JENSEN HUANG NEUES INTERVIEW: DAS BETRIEBSSYSTEM DER NÄCHSTEN GENERATION VON SOFTWAREUNTERNEHMEN IST HARNESS

In seinem neuesten 26-minütigen Interview erwähnte Jensen Huang weder GPU noch Rechenleistung, sondern sprach nur über eines: Programmierer sollten sich vom reinen Schreiben von Code abwenden und sich der „Erstellung von Agenten“ widmen. Mit der Optimierung von LangChain unter Einsatz von Nemotron 3 Ultra und Harness erreichte der Deep-Agents-Benchmark einen Wert von 0,86 – nur 0,01 unter dem Spitzenwert – während die Kosten pro Durchgang von 43,48 US-Dollar auf 4,48 US-Dollar sanken. Das Modell selbst blieb unverändert; das System um das Modell herum hat sich verändert.

26 Minuten ohne ein Wort über GPUs: Wovor hat Jensen Huang Angst?

In seinem jüngsten öffentlichen Interview erwähnte Jensen Huang nicht ein einziges Mal GPUs, Rechenleistung oder neue Modellparameter.

Er sprach 26 Minuten lang mit Harrison Chase, dem Gründer von LangChain, und das Thema war nur eines: Wo sollten Unternehmen ihre technischen Ressourcen konzentrieren, wenn Agenten beginnen, tatsächlich Werkzeuge zu nutzen und Abläufe für Menschen auszuführen?

Seine Antwort war direkt: Schreibe weniger redundanten Code und baue mehr Agenten, die Aufgaben zu Ende bringen können.

Das ist kein bloßer Slogan. Jensen Huang verglich das Schreiben von Code mit dem Tippen: Tippfertigkeit ist wichtig, aber nicht das gesamte Werk eines Schriftstellers. Ebenso bleibt das Schreiben von Python-Code zwar relevant, bedeutet aber nicht mehr, dass man ein vollständiges Agentensystem fertiggestellt hat.

Ingenieure müssen zudem entscheiden, was ein Agent sehen kann, auf welche Werkzeuge er zugreifen darf, wie er nach einem Fehler wiederhergestellt wird und wer seine Ergebnisse prüft.

Codegenerierung löst nur das Problem des „Schreibens“. Das Agenten-Engineering muss zudem sicherstellen, dass „es läuft, es richtig macht, bei Fehlern stoppt und der Ablauf nachvollziehbar ist“.

Harness: Das vernachlässigte „Arbeitsgerüst“ um das Modell herum

Jensen Huang wiederholt ständig einen Begriff: Harness.

Es umfasst Prompts, Werkzeugbeschreibungen, Gedächtnis, Kontextverwaltung, Aufgabenzerlegung, Wiederholungsmechanismen, Bewertungen und Zugriffssteuerung. Das Modell übernimmt das Schlussfolgern, während Harness dafür sorgt, dass diese Schlussfolgerungen zu prüfbaren Arbeitsergebnissen werden.

Aus öffentlichen Quellen geht hervor, dass LangChain Nemotron 3 Ultra für den Deep-Agents-Benchmark einsetzte, ohne die Modellgewichte neu zu trainieren – es passte lediglich die systemweiten Prompts, Werkzeugbeschreibungen und Middleware an.

Das Ergebnis: Die Bewertungsleistung stieg vom Ausgangswert auf 0,86, während das beste geschlossene Modell bei 0,87 liegt.

Der Unterschied beträgt nur 0,01.

Gleichzeitig sanken die Kosten pro Testdurchgang von 43,48 US-Dollar auf 4,48 US-Dollar – fast zehnmal günstiger.

Diese Grafik zeigt: Derselbe Modell erreicht unterschiedliche Leistungsniveaus, je nachdem, in welches Harness es eingebettet wird. Beim Vergleich von Agentensystemen reicht es nicht mehr, nur die Modell-Bestenlisten zu betrachten.

