Du bittest eine KI, einen Blogbeitrag vorzubereiten. Sie schreibt den Text, legt einen Entwurf in WordPress an und fügt Bilder ein. Hinter diesem Ablauf stecken gleich mehrere Dinge, die in KI-Diskussionen schnell durcheinandergeraten. Da ist vom Agenten die Rede, von MCP, von Skills und manchmal auch vom Harness. Was davon macht eigentlich was?
Hier sind acht Begriffe, die dir helfen, solche Funktionen einzuordnen. Los geht’s mit dem Teil, der ein Sprachmodell überhaupt erst mit Werkzeugen verbindet.
1. Harness – der Rahmen ums Modell
Ein KI-Modell kann dir einen Vorschlag für eine Codeänderung machen. Damit es die Datei bearbeiten und anschließend die Tests starten kann, braucht es eine Umgebung, die ihm genau diese Werkzeuge zur Verfügung stellt. Diese Software rund ums Modell heißt Harness. Sie verwaltet auch, welche Anweisungen das Modell bekommt, worauf es zugreifen darf und wann es nachfragen soll.
Als Faustregel kannst du dir merken: Agent = Modell + Harness. Zwei Programme können dasselbe Modell nutzen und bei derselben Aufgabe unterschiedlich gut abschneiden. Vielleicht kann das eine Programm nur Dateien lesen, während das andere Änderungen vornehmen und das Ergebnis gleich testen kann.
Wie sich das auswirkt, merkst du etwa in einem Git-Projekt. Das Modell schlägt vor, die Testdatenbank zu leeren. Die Laufzeitumgebung kann den Befehl in einer isolierten Testumgebung erlauben und den Zugriff auf die echte Datenbank sperren. Solche Grenzen greifen bei der Ausführung, auch wenn das Modell den Unterschied im Einzelfall übersieht.
OpenAI über Harness Engineering
2. KI-Agenten – ein Auftrag, mehrere Schritte
Stell dir vor, du möchtest eine Bestellung zurückgeben. Ein Agent könnte die Bestellung suchen, die Rückgabefrist prüfen und einen Antrag vorbereiten. Wenn für das Abschicken deine Freigabe nötig ist, hält er an dieser Stelle an.
Das Besondere daran ist, dass der Agent seinen nächsten Schritt am Ergebnis des vorherigen ausrichten kann. Findet er zwei passende Bestellungen, kann er zum Beispiel nach der Bestellnummer fragen. Wie weit er kommt, hängt davon ab, welche Werkzeuge und Berechtigungen er hat.
Ein fest programmierter Workflow kann ebenfalls mehrere Schritte abarbeiten. Bei einer Rückgabe könnte er immer dieselben Felder prüfen und nach festen Regeln ein Ticket anlegen. Ein Agent hat mehr Spielraum bei der Wahl seiner Schritte. Das hilft, wenn zum Beispiel ein Teil der Bestellung fehlt und er erst herausfinden muss, welche Informationen er noch braucht.
Anthropic über den Aufbau von KI-Agenten
3. MCP – eine gemeinsame Schnittstelle für KI-Apps
MCP steht für Model Context Protocol. Stell es dir wie USB-C für KI-Apps vor. Eine App und ein Dienst, die beide MCP unterstützen, können sich über eine gemeinsame Schnittstelle verbinden. Ein MCP-Server kann zum Beispiel eine Suche im Firmenwiki oder das Anlegen eines Tickets anbieten.
Welche Funktionen verfügbar sind, hängt vom jeweiligen Server und deinen Berechtigungen ab. Wenn ein Tool mit „MCP-Unterstützung“ wirbt, lohnt sich deshalb die Frage, welche deiner Dienste du damit verbinden kannst und welche Aktionen die Verbindung erlaubt.
Die KI-Anwendung ist dabei die anfragende Seite. Sie kann beim verbundenen Server abfragen, welche Werkzeuge er anbietet und welche Angaben sie für einen Aufruf liefern muss. Ein Ticket-Werkzeug könnte etwa einen Titel und eine Projekt-ID verlangen. Der Server übersetzt den Aufruf dann in die Aktion im Ticketsystem.
