Agent-Loop
Ein Agent-Loop ist der Kreislauf, in dem ein KI-Programm eine Aufgabe schrittweise abarbeitet: Es überlegt, führt eine Aktion aus, sieht sich das Ergebnis an und entscheidet dann neu. Diese Schleife wiederholt sich, bis das Ziel erreicht ist oder eine Grenze greift.
Übliche KI-Chatprogramme funktionieren wie ein Frage-Antwort-Spiel: Du schreibst etwas, das Programm antwortet einmal, fertig. Ein Agent-Loop bricht mit diesem Muster. Hier bekommt das Programm ein Ziel statt einer einzelnen Frage, zum Beispiel: „Finde die drei günstigsten Zugverbindungen nach Hamburg und schreibe sie in eine Tabelle.“ Danach arbeitet es in einer Schleife: Es überlegt, was der nächste sinnvolle Schritt ist, führt diesen Schritt aus, schaut sich das Ergebnis an und überlegt erneut. Diese Runde wiederholt sich viele Male hintereinander. Erst wenn das Ziel erreicht ist oder eine vorher gesetzte Grenze greift, hört das Programm auf. Der Begriff „Loop“ ist englisch für Schleife und beschreibt genau diese Wiederholung.
Vom Antwortgeber zum Auftragserlediger
Der Sprung von einer Antwort zu einer Schleife verändert, was KI überhaupt leisten kann. Eine einzelne Antwort ist immer nur so gut wie der erste Versuch. In einer Schleife darf das Programm scheitern und nachbessern. Es kann eine Datei suchen, merken, dass sie nicht existiert, und dann an einer anderen Stelle nachsehen. Genau diese Fähigkeit zur Selbstkorrektur ist der Grund für den Hype um sogenannte KI-Agenten, also Programme, die Aufgaben eigenständig erledigen.
Wirtschaftlich ist das der interessante Teil. Ein Programm, das nur Texte formuliert, spart einem Menschen Minuten. Ein Programm, das eine ganze Aufgabenkette abarbeitet, kann Stunden Arbeit ersetzen. Deshalb kündigen Firmen wie OpenAI, Anthropic oder Google inzwischen keine „Chatbots“ mehr an, sondern Agenten. Der Agent-Loop ist die technische Grundlage dieser Ankündigungen.
Es gibt aber eine Kehrseite. Jede Runde der Schleife kostet Rechenzeit und damit Geld. Ein Agent, der bei einer schwierigen Aufgabe fünfzig Runden dreht, ist fünfzig Mal so teuer wie eine einfache Antwort. Und ein Fehler in Runde drei kann sich durch alle folgenden Runden fortpflanzen.
Die vier Stationen einer Runde
Eine typische Runde besteht aus vier Stationen. Erstens plant das Modell: Es formuliert in Worten, was als Nächstes zu tun ist. Zweitens wählt es ein Werkzeug, also eine Funktion, die es aufrufen darf. Typische Werkzeuge sind eine Websuche, ein Programm zum Lesen und Schreiben von Dateien oder ein Rechner. Drittens führt das umgebende Programm diesen Aufruf tatsächlich aus. Viertens wandert das Ergebnis, etwa ein Suchtreffer oder eine Fehlermeldung, zurück ins Modell.
Wichtig ist: Das Sprachmodell selbst tut nichts. Es schlägt nur vor. Die Ausführung übernimmt ein normales Stück Software, das die Schleife verwaltet. Dieses Programm hält auch den Verlauf zusammen, damit das Modell in Runde zehn noch weiß, was in Runde zwei passiert ist. Man kann sich das Modell als Kopf und die Schleife als Hände und Gedächtnis vorstellen.
Damit ein Agent nicht endlos weiterläuft, gibt es Abbruchbedingungen. Üblich sind eine maximale Anzahl von Runden, ein Kostenlimit oder eine Rückfrage beim Menschen vor riskanten Schritten. Ohne solche Grenzen können Agenten in Kreisen laufen und dieselbe fehlgeschlagene Aktion immer wieder versuchen.
Agent-Loops in Produkten und Schlagzeilen
Am deutlichsten sichtbar sind Agent-Loops beim Programmieren. Werkzeuge wie Claude Code, GitHub Copilot Agent oder Cursor bekommen eine Aufgabe wie „behebe diesen Fehler“. Danach lesen sie Dateien, ändern Code, starten Tests und reagieren auf die Testergebnisse. Wer zusieht, erkennt die Schleife an den vielen kleinen Zwischenschritten im Protokoll.
Auch die „Deep Research“-Funktionen mehrerer Anbieter arbeiten so. Sie suchen im Netz, lesen Seiten, merken Lücken und suchen gezielt nach. Ein Bericht entsteht dort über viele Minuten und dutzende Runden. Im Unterschied dazu antwortet ein normaler Chat sofort und ohne Werkzeuge.
In Börsenmeldungen taucht der Begriff meist indirekt auf. Wenn ein Anbieter mit „agentischen Fähigkeiten“ wirbt, meint er den Agent-Loop. Ein häufiger Irrtum dabei: Der Loop macht das Modell nicht klüger. Er gibt einem gleich klugen Modell nur mehr Versuche und Werkzeuge. Ist die Grundfähigkeit schwach, produziert die Schleife vor allem viele Fehler hintereinander.