Agenten-Loop
Ein Agenten-Loop ist ein wiederholter Ablauf, in dem ein KI-Programm überlegt, eine Aktion ausführt, das Ergebnis anschaut und daraufhin den nächsten Schritt plant. Diese Schleife läuft so lange, bis die Aufgabe erledigt ist oder eine Grenze erreicht wird.
Ein Chatprogramm antwortet normalerweise einmal und ist dann fertig. Ein Agenten-Loop macht mehr daraus. Das Programm überlegt zuerst, was zu tun ist. Dann führt es einen Schritt aus, zum Beispiel eine Suche im Internet. Danach liest es das Ergebnis und entscheidet neu, wie es weitergeht. Diese vier Stationen wiederholen sich, bis das Ziel erreicht ist. Genau diese Wiederholung nennt man Loop, also Schleife. Ein Programm, das so arbeitet, wird als Agent bezeichnet.
Warum das wichtig ist
Viele Aufgaben lassen sich nicht in einem einzigen Zug lösen. „Finde den günstigsten Flug nach Lissabon und trag ihn in meinen Kalender ein“ braucht mehrere Schritte. Manche Schritte hängen vom Ergebnis der vorherigen ab. Erst wenn der Preis bekannt ist, kann man vergleichen. Ein einzelner Antwortdurchgang kann das nicht leisten.
Der Loop erlaubt außerdem Selbstkorrektur. Schlägt ein Schritt fehl, sieht das Modell die Fehlermeldung und versucht einen anderen Weg. Deshalb gilt diese Bauweise als der wichtigste Schritt von reinen Chatprogrammen zu Software, die tatsächlich Arbeit erledigt. Ein Großteil der aktuellen KI-Produkte im Unternehmensbereich basiert darauf.
Wie es funktioniert
Der Loop besteht aus vier Phasen, die sich abwechseln. In der Planung formuliert das Sprachmodell, welcher Schritt als Nächstes sinnvoll ist. Dann wählt es ein Werkzeug aus. Werkzeuge sind vorher freigegebene Funktionen, etwa eine Suchmaschine, ein Rechner oder ein Zugriff auf Dateien. Die Ausführung übernimmt nicht das Modell selbst, sondern das umgebende Programm. Es ruft das Werkzeug auf und schickt das Ergebnis zurück.
Dieses Ergebnis wird an den bisherigen Gesprächsverlauf angehängt. Das Modell sieht also im nächsten Durchgang alles, was schon passiert ist. Dieser mitgeführte Verlauf ist das Gedächtnis des Agenten. Am Ende jeder Runde prüft das Programm, ob das Ziel erreicht ist. Falls ja, gibt es die Antwort aus. Falls nein, beginnt die nächste Runde.
Ohne Bremse wäre das riskant. Deshalb setzt man Obergrenzen: eine maximale Anzahl an Runden, ein Kostenlimit oder eine Zeitschranke. Sonst kann sich ein Agent in einer Endlosschleife verfangen und immer wieder denselben erfolglosen Schritt versuchen. Bei heiklen Aktionen wie dem Löschen von Daten oder einer Zahlung wird oft eine menschliche Bestätigung eingebaut.
Wo man dem Begriff begegnet
Programmierhilfen wie Claude Code oder Cursor arbeiten so. Man beschreibt eine Änderung, das Werkzeug liest Dateien, schreibt Code, startet Tests und reagiert auf Fehlermeldungen. Auch die Recherchefunktionen großer Chatdienste, oft „Deep Research“ genannt, laufen als Agenten-Loop über viele Minuten und dutzende Webseiten.
In Finanz- und Techmeldungen tauchen dabei zwei Zahlen immer wieder auf. Erstens die Erfolgsquote bei mehrstufigen Aufgaben, denn kleine Fehler pro Schritt summieren sich über viele Runden. Zweitens die Kosten, weil jede Runde einen neuen Modellaufruf bedeutet. Ein Agent kann für eine einzige Aufgabe hundertfach so viel Rechenleistung verbrauchen wie eine normale Chatantwort. Wenn Anbieter von „agentischer KI“ sprechen, meinen sie fast immer genau diesen Ablauf.