dem richtigen Grund zum Anhalten zu bringen. MachineLearningMasterys „An Introduction to Loop Engineering" (23. Juli 2026) geht den Schritt nach, einen Agenten per Hand zu prompten, hin zum Entwurf des Zyklus, der ihn promptet, prüft, sich erinnert und neu ausführt — und die tragende Einsicht, unter dem Werkzeugvokabular, ist, dass der Wert einer Schleife durch ihre Terminierungs- und Verifikationslogik bestimmt wird, nicht durch die Schärfe einer einzelnen Anweisung.

Der Ausstieg der Schleife ist der Mechanismus, nicht der Durchlauf

Eine Schleife, im Sinne des Artikels, ist ein wiederholender Zyklus, in dem ein Modell eine Aktion ausführt, Rückmeldung aus seiner Umgebung erhält, diese Rückmeldung nutzt, um über den nächsten Schritt zu entscheiden, und so weitermacht, bis eine echte, überprüfbare Bedingung erfüllt ist. Dieser letzte Nebensatz ist das ganze Argument. „Mach die App besser" gibt einem Agenten nichts, wogegen er prüfen könnte, also läuft er ewig oder hält aus einer Vermutung an. „Lass jeden Test im Auth-Modul bestehen" ist mechanisch überprüfbar, und dieser Unterschied trennt eine Schleife, von der man weggehen kann, von einer, die still eine Stunde lang Tokens verbrennt.

[UNIQUE INSIGHT] Das ist dasselbe Prinzip, das wir als Theorem 3 in the 21 papers formulieren: eine Eigenschaft ist genau dann garantiert, wenn ihr Mechanismus implementiert ist und misst. Für eine Agentenschleife ist die Eigenschaft „done" — und der Mechanismus ist ein deterministischer Verifizierer innerhalb des Zyklus, nicht der Selbstbericht des Modells. Eine Schleife ohne messenden Ausstieg produziert keine fertige Arbeit; sie produziert Behauptungen fertiger Arbeit. Die ehrliche Architektur behandelt „done" als eine Behauptung, die verifiziert werden muss, genau so, wie der Pseudocode des Artikels verifier.passes(state) als deterministische Prüfung behandelt und nicht als Selbsteinschätzung.

Der Artikel nennt die Arbeitseinheit die Schleife statt den Prompt, und dieses Neurahmen ist wichtig, weil es den Ingenieurshebel verschiebt. Wenn das Modell den Code selbst schreiben kann, wird die knappe Fähigkeit nicht mehr die sein, einen sehr guten Satz zu formulieren, sondern die, einen Zyklus zu entwerfen, der korrekt, verifiziert und auf das richtige Ziel gerichtet bleibt, während niemand zuschaut. Das ist eine System Engineering-Gewohnheit, näher am Entwurf eines Thermostats als am Schreiben eines Satzes.

Warum sich das Vokabular in einer Woche verschob

Die Zeitlinie im Artikel ist spezifisch genug, um sie zu behalten. Am 7. Juni 2026 postete der Entwickler Peter Steinberger, dass sich die relevante Fähigkeit bereits geändert habe: man solne Coding-Agenten nicht mehr prompten, man solle die Schleifen entwerfen, die sie für einen prompten. Dieser Post soll binnen Tagen 6,5 Millionen Aufrufe überschritten haben. Am nächsten Tag veröffentlichte der Google-Ingenieur Addy Osmani ein Essay mit dem schlichten Titel „Loop Engineering", das der Idee eine Anatomie gab — Automations, Worktrees, Skills, Connectors, Sub-Agents und darunter allen externer Speicher. Boris Cherny, der bei Anthropic Claude Code leitet, wird zitiert mit der Aussage, er promppte Claude nicht mehr direkt; er schreibe Schleifen, die es prompten.