Ob du über dieselbe Verbindung Tickets auch schließen kannst, ist eine eigene Frage. Dafür muss der Server diese Aktion anbieten und dein Zugang sie erlauben. Eine Verbindung, die nur lesen darf, reicht aus, wenn der Assistent lediglich offene Tickets zusammenfassen soll.
4. Loop Engineering – wann soll der Agent weitermachen?
Ein Coding-Agent ändert eine Datei, startet die Tests, liest die Fehlermeldung und versucht es erneut. Diese Schleife ist hilfreich, solange jeder Versuch neue Informationen liefert. Führt er immer wieder denselben erfolglosen Schritt aus oder meldet er nach dem ersten Versuch schon Erfolg, fehlt eine gute Regel fürs Weitermachen und Aufhören.
Loop Engineering meint die Gestaltung dieser Schleife. Du kannst zum Beispiel festlegen, welche Tests für einen erfolgreichen Abschluss durchlaufen müssen. Wenn nach drei Versuchen derselbe Fehler auftritt, soll der Agent anhalten und erklären, woran er hängt. Je nach Aufgabe können auch Zeit- oder Kostenlimits sinnvoll sein.
Entscheidend ist, welche Rückmeldung in den nächsten Versuch eingeht. „Test fehlgeschlagen“ sagt wenig. Die konkrete Meldung „Beitrag gespeichert, aber ohne Bilder“ gibt dem Agenten einen Ansatzpunkt. Er kann dann prüfen, ob die Bilder hochgeladen wurden oder ob beim Speichern ihre Zuordnung fehlte.
Gerade bei Schreibaktionen kommt noch eine Frage dazu: Was ist beim letzten Versuch bereits passiert? Wenn WordPress beim Anlegen eines Entwurfs zu spät antwortet, kann der Entwurf trotzdem gespeichert sein. Vor einem erneuten Versuch sollte der Agent nachsehen, ob der Beitrag schon existiert. Sonst entstehen leicht zwei Entwürfe für dieselbe Aufgabe.
Addy Osmani über Loop Engineering
5. Skills – eine Anleitung, die du wiederverwenden kannst
Ein Skill ist eine gespeicherte Arbeitsanleitung für eine bestimmte Aufgabe. Für eine Reisekostenabrechnung könnte darin stehen, welche Spalten gebraucht werden, wie die Ausgaben gruppiert werden und was bei einem fehlenden Beleg zu tun ist.
Im offenen Agent-Skills-Format steckt die Anleitung in einer Datei namens SKILL.md. Vorlagen, Skripte und Referenzen können dazukommen. Die Kurzbeschreibung hilft dem Agenten dabei, den passenden Skill zu finden und bei Bedarf die Anleitung zu laden. Bei einem Monatsbericht kann zum Beispiel MCP den Zugriff auf die Tabelle liefern. Der Skill beschreibt, wie daraus der Bericht entsteht.
Der Vorteil zeigt sich, sobald sich der Ablauf ändert. Wenn ab nächsten Monat eine Spalte für die Kostenstelle Pflicht ist, passt du die Anleitung und die Vorlage an einer Stelle an. Beim nächsten Bericht kann der Agent die neue Regel direkt anwenden und prüfen, ob die Spalte ausgefüllt ist. Seine Zugriffsrechte auf die Tabelle werden separat vergeben.
6. GEO und AEO – wie Inhalte in Antworten auftauchen
Angenommen, du suchst eine Buchhaltungssoftware für einen kleinen Verein. In einer klassischen Suchmaschine bekommst du eine Trefferliste. Ein KI-Suchdienst kann dir direkt ein paar Programme nennen und im besten Fall die Quellen dazu verlinken. Für Websitebetreiber kommt damit eine Frage hinzu: Taucht mein Inhalt in solchen Antworten auf?