Für Entwicklungsteams werden Ausführungspfade genauso wichtig wie Testprotokolle. Sie zeigen, wo Punkte verloren gegangen sind, und machen es möglich, einen zufälligen Fehler in einen neuen Regressionstest zu verwandeln.

Die langfristig gesammelten Prompts, Werkzeugschnittstellen, Ablaufprotokolle und Bewertungsdatasets werden allmählich zu einem technischen Vermögenswert des Unternehmens für die Agentenentwicklung.

Zehnmal günstiger verändert nicht nur die Rechnung, sondern die gesamte Entwicklungsmethodik

Jensen Huang betonte, dass sinkende Kosten nicht nur dieselben Aufgaben billiger machen, sondern die Entwicklungsmethodik selbst verändern.

Ein Agent braucht für eine einzelne Aufgabe oft mehrere Schlussfolgerungsdurchgänge, nutzt verschiedene Werkzeuge und probiert ggf. parallel unterschiedliche Wege aus. Wenn jeder Versuch teuer ist, reduzieren Teams von sich aus Bewertungen und Experimente.

Die erste Fähigkeit, die durch niedrigere Kosten entsteht, ist „mehr ausprobieren“ – man kann gleichzeitig Modelle, Prompts, Werkzeuge und Wiederholungsstrategien vergleichen.

Die zweite ist „regelmäßig testen“: Bewertungen werden in die tägliche Entwicklung und die Produktionsüberwachung integriert.

Die dritte und letzte ist „breiter bereitstellen“: Agenten, die früher nur wenige hochwertige Aufgaben übernehmen konnten, werden auf viele spezialisierte Abläufe ausgeweitet.

Eine logische Schlussfolgerung: Wenn die Optimierungskosten für das Harness offener Modelle niedrig genug sind, werden Unternehmen dazu neigen, „zuerst mit fortschrittlichen Modellen die Grenzen auszuloten und dann häufige Aufgaben zu spezialisierten Lösungen umzuwandeln“.

Wenn ein Problem neu auftritt und die Grenzen noch unklar sind, eignen sich fortschrittliche Modelle, um das Leistungspotenzial zu erkunden. Sobald eine Aufgabe regelmäßig anfällt und die Prüfkriterien stabil werden, kann man sie zu einem kostengünstigeren, spezialisierten Agenten weiterentwickeln.

Diese „Spezialisierung“ findet nicht nur in den Modellgewichten statt.

Was den echten Vorsprung ausmacht, sind die firmeneigenen Werkzeugbeschreibungen, Fachbegriffe, Zugriffsgrenzen, historischen Ablaufprotokolle und Prüfdaten. Gemeinsam bestimmen sie, ob ein Agent das Unternehmen wirklich versteht.

Zukünftige Unternehmen bauen auf Harness auf – aber Zugangsdaten dürfen nicht direkt an Agenten übergeben werden

Jensen Huang äußerte eine radikalere These: Zukünftige Unternehmen werden immer mehr Funktionen auf Harness aufbauen.

Früher schrieben Unternehmen ihre Abläufe in ERP-, CRM-Systeme und feste Genehmigungsregeln. Im Agentenzeitalter werden einige Abläufe zu „Ziel, Werkzeugen, Berechtigungen und Prüfkriterien vorgeben – und das System den Weg planen lassen“. Harness ist das neue Gefäß, das diese Geschäftsregeln aufnimmt.

Das erklärt auch, warum der offene Software-Stack immer wieder betont wird: Unternehmen wollen die Kontrolle über ihre eigenen Gedächtnisdaten, Ablaufprotokolle, Bewertungsdatasets und Optimierungsdaten behalten – und entscheiden, auf welcher Infrastruktur sie laufen.

Aber wenn ein Agent auf Endgeräte, Datenbanken und interne APIs zugreifen kann, ist er nicht mehr nur ein Chatbot, sondern ein Softwareprozess mit Handlungsfähigkeit.

Das NemoClaw-Framework kombiniert Deep Agents Code, Nemotron 3 Ultra und die OpenShell-Laufzeitumgebung. Das Modell übernimmt das Schlussfolgern, Harness die Aufgabenorganisation, und OpenShell führt Code in einer Sandbox aus, wobei Netzwerkzugriff, Zugangsdaten, Dateien und Protokolle jeweils mit eigenen Sicherheitsrichtlinien abgesichert werden.