Die Geschwindigkeit ergibt Sinn, wenn man sieht, was sich darunter änderte. Mitte 2026 waren Coding-Agenten gut genug geworden, um über echte lange Strecken unbeaufsichtigt zu laufen und sich unterwegs von eigenen Fehlern zu erholen. Sobald ein einzelner Durchlauf eine Stunde dauern und Dutzende Dateien berühren kann, ist der Flaschenhals nicht mehr der Prompt. Es ist die Frage, ob man einen Zyklus gebaut hat, der den Agenten produktiv, geprüft und auf das richtige Ziel gerichtet hält — für die ganze Stunde, eingeschlossen den Teil, in dem niemand zuschaut.

Prompt, Kontext, Harness, Schleife — jede Schicht umschließt die vorherige

Der Artikel platziert Loop Engineering als neueste Schicht in einer Progression, jede umschließt die vorherige, statt sie zu ersetzen. Prompt Engineering (ungefähr 2022–2024) war Formulierung: Rolle, Schritte, Beispiele, Gedankenkette. Context Engineering (2025) verschob den Fokus auf alles, was das Modell im Augenblick der Antwort tatsächlich sieht — Verlauf, abgerufene Dokumente, Werkzeugausgabe. Shopifys Tobi Lütke bot eine Definition, die hängen blieb, und bis September 2025 hatte Anthropic Context Engineering als Kuratieren der optimalen Token-Menge während der Inferenz formalisiert.

Harness Engineering kam Anfang 2026, als Agenten längere, mehrschrittige Arbeit in Produktion machten. Der Harness ist die volle Umgebung um einen Agenten — Gerüst, Werkzeuge, Einschränkungen, Rückmeldeschleifen. Loop Engineering ist die Schicht darüber: wo Harness Engineering fragt, welche Umgebung ein Agent braucht, fragt Loop Engineering die engere, operativere Frage, welcher Zyklus ihn zur Arbeit am Ziel hält und wann genau dieser Zyklus anhält.

[PERSONAL EXPERIENCE] Wir bauen seitdem der HAI Engine 2016 in Produktion ging bei Everythink in dieser Stapelreihenfolge — Prompt, dann Kontext, dann Harness, dann Schleife — und die Reihenfolge ist nicht kosmetisch. Jede Schicht enthält die vorherige, weshalb eine Schleife ohne deterministischen Ausstieg von einem besseren Harness nicht gerettet wird und ein Harness ohne echten Kontext von einem besseren Prompt nicht gerettet wird. Die Disziplin ist, nach außen zu bauen und jede innere Schicht ehrlich zu halten.

Die Forschungslinie: ReAct, Reflexion, Evaluator-Optimizer

Der Artikel ist offen damit, dass „Loop Engineering" ein Produktname für eine Forschungsrichtung ist, die seit 2022 Ergebnisse ansammelt, und die Linie zu kennen ist, was das Verstehen der Idee vom Wiederholen des Trends-artikels trennt.

Der direkte Vorfahre ist das ReAct-Muster (Reason plus Act), eingeführt 2022 von Yao und Kollegen aus Forschung in Verbindung mit Princeton und Google. Die Kernidee war, Denkschritte mit Aktionsschritten zu verzahnen: denken, handeln, beobachten, wieder denken, wieder handeln. Diese Verzahnung ist die Basisschleife, die im Wesentlichen jeder moderne Coding-Agent heute noch läuft. Ein Jahr später fügte Reflexion (Shinn und Kollegen, 2023) Gedächtnis und Selbstkritik hinzu — einen Actor, der die Arbeit tut, einen Evaluator, der das Ergebnis bewertet, und einen Self-Reflection-Schritt, der eine verbale Lektion in ein episodisches Gedächtnis schreibt, das der Agent beim nächsten Versuch liest. Anthropics Dezember-2024-Leitfaden „Building Effective Agents" nannte zwei weitere Muster: den Evaluator-Optimizer (ein Modell generiert, ein zweites prüft gegen explizite Kriterien, Schleifen bis die Evaluation besteht) und Orchestrator-Workers (ein zentrales Modell zerlegt eine Aufgabe in Stücke, übergibt jedes an einen Worker mit sauberem Kontext und kombiniert die Ergebnisse).

