Vom Prompt zum Loop: ganze Aufgaben delegieren
Vom Prompt zum Loop: ganze Aufgaben delegieren
Ein Prompt ist Frage, warten, nachbessern, ein Loop ist ein kurzes, messbares Ziel, das ein Agent eigenständig verfolgt, bis eine erkennbare Abschlussbedingung erfüllt ist, oft über ein Netz aus Unter-Agenten. Ein gutes Ziel ist kurz, spezifisch und für die KI als erledigt erkennbar. Große Ziele zerlegst du vorher in messbare Unterziele, sonst verbrennt der Agent Rechenzeit an der falschen Sache.
Du wählst bewusst zwischen zwei Steuerungsarten: harte Erfolgskriterien als Checkliste oder ein Modell als Bewerter, wenn du einen Teil von Geschmack und Urteil abgeben willst. Weil Bauen billig geworden ist, kehrt sich der Zyklus um: erst bauen, dann aus echten Optionen entscheiden. Der Agent erreicht schnell achtzig Prozent, die letzten zehn Prozent aus Urteil und Verantwortung bleiben deins.
Wie es in der Praxis läuft
Was ein Loop ist und was ein Prompt bleibt
Der Prompt verschwindet nicht, er wird zum kleinsten Werkzeug für kleine Fragen, für ganze Aufgaben tritt der Loop an seine Stelle. Ein Loop bekommt ein Ziel mit klarer Abschlussbedingung, dann läuft der Agent, bis sie erfüllt ist, statt nach jedem Teilschritt nachzufragen. Das verschiebt deine Arbeit vom ständigen Eingreifen zum sauberen Zuschneiden der Aufgabe am Anfang.
Ein gutes Ziel: kurz, spezifisch, als erledigt erkennbar
Der Wert eines Loops steht und fällt mit dem Ziel, das so formuliert ist, dass die KI selbst erkennt, wann sie fertig ist. Ein Ziel wie den offenen Fehler-Rückstand abarbeiten hat ein sichtbares Ende, ein vages kümmer dich um mein Produkt hat keins und lässt den Agenten ziellos laufen. Je schärfer die Abschlussbedingung, desto verlässlicher stoppt der Loop an der richtigen Stelle.
Große Ziele vorher zerlegen
Ein zu weit gefasstes Ziel ist der häufigste Grund, warum ein Loop lange läuft und wenig liefert. Bevor du ein großes Ziel übergibst, zerlegst du es in messbare Unterziele, die jedes für sich ein erkennbares Ende haben. So arbeitet der Agent an klar umrissenen Brocken, und du siehst nach jedem, ob er auf Kurs ist.
Zwei Arten zu steuern
Du hast zwei Wege, einem Loop zu sagen, wann er richtig liegt: harte Erfolgskriterien als abhakbare Checkliste, wo sich Erfolg eindeutig prüfen lässt, oder ein Modell als Bewerter, ein zweites Sprachmodell, das die Arbeit nach festen Kriterien beurteilt. Den Bewerter setzt du ein, wenn du einen Teil von Geschmack und Urteil abgeben willst, aber nur dort, wo Konsistenz wirklich zählt.
Sub-Agenten und paralleles Fächern
Ein Loop läuft selten allein, ein Hauptagent orchestriert oft viele Unter-Agenten, jeder in seinem eigenen Kontextfenster, also mit sauber getrenntem Arbeitsgedächtnis. Das schont den Kontext des Hauptagenten und erlaubt mehrere isolierte Versuche gleichzeitig: Ein Agent verteilt, viele Kind-Agenten bauen und prüfen, der Hauptagent sammelt die Ergebnisse ein.
Erst bauen, dann entscheiden
Weil das Bauen billig geworden ist, dreht sich der Arbeitszyklus um: Statt lange zu planen und am Ende zu bauen, lässt du zuerst mehrere lauffähige Varianten bauen und entscheidest danach, was in Produktion geht. Die knappe Ressource verschiebt sich vom Herstellen zum Auswählen, du prüfst keinen Plan mehr auf dem Papier, sondern echte, gebaute Optionen.
Deine letzte Meile: Urteil, Geschmack, Verantwortung
Delegieren heißt nicht abgeben, sondern klug zuschneiden: Der Agent erreicht achtzig Prozent schnell, aber die letzten zehn Prozent aus Geschmack und Urteil trennen ein tragfähiges Ergebnis von beliebiger Massenware. Wer jede Zeile und Mikroentscheidung selbst prüft, wird zum eigenen Engpass und deckelt den Durchsatz, egal wie viele Loops laufen.
