Loop-Engineering: So arbeitest du noch effizienter mit KI-Tools

Mit KI-Tools lässt sich so gut wie alles automatisieren: Die KI schreibt Antworten auf E-Mails, kann Grafiken für Präsentationen generieren oder Daten sortieren. Der Nutzer muss im Prinzip nur immer dann tätig werden, wenn ein Prompt erforderlich ist. Aber: Auch das ist bei sich wiederholenden Aufgaben nicht immer zwingend erforderlich. „Ich prompte Claude nicht mehr. Bei mir laufen Loops, die Claude prompten und herausfinden, was zu tun ist. Mein Job ist es, Loops zu schreiben“, erklärte kürzlich etwa Boris Cherny, der Schöpfer von Claude Code. Was er damit meint und wie du mit „Loop Engineering“ jede Menge Zeit und Nerven sparen kannst, erklären wir hier.

Mehr Infos zu Themen rund um KI findest du am Ende dieses Beitrags.

Beim sogenannten „Loop Engineering“ handelt es sich im Prinzip um den Aufbau eines Rückkopplungssystems. Das heißt, dass das System eine Aktion vollzieht, das Ergebnis misst und daraus die nächste Aktion ableitet. Im Kontext von KI-Agenten wie Claude AI handelt es sich um einen Agenten, der Arbeitsabläufe so lange wiederholt, bis ein Stopp-Kriterium greift. Dabei lassen sich die Loops in vier verschiedene Kategorien einteilen:

• Schrittweise Loops: Der Nutzer stellt der KI eine Aufgabe, liest die Antwort, verbessert sie ggf. und das Modell versucht es erneut. Das Stopp-Kriterium ist, wenn der Nutzer mit der Antwort zufrieden ist.
• Ziel-Loops: Das klassische /goal – diese Loops stoppen bei einem prüfbaren Ziel oder einem Versuchslimit.
• Zeit-Loops: Diese Lopps laufen nach einem bestimmten Plan.
• Proaktive Loops: Diese Loops starten bei einem bestimmten Ereignis – etwa, indem ein Agent auf einen fehlgeschlagenen Test reagiert.

Das bedeutet nicht, dass Loops nun Prompts vollständig ersetzen. Den Loop beauftragt man per Prompt. Für einzelne Aufgaben kann meist auch noch immer ein sauberer Einzelprompt gewählt werden. Dabei richtet sich /goal laut OpenAI vor allem an lange, mehrschrittige Aufgaben. Für die Entwickler ist /goal eine Art „gezielter, benutzergesteuerter Erfüllungsvertrag“ – in etwa so kann die Technik verstanden werden.

Wie können Loops in der Praxis aussehen?

Ein konkretes Beispiel für eine Anwendungsmöglichkeit von Loops: Ich beauftrage meinen Agenten Rechnungen für mein Haushaltsbuch in eine Tabelle zu übertragen. In der Praxis passiert es nämlich häufig, dass man beim Übertragen solcher Daten einzelne Angaben vergisst. Um das zu verhindern, erhält die KI das Ziel, die Rechnungen iterativ zu überprüfen und in ein sauberes Format wie JSON oder eine Excel-Tabelle umzuwandeln.

Dafür kann ich ganz einfach meine Belege einen Monat lang sammeln und in Form von PDFs oder Fotos hochladen. Dann gebe ich der KI die Anweisung, alle hochgeladenen Belege in einer einzigen gemeinsamen Liste zusammenzufassen. Anschließend soll sie das Ergebnis zu prüfen, bis alles vollständig und korrekt übertragen worden ist.

Welche Hürden gibt es beim Loop Engineering?

In einer Auswertung des Newsletters „The Pragmatic Engineer“ wurden Antworten zu Fragen rund um Loop Engineering von mehr als 200 Entwicklern ausgewertet. In der Praxis dominierten dabei Ereignis- und Zeitplan-Loops. Die häufigsten Hürden:

1. Agenten tendieren dazu, bei langen Läufen abzudriften.
2. Die Loops verbrauchen große Mengen an Tokens, da jede Iteration den Agenten neu beansprucht.
3. Es wird immer noch ein Mensch im Loop benötigt, um zu prüfen, wann die KI einen Aussetzer hat, den sie selbst nicht bemerkt. Der Grund: Die KI kann zwar komplexe Aufgaben lösen, aber manchmal einfachste Logikfehler nicht erkennen.

Loops lohnen sich nicht immer

Wann du mit einem Loop Zeit und ggf. auch Geld sparen kannst, das entscheidet sich an einer einfachen Frage: Was erfährt das System nach dem nächsten Durchlauf, und wie verändert das den übernächsten? Sollte dir daraufhin nichts einfallen: Glückwunsch! Du benötigst keinen Loop. Ein einfacher Prompt reicht, um eine solide Antwort zu erhalten. Wichtig ist, inwiefern die KI autonom agieren kann und wie häufig ein Mensch eingreifen müsste. Das kann sich je nach Situation an verschiedenen Faktoren entscheiden. Sind beispielsweise Fehler irreversibel oder könnten dich teuer zu stehen kommen, muss menschliche Bestätigung vor der Aktion kommen.

So ist es sinnvoll, sich einfache, regelmäßige Aufgaben durch automatisierte Loops abnehmen zu lassen. Gleichzeitig ist es nicht sinnvoll, bei einer Arbeit, bei der sich kein sinnvoller Prüfmechanismus festlegen lässt, auf einen Loop zu setzen. Nicht alles muss zwingend automatisiert werden. Dennoch kann es sich lohnen, zu prüfen, ob sich etwas, das du in letzter Zeit häufig von Hand erledigen musstest, automatisieren lässt.

Hier findest du mehr Beiträge rund um KI:

• Nimmt der KI-Hype wieder ab? Darum ziehen jetzt Unternehmen die Reißleine
• KI-Manipulation: Wie Unternehmen mit Reddit-Kommentaren die KI-Suche gezielt manipulieren
• Kompetenzen veralten durch KI: Warum Weiterbildungen immer wichtiger werden
• Digitale Abhängigkeit: US-Konzerne beherrschen KI-Markt in Deutschland