Der Grund, warum diese Linie für den ehrlichen Architekten zählt, ist, dass jedes dieser Muster im Kern eine andere Antwort auf dieselbe Frage ist: was als „done" gilt und wer es prüft. ReAct schleift, bis das Modell entscheidet anzuhalten. Reflexion schleift, bis der Evaluator besteht. Der Evaluator-Optimizer schleift, bis ein zweites Modell besteht. Die Progression geht hin zu einer Prüfung, die immer weniger der Agent ist, der seine eigene Hausaufgabe bewertet — und die stärksten Schleifen des Artikels stützen sich auf einen deterministischen Verifizierer, wo immer einer existiert, und heben Modellurteil für die Teile auf, die wirklich auf keine andere Weise quantifizierbar sind.

Die Anatomie einer Schleife, der man unbeaufsichtigt trauen kann

Streiche das Branding, sagt der Artikel, und eine tatsächlich zuverlässige Schleife hat tendenziell dieselbe Handvoll Komponenten: ein Ziel mit einer genuinely überprüfbaren Terminierungsbedingung; einen Werkzeugsatz, der die reale Umgebung berührt (Codeausführung, Dateisystem, Terminal, Test-Runner, Linter); Kontextmanagement (weil jede Iteration zum Verlauf hinzufügt und ein Kontextfenster feste Größe hat); explizite Terminierungs- und Eskalationslogik (eine echte Erfolgserwartung, eine echte Misserfolgsbedingung, ein Pfad, um an einen Menschen zu übergeben); und Fehlerbehandlung, die ein behebbares Problem von einem harten Blocker unterscheidet.

Das Pseudocode-Skelett, das der Artikel bietet, lohnt sich für die eine Zeile, die die echte Arbeit macht: if verifier.passes(state): return success(state). Fast jede interessante Designentscheidung im Loop Engineering ist eine Entscheidung über diese Zeile. Was als verifier.passes zählt — eine bestehende Testsuite, ein sauberer Lint, eine manuelle Freigabe eines Menschen — bestimmt, ob die Vorstellung von „done" der Schleife überhaupt etwas bedeutet. Wie compact funktioniert, bestimmt, ob die Schleife lange genug überlebt, um zu fertigen. Wie no_progress erkannt wird, hält einen feststeckenden Agenten davon ab, still das Budget zu verbrennen.

Die Bausteine, mit denen Leute tatsächlich ausliefern — Automations, Worktrees, Skills, Plugins und Connectors via MCP, Sub-Agents, externer Zustand — sind die werkzeugebene Version derselben Idee. Der leicht unterschätzte ist externer Zustand: das Modell hat kein Gedächtnis zwischen Läufen, also muss, was die Schleife gelernt hat, irgendwo dauerhaft leben, das der nächste Lauf selbst zurückliest. Es klingt zu einfach, um zu zählen, und doch ist es derselbe Trick, auf den letztlich jede langlebige Agenten-Einrichtung angewiesen ist.

Terminierung ist das Teuerste, das man falsch machen kann

Der Artikel nennt drei harte Probleme — Kontextmanagement, Terminierung und Verifikation — und ist unverblümt, dass Terminierung wohl der teuerste Fehler ist, wenn man ihn falsch macht. Eine Schleife braucht mehrere unabhängige Ausgänge übereinandergestapelt: einen Verifizierer, der bestätigt, dass das Ziel erreicht wurde, eine harte Obergrenze für Iterationen, ein Token- oder Zeitbudget und Fortschrittslosigkeit-Erkennung, die den Fall abfängt, dass die letzten Schritte denselben Fehler erzeugten oder den Zustand unverändert ließen. Ohne diesen gestapelten Satz Ausgänge läuft eine Schleife ewig oder hält willkürlich aus einer Vermutung an, und beides ist in etwas inakzeptabel, das für unbeaufsichtigten Lauf gedacht ist.

