Loop

Viele KI-Systeme arbeiten in Schleifen – auf Englisch Loops. Das bedeutet: Das System führt eine Aktion aus, schaut sich das Ergebnis an und entscheidet dann, was als Nächstes kommt. Dieser Ablauf wiederholt sich so lange, bis die Aufgabe erledigt ist oder das System feststellt, dass es nicht weiterkommt. Das klingt simpel, ist aber ein grundlegender Unterschied zu einem Chatbot, der einfach eine Frage beantwortet und dann wartet. Ein System im Loop handelt aktiv – es plant, prüft und korrigiert sich selbst.

Warum Loops KI-Systeme grundlegend verändern

Ein klassisches Sprachmodell bekommt eine Frage und gibt eine Antwort. Einmal. Das war es. Bei komplexen Aufgaben reicht das nicht. Eine Aufgabe wie „Recherchiere drei Konkurrenten und fasse ihre Preise zusammen“ hat viele Teilschritte: suchen, lesen, vergleichen, schreiben. Kein einzelner Schritt erledigt das alles.

Loops machen es möglich, dass ein KI-System genau das trotzdem allein bewältigt. Es bricht die Aufgabe selbst in Schritte auf, führt sie der Reihe nach aus und überprüft zwischendurch den Fortschritt. Damit entsteht etwas qualitativ Neues: ein sogenannter KI-Agent, also ein System, das über mehrere Schritte hinweg eigenständig handelt. Ohne Loop gibt es keinen echten Agenten.

Der wirtschaftliche Wert dahinter ist groß. Aufgaben, für die man früher einen Menschen gebraucht hätte – weil sie aus vielen kleinen Entscheidungen bestehen –, lassen sich zunehmend automatisieren. Deshalb stecken Unternehmen gerade viel Geld in agentenbasierte Systeme, die auf Loops beruhen.

Aufbau eines typischen Loops

Der klassische Ablauf folgt einem festen Schema, das in der Forschung oft als „Reason-Act-Observe“ bezeichnet wird. Zuerst überlegt das System, welcher Schritt als Nächstes sinnvoll ist. Dann führt es diesen Schritt aus – zum Beispiel eine Websuche, eine Rechnung oder das Schreiben eines Textes. Anschließend liest es das Ergebnis und entscheidet, ob die Aufgabe erledigt ist oder ein neuer Durchlauf beginnt.

Dieser Ablauf ist absichtlich offen gehalten. Das System weiß zu Beginn nicht, wie viele Runden es brauchen wird. Es könnte nach zwei Schritten fertig sein oder nach zwanzig. Genau darin liegt der Unterschied zu einem einfachen Skript, das stur eine festgelegte Abfolge abarbeitet: Ein Loop reagiert auf das, was er vorfindet.

Ein bekanntes Problem ist dabei der sogenannte Endlos-Loop. Das System dreht sich im Kreis, weil es sein eigenes Scheitern nicht erkennt und immer wieder dieselbe erfolglose Aktion wiederholt. Gute Systeme haben deshalb eine Abbruchbedingung: eine maximale Schrittzahl oder eine Bewertungslogik, die erkennt, wenn kein Fortschritt mehr stattfindet.

Loops in Produkten und Schlagzeilen

Wenn Medien über „KI-Agenten“ berichten, die selbstständig im Internet surfen, Code schreiben oder E-Mails beantworten, steckt fast immer ein Loop dahinter. Produkte wie Operator von OpenAI oder Devin, ein KI-System für Softwareentwicklung, sind öffentlich bekannte Beispiele. Devin empfängt einen Programmierauftrag und arbeitet ihn in einem Loop ab: Code schreiben, testen, Fehler lesen, korrigieren, erneut testen.

Auch in weniger spektakulären Anwendungen sind Loops präsent. Viele Unternehmens-Tools nutzen sie, um automatisch Berichte zu erstellen, Daten aus verschiedenen Quellen zusammenzuführen oder Kundenanfragen zu bearbeiten. Der Begriff taucht in diesen Kontexten nicht immer auf – aber das Muster dahinter ist dasselbe.

In der Fachdebatte ist die Kontrolle über Loops ein zentrales Thema. Je länger ein System selbstständig läuft, desto schwerer ist es nachzuvollziehen, was es getan hat und warum. Regulierungsbehörden und Sicherheitsforscher diskutieren deshalb, an welchen Punkten ein Mensch in den Loop eingreifen können muss – ein Konzept, das auf Englisch als „human in the loop“ bezeichnet wird.