GEO (Generative Engine Optimization) befasst sich mit der Sichtbarkeit in generierten Antworten. AEO (Answer Engine Optimization) legt den Schwerpunkt auf Inhalte, die sich für direkte Antworten eignen, auch in klassischen Suchmaschinen. Die Begriffe überschneiden sich. Klare Erklärungen, genaue Angaben und überprüfbare Quellen helfen Lesern und machen es leichter, den Inhalt korrekt wiederzugeben. Ob ein Dienst die Seite tatsächlich zitiert, bleibt offen.
Ein Beispiel für eine Produktseite: Statt nur „ideal für Vereine“ zu schreiben, kannst du erklären, ob mehrere Personen mitarbeiten können, welche Exportformate es gibt und ab welchem Tarif die Funktion verfügbar ist. So kann jemand, der nach „Buchhaltungssoftware für Vereine mit CSV-Export“ fragt, die Eignung anhand konkreter Angaben prüfen.
Microsoft Advertising zu AEO und GEO
7. Computer Use – klicken, tippen und scrollen
Bei Computer Use bedient die KI eine Benutzeroberfläche. Sie wertet beispielsweise einen Screenshot aus, klickt auf ein Feld, tippt etwas ein und prüft anschließend, was auf dem Bildschirm passiert. So kann sie etwa ein Buchungsformular vorbereiten, auch wenn der Anbieter keine passende Programmierschnittstelle dafür anbietet.
Dabei kann die KI ein Feld falsch lesen oder auf den falschen Knopf klicken. Bei einer Buchung ist es daher sinnvoll, dass sie vor dem Absenden anhält. So kannst du Datum, Preis und Empfänger prüfen.
Eine Programmierschnittstelle liefert etwa eine Bestellnummer als eigenes Datenfeld. Auf dem Bildschirm muss der Agent sie erst zwischen anderen Nummern erkennen. Verschiebt ein neues Layout den Button oder verdeckt ein Hinweis das Formular, muss er die Oberfläche neu einordnen. Daran siehst du, warum derselbe Ablauf auf einer anderen Bildschirmgröße schon anders laufen kann.
8. AGI und Superintelligenz – wie breit und wie gut?
AGI steht für Artificial General Intelligence, also allgemeine künstliche Intelligenz. Gemeint ist meist eine KI, die viele verschiedene geistige Aufgaben auf einem mit Menschen vergleichbaren Niveau bewältigen könnte. Bei Superintelligenz läge die Leistung über ein breites Spektrum hinweg deutlich über der menschlichen.
Wo genau die Schwelle zur AGI liegt, ist umstritten. Ein Forschungsrahmen von Google DeepMind unterscheidet zwei Fragen: Wie viele verschiedene Aufgaben beherrscht ein System, und wie gut ist es darin? Ein Modell, das hervorragend programmiert, kann bei anderen Aufgaben trotzdem Schwierigkeiten haben. Bei einer großen Ankündigung lohnt sich deshalb der Blick darauf, welche Fähigkeiten tatsächlich gezeigt wurden.
Auch gute Testergebnisse brauchen Kontext. Wenn ein System in einem Mathetest stark abschneidet, sagt das zunächst etwas über die Aufgaben in diesem Test aus. Für die Frage nach allgemeiner Intelligenz wäre außerdem wichtig, wie gut es sich in neue Aufgaben einarbeitet und ob es das Gelernte auf andere Bereiche übertragen kann.
Google DeepMind: Levels of AGI
Wenn dir das nächste KI-Tool einen Agenten verspricht, frag nach einem konkreten Beispiel. Was kann er selbst erledigen? Worauf braucht er Zugriff? Und an welcher Stelle musst du übernehmen? Damit lässt sich oft schneller einschätzen, ob dir das Tool im Alltag etwas bringt.
Wenn du sehen möchtest, wie KI bei konkreten Aufgaben hilft, findest du hier zehn praktische KI-Anwendungsfälle für den Büroalltag.
