Ein Chat antwortet. Ein Agenten-Loop arbeitet. Um diesen Unterschied werden seit Monaten alle Oberflächen umgebaut.
In ChatGPT sitzt seit Juli ein Schalter mit zwei Stellungen, Chat und Work (dazu kommt Codex). Bei Claude sind es ebenfalls drei, Chat, Cowork und Code. Dahinter steckt kein besseres Modell. Nur eine andere Bauweise.
Inhaltsverzeichnis
Der KI Loop einfach erklärt
Ein normaler Chat ist ein Durchgang. Frage rein, Antwort raus, fertig. Was das Modell nicht weiß, muss es raten oder eingestehen. Meistens rät es.
Ein Agenten-Loop ist ein wiederholter Durchlauf aus Denken, Handeln und Beobachten. Nach jedem Werkzeugaufruf entscheidet das Modell neu, ob es fertig ist oder eine weitere Runde braucht. Der Loop endet, wenn ein Stopp-Kriterium greift.
Im Loop bekommt die KI Werkzeuge in die Hand. Eine Websuche, einen Dateizugriff, einen Taschenrechner, einen Kalender. Sie überlegt, was der nächste sinnvolle Schritt wäre, ruft ein Werkzeug auf, sieht sich das Ergebnis an und entscheidet dann neu, wie es weitergeht. Denken, handeln, hinsehen, wieder von vorn.
Entscheidend ist, was zwischen den Runden passiert. Jede Beobachtung landet im Kontext, und die nächste Runde arbeitet mit allem, was inzwischen dazugekommen ist. Schritt drei kennt das Ergebnis von Schritt zwei, Schritt vier das von Schritt drei. Aus einzelnen Antworten werden verkettete Arbeitsschritte.
Nicht zu verwechseln mit den Denkstufen, die man inzwischen überall einstellen kann. Ein Modell, das länger nachdenkt, dreht seine Runden im eigenen Kopf. Von außen kommt dabei nichts dazu. Es ist immer noch ein Durchgang, nur ein gründlicherer.
Drei Bauweisen hinter demselben Eingabefeld. Nur die dritte holt sich zwischendurch neue Informationen.
Das Prinzip ist älter als der Hype darum. Beschrieben wurde es 2022 in einem Paper mit dem Namen ReAct, kurz für Reasoning and Acting. Die Autoren zeigten, dass ein Modell spürbar weniger halluziniert, wenn es zwischen zwei Denkschritten eine Wikipedia-Abfrage machen darf. Nicht weil es klüger wurde. Weil es Boden unter den Füßen bekam.
Chat, Denkzeit und Agenten-Loop im Vergleich
| Chat | Chat mit Denkzeit | Agenten-Loop | |
|---|---|---|---|
| Durchläufe | einer | einer, intern verlängert | viele, bis ein Kriterium greift |
| Wissensquelle | Trainingsdaten plus dein Prompt | dieselbe, nur gründlicher ausgewertet | zusätzlich alles, was die Werkzeuge liefern |
| Was du bekommst | Text | Text | ein Ergebnis, oft eine Datei |
| Fehlerkorrektur | nur durch dich, in der nächsten Nachricht | nur intern, ohne neue Fakten | durch das Modell selbst, in der nächsten Runde |
| Dauer | Sekunden | Sekunden bis Minuten | Minuten bis Stunden |
| Nachvollziehbarkeit | hoch, du siehst alles | mittel, du siehst eine Zusammenfassung der Gedanken | gering, du siehst meist nur das Protokoll |
Was ein Loop kann und ein Chat nicht
Vier Dinge ändern sich, sobald die Schritte verkettet sind.
Nachsehen statt raten. Das ist der größte Gewinn. Ein Modell, das eine Datei öffnen oder eine Quelle aufrufen darf, muss sich nicht mehr ausdenken, was vermutlich drinsteht. Halluzinationen verschwinden dadurch nicht, aber sie verlieren ihren häufigsten Anlass.
Den eigenen Fehler bemerken. Im Chat fällt dir auf, dass die Antwort nicht stimmt, und du schreibst die nächste Nachricht. Im Loop übernimmt das die Maschine. Suche liefert nichts Brauchbares, also andere Suchbegriffe. Datei fehlt, also erst anlegen. Das passiert, ohne dass du daneben sitzt.
Ein Ergebnis statt einer Anleitung. »Sortiere den Eingangsordner, benenne die Rechnungen einheitlich und leg eine Übersicht dazu an« ist ein Auftrag. Im Chat wären das zwanzig Einzelschritte mit Kopieren und Einfügen dazwischen. Im Loop kommt am Ende der sortierte Ordner.
Sieben Begriffe, die im Loop-Umfeld ständig auftauchen
Tool oder Werkzeug. Eine Funktion, die das Modell aufrufen darf. Websuche, Dateizugriff, Rechner, Kalender, API.
Observation. Das Ergebnis eines Werkzeugaufrufs, so wie es beim Modell ankommt.
Iteration oder Runde. Ein kompletter Durchlauf durch die vier Schritte.
Stopp-Kriterium. Die Bedingung, bei der abgebrochen wird. Ziel erreicht, Rundenlimit erschöpft, Budget aufgebraucht.
Human in the Loop. Ein Punkt im Ablauf, an dem ein Mensch bestätigen muss, bevor es weitergeht.