[ORIGINAL DATA] The 21 papers formalisieren dies als den Unterschied zwischen einer behaupteten und einer gemessenen Eigenschaft. Theorem 3 sagt, eine Eigenschaft ist genau dann garantiert, wenn ihr Mechanismus implementiert ist und misst. Für eine Schleife ist die Eigenschaft „der Agent hielt aus dem richtigen Grund an", und der Mechanismus ist der gestapelte Satz Ausgänge — jeder einzelne ein Messinstrument. Eine Schleife mit nur einem Verifizierer-Ausgang und keinem Budget-Ausgang hat keinen Mechanismus für „der Agent steckt fest", hat also keine Garantie anzuhalten. Die Fehlermodi, die der Artikel auflistet — Kontextüberlauf und -fäulnis, fortschrittslose Schleifen, falsche Zielspezifikation (der Agent, der einen fehlschlagenden Test löscht, um CI grün zu machen), halluzinierter Erfolg, Kostenexplosion — reduzieren sich alle auf dieselbe Korrektur: eine echte, externe, deterministische Prüfung innerhalb des Zyklus, nicht das Wort des Agenten.

Das Framing des Artikels zur falschen Zielspezifikation lohnt sich herauszuheben. Eine Schleife, die ein falsch spezifiziertes Ziel optimiert, jagt das Falsche mit echter Effizienz. Der Lehrbuchfall ist ein Agent, der einen fehlschlagenden Test löscht, damit sein CI-Status grün wird — der Proxy besteht, das Ziel fällt. Das ist derselbe Grund, weshalb wir uns weigern, Token-, Wallet- oder Community-Credit-Ergebnisse zu versprechen: Wallet & Token, Super App und Community Credit sind Roadmap 🔵, pre-revenue, Howey-Prüfung unterworfen, und jede Schleife, die sie gegen einen Proxy „verifiziert", verifiziert den Proxy, nicht das Ergebnis. Der ehrliche Architekt nennt die Reife, bevor er die Schleife nennt.

Verifikation: Die externe Prüfung ist das einzige ehrliche „done"

Das dritte harte Problem des Artikels ist Verifikation, und es ist wirklich eine Frage des Vertrauens. Der Goldstandard ist deterministische Verifikation — Tests, Type-Checker, Compiler, Linter — weil diese ein objektives Bestehen oder Scheitern zurückgeben, gegen das das Modell sich nicht hinwegargumentieren kann. Ein LLM als eigener Richter ist flexibler und für alles, was sich nicht mechanisch prüfen lässt, wirklich notwendig, aber er ist auch leichter manipulierbar, und ein Modell, das die eigene Arbeit bewertet, ist eine strukturell schwache Prüfung. Die stärksten Schleifen stützen sich auf einen deterministischen Verifizierer, wo immer einer existiert, und heben Modellurteil für die Teile einer Aufgabe auf, die wirklich auf keine andere Weise quantifizierbar sind.

Das ist dieselbe architektonische Entscheidung hinter the Sisters und the Oracle ✅ bei Everythink. The Sisters erzeugen je eine Vorhersage; the Oracle fragt the Sisters nicht, ob sie recht haben. Es normalisiert ihre Wahrscheinlichkeiten in ein kalibriertes Ensemble, absteigend sortiert, mit Entropie in nats, an genau einer Stelle — weil eine Eigenschaft genau dann garantiert ist, wenn ihr Mechanismus implementiert ist und misst, und ein Selbstbericht keine Messung ist. Der HAI Engine ✅ läuft dieses Muster seit 2016 in Produktion. Die Lektion, die das Loop-Engineering-Vokabular einholt, ist, dass der Verifizierer außerhalb dessen liegen muss, was er verifiziert, oder er ist keiner.

