Agent-Laufzeit
Die Agent-Laufzeit ist die Software, die ein KI-Programm während seiner Arbeit steuert: Sie ruft das Sprachmodell auf, führt dessen Werkzeugbefehle aus und gibt die Ergebnisse zurück. Ohne sie könnte ein Modell zwar Antworten formulieren, aber nichts davon tatsächlich ausführen.
Moderne KI-Systeme beantworten nicht nur Fragen. Sie sollen auch Aufgaben erledigen: eine Datei durchsuchen, eine E-Mail verschicken, einen Preis auf einer Webseite nachschlagen. Das Sprachmodell selbst kann davon nichts. Es erzeugt nur Text, also zum Beispiel den Satz « Ich möchte jetzt die Datei bericht.txt öffnen ». Damit daraus eine echte Handlung wird, braucht es ein Programm, das diesen Wunsch liest und ausführt. Genau das ist die Agent-Laufzeit: der laufende Prozess drumherum, der die Befehle des Modells entgegennimmt, sie tatsächlich ausführt und das Ergebnis zurückmeldet. Sie ist damit die Brücke zwischen einem Textgenerator und einem System, das etwas bewirkt.
Der Unterschied zwischen Reden und Handeln
Ein Chatbot ohne Laufzeit ist wie ein Berater hinter einer Glasscheibe. Er kann dir genau sagen, was zu tun wäre. Anfassen kann er nichts. Sobald ein Unternehmen will, dass die KI Bestellungen bearbeitet oder Code in ein Projekt schreibt, reicht das nicht mehr. Erst die Laufzeit macht aus dem Ratgeber einen Mitarbeiter.
Damit verschiebt sich auch die Verantwortung. Ein Modell, das Unsinn sagt, ist ärgerlich. Ein Modell, das über eine Laufzeit Unsinn ausführt, kann Daten löschen oder Geld ausgeben. Deshalb sitzen in guten Laufzeiten Sicherheitsregeln: Welche Werkzeuge darf der Agent überhaupt benutzen? Braucht er für bestimmte Schritte die Bestätigung eines Menschen? Wie viele Versuche darf er machen, bevor abgebrochen wird?
Für Firmen ist das inzwischen ein eigener Markt. Anbieter wie Microsoft, Amazon oder OpenAI verkaufen nicht nur Modelle, sondern auch die Laufzeitumgebungen dazu. Der Grund ist einfach: Das Modell kann man austauschen, die Laufzeit mit ihren Regeln, Anbindungen und Protokollen bleibt. Wer sie einmal aufgebaut hat, wechselt sie ungern.
Die Schleife aus Denken, Handeln, Beobachten
Im Kern läuft immer dieselbe Schleife. Die Laufzeit schickt die Aufgabe und den bisherigen Verlauf an das Modell. Das Modell antwortet mit einem nächsten Schritt, etwa einem Werkzeugaufruf. Die Laufzeit führt diesen Schritt aus und hängt das Ergebnis an den Verlauf an. Dann beginnt der Durchlauf von vorn, bis die Aufgabe erledigt ist oder ein Limit greift.
Ein Beispiel: Die Aufgabe lautet, den Umsatz aus einer Tabelle zu nennen. Das Modell verlangt zuerst das Werkzeug « Datei lesen ». Die Laufzeit öffnet die Datei und liefert den Inhalt zurück. Das Modell rechnet, verlangt vielleicht noch eine Suche, und gibt am Ende die Zahl aus. Das Modell hat nie selbst eine Datei berührt.
Die Laufzeit verwaltet außerdem das Gedächtnis des Agenten. Ein Sprachmodell hat ein begrenztes Kontextfenster, also eine Obergrenze an Text, die es gleichzeitig überblicken kann. Bei langen Aufgaben mit vielen Zwischenschritten reicht das nicht. Die Laufzeit kürzt deshalb ältere Schritte, fasst sie zusammen oder lagert sie in eine Datenbank aus. Ein häufiger Irrtum ist, diese Arbeit dem Modell zuzuschreiben. Tatsächlich entscheidet Software drumherum, was das Modell überhaupt noch sieht.
Wo Agent-Laufzeiten heute stecken
Am sichtbarsten sind sie bei Programmierwerkzeugen. Assistenten wie Claude Code oder GitHub Copilot Agent bearbeiten Dateien, starten Tests und lesen Fehlermeldungen. Alles, was dabei außerhalb des Chatfensters passiert, ist Arbeit der Laufzeit. Auch die « Deep Research »-Funktionen großer Anbieter arbeiten so: minutenlang Webseiten abrufen, auswerten, weitersuchen.
In Nachrichten begegnet dir der Begriff meist im Umfeld von Unternehmenssoftware. Wenn ein Konzern ankündigt, tausende Agenten einzusetzen, meint er selten neue Modelle. Er meint eine Plattform, die bestehende Modelle an interne Systeme anbindet und überwacht. Verwandt ist das Model Context Protocol, kurz MCP, ein Standard dafür, wie Werkzeuge sich bei einer Laufzeit anmelden.
Für dich als Nutzer bleibt die Laufzeit fast immer unsichtbar. Bemerkbar macht sie sich nur an den Rändern: wenn ein Agent nach Erlaubnis fragt, wenn er nach zwanzig Schritten abbricht, oder wenn er eine Aufgabe an eine Grenze fährt und aufgibt. Solche Grenzen kommen nicht aus dem Modell. Sie sind Entscheidungen der Laufzeit.