Scaffold. Das Gerüst um das Modell herum, das die Runden zählt, Werkzeuge bereitstellt und abbricht. Nicht das Modell selbst.
Excessive Agency. Der Fachbegriff dafür, dass ein Agent mehr darf, als er für seine Aufgabe bräuchte.
Weiterarbeiten, während du etwas anderes tust. Ein Chat wartet auf dich. Ein Loop läuft. Eine Kleinigkeit auf den ersten Blick, in der Praxis der größte Hebel von allen vieren, weil du nicht mehr der Flaschenhals bist.
Wo dir der Loop längst begegnet
Programmieren muss man dafür nichts. Wahrscheinlich hast du längst welche laufen lassen.
Tiefenrecherche. Der älteste Loop im Massengebrauch, nur mit einem einzigen Werkzeug, nämlich der Websuche. OpenAI gibt für Deep Research fünf bis dreißig Minuten an. Die Seitenleiste mit den Zwischenschritten ist nichts anderes als das Protokoll der Runden. Was man damit anstellen kann, steht in Deep Research.
Die Arbeitsmodi der Chat-Apps. OpenAI hat den Work-Modus am 9. Juli 2026 gestartet, Anthropic Cowork schon im Januar. Beide machen dasselbe. Du beschreibst ein Ziel statt einer Frage, und am Ende liegt eine Tabelle, ein Dokument oder ein sortierter Ordner vor dir. Welches Werkzeug sonst noch wofür taugt, steht in Claude vs. ChatGPT vs. Gemini.
Coding- und Dateiassistenten. Hier läuft der Loop am sichtbarsten, weil jeder Schritt eine Datei anfasst. Test schlägt fehl, also Zeile ändern, nochmal testen, nächste Datei. Und hier fällt auch am schnellsten auf, wenn er sich verrennt.
Ob hinter einem Produkt tatsächlich so ein Kreislauf steckt oder nur ein Chatbot mit neuem Etikett, ist von außen nicht immer zu erkennen. Ein brauchbarer Test steht in Die meisten KI-Agenten sind gar keine. Kurzfassung, wer nicht selbst entscheidet, wann er nochmal nachsieht, ist keiner.
Warum viele darin die Zukunft sehen
Der Grund ist eine Zahl. Das Forschungsinstitut METR hat 2025 in eng definierten Testaufgaben gemessen, wie lang eine Aufgabe sein darf, damit KI-Agenten sie noch schaffen. Die Antwort verschiebt sich schnell nach oben, die geschätzte Verdopplungszeit lag bei etwa sieben Monaten.
Wer diese Kurve fortschreibt, landet zwangsläufig bei großen Erwartungen. Aufgaben, die heute nach zwanzig Minuten scheitern, sollten in ein oder zwei Jahren durchlaufen. Und weil im Loop jede Runde vom Modellfortschritt profitiert, wirkt jede Verbesserung mehrfach statt einmal.
Dazu kommt der wirtschaftliche Teil. Ein Chat verkauft Text, ein Loop verkauft erledigte Arbeit. Das ist ein anderes Produkt, und es erklärt, warum die Anbieter ihre Oberflächen gerade so hektisch umbauen.
Ganz so glatt geht die Rechnung womöglich nicht auf. Gemessen wurde an Aufgaben mit klarem Erfolgskriterium, meist aus der Softwareentwicklung. Ob sich das auf Arbeit übertragen lässt, bei der niemand vorher sagen kann, wann sie richtig erledigt ist, weiß im Moment keiner. Plausibel ist die Richtung trotzdem.
Was heute noch dagegen spricht
Dieselbe Verkettung, die den Loop stark macht, ist auch seine Schwachstelle. Fehler addieren sich nicht, sie multiplizieren sich. Wer pro Runde zu 95% richtig liegt, liegt nach zwanzig Runden nur noch bei etwa 36%. Ein falscher Schritt in Runde drei wird in Runde vier zur Beobachtung, auf die alles Weitere aufbaut.
Dazu kommt das Gedächtnisproblem. Jede Beobachtung wandert in den Kontext, und der wächst mit jeder Runde, bis wichtige Details darin untergehen. Was dabei praktisch passiert, steht in Wie lang darf ein Text für die KI sein.
Und dann die Rechte. Ein Loop, der etwas tun soll, braucht Zugriff, und Agenten widersprechen von sich aus selten, wie eine Studie gemessen hat. Die nüchterne Empfehlung der OWASP-Sicherheitsleute lautet, nur die Werkzeuge freizugeben, die gebraucht werden, und bei allem schwer Widerrufbaren einen Menschen bestätigen zu lassen. Wie schnell man da vor Fragen steht, die man nicht mehr beurteilen kann, ist in Ich wollte auch mal einen KI-Agenten laufen lassen beschrieben.
Praktisch heißt das, ein Loop lohnt sich, sobald eine Aufgabe aus mehreren Schritten besteht, die aufeinander aufbauen, und du die Zwischenergebnisse sonst selbst hin und her kopieren müsstest. Alles andere bleibt im Chat, wo du schneller bist und mehr siehst. Und weil die Ergebnisse aufgeräumt und sicher aussehen, lohnt sich hinterher der Stichprobencheck, siehe Automation Bias.
Klüger ist die KI im Loop jedenfalls nicht. Sie darf nur nachsehen. Das klingt banal, ist aber der Punkt, an dem aus einem Textgenerator etwas wird, das Aufgaben erledigt. (lk)
