Execution Loop
Ein Execution Loop ist der wiederholte Ablauf, mit dem ein KI-Programm eine Aufgabe Schritt für Schritt abarbeitet: überlegen, handeln, Ergebnis prüfen, von vorn beginnen. Er ist der Kern moderner KI-Assistenten, die nicht nur antworten, sondern selbst etwas tun.
Ein einfaches KI-Programm bekommt eine Frage und gibt genau eine Antwort zurück. Danach ist es fertig. Ein Execution Loop macht daraus einen wiederholten Ablauf. Das Programm überlegt, führt einen Schritt aus, sieht sich das Ergebnis an und beginnt von vorn. Diese Runde wiederholt sich so lange, bis die Aufgabe erledigt ist oder eine Abbruchbedingung greift. Der englische Begriff bedeutet wörtlich « Ausführungsschleife »: Ausführung, die im Kreis läuft.
Vom Antwortgeber zum Aufgabenlöser
Viele Aufgaben lassen sich nicht in einem einzigen Schritt lösen. « Finde den günstigsten Zug nach Hamburg und trage ihn in meinen Kalender ein » besteht aus mehreren Handlungen. Man muss suchen, vergleichen, dann etwas eintragen. Erst der zweite Schritt ergibt Sinn, wenn der erste ein Ergebnis geliefert hat. Ohne Schleife müsste ein Mensch nach jedem Zwischenschritt selbst nachhaken.
Genau darin liegt der Unterschied zwischen einem Chatbot und einem sogenannten Agenten. Ein Agent ist ein KI-Programm, das eigenständig mehrere Schritte plant und ausführt. Der Execution Loop ist die technische Grundlage dafür. Wenn in Nachrichten von « agentischer KI » die Rede ist, geht es fast immer um Systeme mit einer solchen Schleife.
Die Schleife bringt aber auch ein Risiko mit sich. Ein falscher Zwischenschritt wird zur Grundlage des nächsten. Fehler können sich dadurch aufschaukeln statt sich auszugleichen. Deshalb ist die Frage, wann eine Schleife abbricht, mindestens so wichtig wie die Frage, was sie tut.
Die vier Stationen einer Runde
Eine Runde besteht meist aus vier Stationen. Zuerst überlegt das Modell, was als Nächstes zu tun ist. Dann wählt es eine Aktion aus, etwa eine Websuche oder das Ausführen eines kleinen Programms. Diese Aktion wird tatsächlich ausgeführt, außerhalb des Modells. Das Ergebnis kommt als neuer Text zurück und wird an den bisherigen Verlauf angehängt.
Diese Werkzeuge nennt man Tools. Ein Tool kann ein Taschenrechner sein, eine Datenbank oder ein Zugriff auf das Dateisystem. Das Modell selbst rechnet dabei nicht. Es entscheidet nur, welches Werkzeug es benutzen will und mit welchen Angaben. Man kann es sich vorstellen wie einen Koch, der Zutaten bestellt, statt sie selbst anzubauen.
Jede Runde macht den Verlauf länger, denn alle Zwischenergebnisse bleiben stehen. Das kostet Rechenzeit und Geld, weil das Modell den ganzen Text jedes Mal neu liest. Deshalb setzt man Grenzen: maximal zwanzig Runden zum Beispiel, oder ein festes Zeitlimit. Ein häufiger Irrtum ist, dass mehr Runden automatisch bessere Ergebnisse bringen. In der Praxis drehen sich schlecht geführte Schleifen oft im Kreis, ohne dem Ziel näher zu kommen.
Execution Loops in echten Produkten
Programmierhilfen wie GitHub Copilot Agent oder Claude Code arbeiten so. Man beschreibt einen Fehler, das Programm liest Dateien, ändert Code, startet Tests und liest die Fehlermeldung. Danach beginnt die nächste Runde. Sichtbar ist das an der langen Liste von Zwischenschritten, die solche Werkzeuge anzeigen.
Auch die Recherchefunktionen großer Chatdienste nutzen Schleifen. Bei « Deep Research » sucht das System, liest Treffer, formuliert neue Suchanfragen und arbeitet minutenlang. Dass eine Antwort länger dauert als sonst, ist meist ein Hinweis auf eine laufende Schleife im Hintergrund.
In Wirtschaftsnachrichten taucht das Thema vor allem wegen der Kosten und der Sicherheit auf. Ein Agent, der zwanzig Runden dreht, verursacht ein Vielfaches der Kosten einer einzelnen Antwort. Gleichzeitig kann er echte Dinge verändern, etwa Dateien löschen oder Bestellungen auslösen. Viele Anbieter bauen deshalb eine Rückfrage ein, bevor ein kritischer Schritt ausgeführt wird.