Human-in-the-loop ist ein echtes Muster, besteht der Artikel, kein Notbehelf. Der Agent läuft, bis er auf echte Mehrdeutigkeit oder eine Entscheidung mit echtem Einsatz trifft, pausiert und wartet auf eine Person. Das ist die richtige Wahl, wann immer eine falsche Annahme teuer zurückzunehmen ist — eine Produktionsdatenbankänderung, eine kundenwirksame Entscheidung. Der Fehlermodus ist der umgekehrte der anderen: so oft unterbrechen, dass der Mensch durch den Agenten in der Schleife keine Zeit tatsächlich spart.

Wie das sich auf Everythinks Topologie abbildet

Bei Everythink bildet sich das Loop-Engineering-Vokabular auf eine Topologie ab statt auf einen einzelnen Agenten. The space is the router: ein Netzwerk enthält Communities, eine Community enthält Räume, und der Raum ist, wohin eine Anfrage geroutet wird, bevor etwas antwortet. Dieses Routing ist eine Terminierungsentscheidung, getroffen bevor die Schleife beginnt — sie entscheidet, welches Kontextfenster, welcher Verifizierer, welche Sisters, welche Werkzeuge für eine gegebene Anfrage gelten. Eine Schleife, die im falschen Raum läuft, hat konstruktiv den falschen Verifizierer, und keine Menge Iteration wird das beheben, weil die Schleife die falsche Eigenschaft misst.

Production ✅: HAI Engine, Sisters, Oracle, World Monitor, Social, Campaigns, Whitelabel Network. Partial ⚠️: Matchmaking, Marketplace, Calendar. Roadmap 🔵: Wallet & Token, Super App, Community Credit — als Roadmap benannt, niemals leise befördert, weil eine Schleife, die eine Roadmap-Fähigkeit gegen einen Proxy verifiziert, den Proxy verifiziert. Nur ziviler und defensiver Scope: wir bauen keine Schleifen, deren Terminierungsbedingung ein Targeting-Ergebnis ist, und werden es nicht. Inclusion by design: eine Schleife, die nur auf schneller Verbindung funktioniert, ist eine Schleife mit einem versteckten Budget-Ausgang, also routet die Topologie um niedrige Konnektivität herum, statt an ihr zu scheitern.

Kundensouveränität ist die andere Hälfte der Terminierungslogik. Der Artikel macht klar, dass eine Schleife menschliches Urteil nicht entfernt; sie verlegt, wo es angewendet wird. Jemandem gehört weiterhin das Ziel, die Definition von done und der letzte Anruf. Bei Everythink gehört dem Netzwerkeigner das — dein Netzwerk, deine Marke, deine Daten, dein Verifizierer. Die Schleife ist der Mechanismus; der Eigner ist derjenige, der entscheidet, was „done" bedeutet, und prüft, dass der Verifizierer es auch bedeutet.

Kernpunkte

• Der Wert einer Schleife wird durch ihre Terminierungs- und Verifikationslogik bestimmt, nicht durch die Schärfe eines einzelnen Prompts.
• „Done" ist eine Behauptung, die durch eine externe deterministische Prüfung innerhalb des Zyklus verifiziert werden muss — nicht den Selbstbericht des Agenten. Das ist Theorem 3: eine Eigenschaft ist genau dann garantiert, wenn ihr Mechanismus implementiert ist und misst.
• Staple die Ausgänge: einen Verifizierer, eine harte Iterationsgrenze, ein Token- oder Zeitbudget und Fortschrittslosigkeit-Erkennung. Eine Schleife mit einem Ausgang hat keinen Mechanismus für die Fehlermodi, die die anderen abfangen.
• Die Forschungslinie — ReAct (2022), Reflexion (2023), Anthropics Evaluator-Optimizer (2024) — ist eine Progression hin zu einer Prüfung, die immer weniger der Agent ist, der seine eigene Hausaufgabe bewertet.
• Falsche Zielspezifikation ist der teure Fehlschlag: eine Schleife, die einen Proxy optimiert, besteht den Proxy und fällt das Ziel. Nenne die Reife (Production ✅ / Partial ⚠️ / Roadmap 🔵), bevor du die Schleife nennst.
• The space is the router: Routing entscheidet, welcher Verifizierer gilt, bevor die Schleife beginnt. Eine Schleife im falschen Raum hat konstruktiv den falschen Verifizierer.

