Das ist Teil zwei unserer fünfteiligen Serie über Agentic Harnesses. In Teil eins haben wir den Harness als alles definiert, was das Modell umgibt, und ihn in vier Teile zerlegt: Agent Loop, Tool-Interface, Context Management und Kontrollmechanismen. Dieser Teil öffnet die Motorhaube über den ersten beiden – dem Laufzeitkern, der aus einem Modell vom Redner einen Macher macht.
Die Agenten-Schleife (Agent Loop)
Ein nacktes Sprachmodell tut genau eine Sache: Bekommt es Text, produziert es mehr Text. Das ist ein einzelnes Hin und Her. Die Agenten-Schleife packt dieses Hin und Her in einen Kreislauf, damit das Modell ein Ziel über viele Schritte verfolgen kann.
Das vorherrschende Muster ist die ReAct-Schleife: Das Modell überlegt, was als Nächstes zu tun ist, führt über ein Werkzeug eine Aktion aus, beobachtet das Ergebnis und setzt erneut an – alles in einer schlichten while-Schleife, die läuft, bis das Ziel erreicht ist.
Das vorherrschende Ausführungsmuster für Agenten ist heute eine ReAct-Schleife, in der ein Modell überlegt, über einen Tool-Aufruf eine Aktion ausführt, das Ergebnis beobachtet und das in einer while-Schleife wiederholt.
Diese Idee hat eine Ahnenreihe. ReAct-artige Reasoning-Schleifen tauchten 2022 auf; AutoGPT machte langlaufende Autonomie 2023 populär; der „Ralph Loop" – ein Bash-Einzeiler, der einen Agenten einfach immer wieder neu startet, bis er fertig ist – machte 2025 die Runde; und 2026 wanderte das Muster direkt in Werkzeuge wie Codex und Claude Code, als /loop- und /goal-Befehle.
Die Schleife klingt trivial, aber das Handwerk steckt in ihren Rändern. Wann soll sie weiterlaufen, wann anhalten? Wie erholt sie sich von einem Werkzeug, das einen Fehler wirft, oder von einem Schritt, der danebenging? Wie verhinderst du, dass sie sich ewig an einer Aufgabe abarbeitet, die sie ohnehin nicht schaffen kann? Eine gute Schleife hat klare Abbruchbedingungen und einen Ausweg aus der Sackgasse – und genau das ist der Unterschied zwischen einem Agenten, der fertig wird, und einem, der nutzlos im Kreis läuft.