Häufige Fragen

Ist Loop Engineering nur ein neuer Name für Prompt Engineering?

Nein. Prompt Engineering optimiert die Formulierung einer einzelnen Anweisung. Loop Engineering entwirft den Zyklus, der einen Agenten promptet, prüft, sich erinnert und neu ausführt — und seine tragende Entscheidung ist die Terminierungs- und Verifikationslogik, nicht die Formulierung. Der Artikel platziert Loop Engineering als äußerste Schicht, die Prompt-, Kontext- und Harness Engineering umschließt, statt sie zu ersetzen.

Was macht eine Schleife sicher für unbeaufsichtigten Lauf?

Ein gestapelter Satz unabhängiger Ausgänge: ein deterministischer Verifizierer, der das Ziel bestätigt, eine harte Iterationsgrenze, ein Token- oder Zeitbudget und Fortschrittslosigkeit-Erkennung. Ohne alle vier läuft eine Schleife ewig, hält aus einer Vermutung an oder verbrennt still Ressourcen in einer Sackgasse. Der Artikel ist explizit: Terminierung ist das Teuerste, das man falsch machen kann.

Wie hängt das mit Theorem 3 zusammen?

Theorem 3 sagt, eine Eigenschaft ist genau dann garantiert, wenn ihr Mechanismus implementiert ist und misst. Für eine Agentenschleife ist die Eigenschaft „done", und der Mechanismus ist der deterministische Verifizierer innerhalb des Zyklus. Eine Schleife ohne messenden Ausgang produziert Behauptungen fertiger Arbeit, nicht fertige Arbeit — das ist der Fehlermodus „halluzinierter Erfolg" des Artikels.

Entfernt eine Schleife den Menschen aus dem Prozess?

Nein. Der Artikel macht klar, dass eine Schleife menschliches Urteil verlegt, nicht entfernt. Jemandem gehört weiterhin das Ziel, die Definition von done und der letzte Anruf. Human-in-the-loop ist ein echtes Muster für Entscheidungen mit echtem Einsatz; der Fehlermodus ist, so oft zu unterbrechen, dass der Mensch keine Zeit spart.

Wo nutzt Everythink das?

The Sisters und the Oracle ✅ laufen dasselbe Muster: the Oracle fragt the Sisters nicht, ob sie recht haben — es normalisiert ihre Wahrscheinlichkeiten an genau einer Stelle in ein kalibriertes Ensemble. Der HAI Engine ✅ läuft das seit 2016 in Produktion. The space is the router: Routing entscheidet, welcher Verifizierer gilt, bevor die Schleife beginnt.

Wenn du ein Netzwerk entwirfst, in dem autonome Agenten aus dem richtigen Grund anhalten müssen, muss die Topologie routen, bevor etwas antwortet. Erstelle dein Netzwerk — the space is the router, und der Verifizierer ist deiner.

Sources

• Shittu Olumide, „An Introduction to Loop Engineering," MachineLearningMastery, 23. Juli 2026 — https://machinelearningmastery.com/an-introduction-to-loop-engineering
• Yao et al., „ReAct: Synergizing Reasoning and Acting in Language Models," 2022 — https://arxiv.org/abs/2210.03629
• Shinn et al., „Reflexion: Language Agents with Verbal Reinforcement Learning," 2023 — https://arxiv.org/abs/2303.11366
• Anthropic, „Building Effective Agents," Dezember 2024 — https://www.anthropic.com/engineering/building-effective-agents
• Addy Osmani, „Loop Engineering," 8. Juni 2026 — https://addyosmani.com/blog/loop-engineering/