Jensen Huangs klare Grundregel: Agenten sollten niemals dauerhafte Zugangsschlüssel direkt erhalten. Stattdessen soll die Laufzeitumgebung Berechtigungen je nach aktueller Aufgabe und Richtlinie vorübergehend verleihen – sodass der Agent nur auf die notwendigen Ressourcen zugreift, solange und soweit es erforderlich ist.

In der praktischen Umsetzung müssen mindestens vier Fragen beantwortet werden: In wessen Namen handelt der Agent, welche Befehle darf er ausführen, wie stoppt oder rollt er nach einem Fehler zurück, und wer kann den vollständigen Ablauf nachvollziehen?

Ohne diese Grenzen wird das Risiko mit steigender Leistungsfähigkeit des Agenten immer größer.

Agenten sind keine Kollegen – sie sind zuerst kontrollierbare Software

Harrison Chase stellte eine heikle Frage: Inwieweit sollten wir Agenten vermenschlichen, wenn sie in natürlicher Sprache zusammenarbeiten und sich zunehmend wie Menschen verhalten?

Jensen Huangs Antwort war sachlich: Natürliche Sprache erleichtert die Interaktion, darf aber die Verantwortlichkeitsgrenzen nicht verwischen. Ein Agent kann Rollen und Namen haben – aber er darf nicht allein wegen seiner selbstsicheren Ausdrucksweise als richtig angesehen werden, und er darf nicht nur weil er „wie ein Kollege“ wirkt, Prüfungen und Zugriffskontrollen umgehen.

Ob ein Agent eine Aufgabe erledigt hat, muss anhand externer Beweise nachgewiesen werden: Haben die Tests bestanden, entspricht der Code-Diff den Erwartungen, sind die Daten korrekt geschrieben und sind die Genehmigungsprotokolle vollständig?

Die Aussage „Ich habe es erledigt“ ist nur eine Ausgabe, die noch überprüft werden muss.

Vermenschlichung kann Teams helfen, die Zusammenarbeit zu verstehen – aber im technischen Management muss es entpersonalisiert bleiben: Jeder Werkzeugaufruf ist mit einer Identität verknüpft, jede risikoreiche Aktion unterliegt Richtlinien, und jedes Endergebnis hat einen Prüfmechanismus.

Gerüchten aus der Community zufolge experimentieren einige Unternehmen bereits damit, Agenten „virtuelle Mitarbeiternummern“ und „Berichtsstrukturen“ zuzuweisen. Aus öffentlichen Quellen geht aber hervor, dass diese Ansätze noch im experimentellen Stadium stecken und keinen Branchenstandard darstellen.

Die Aufgabenliste der Programmierer wird neu sortiert

Jensen Huang beurteilt die Beschäftigungsfrage nach seiner üblichen Versorgungslogik: Wenn die Kosten für die Erstellung digitaler Dienste sinken, gibt sich die Gesellschaft nicht mit der bisherigen Menge zufrieden – es entstehen neue Anforderungen, die früher zu teuer waren oder keine Priorität hatten.

Für Programmierer ändert sich nicht, ob es noch Code zu schreiben gibt – sondern die Reihenfolge der Aufgaben.

Standardcode, Formatumwandlungen und wiederholtes Debuggen werden zunehmend von Agenten übernommen. Aufgaben wie die Definition von Anforderungen, Systemdesign, Aufbau von Bewertungsverfahren, Zugriffsverwaltung und Fehlerbehandlung gewinnen an Bedeutung.

Diese Einschätzung garantiert nicht, dass jede Stelle genau so bleibt wie früher. Mit der Ausweitung der Softwareversorgung verlagert sich die Arbeit von „jeden Schritt selbst erledigen“ hin zu „ein System entwerfen, das Aufgaben dauerhaft zu Ende bringt“.

Ob ein Einzelner davon profitiert, hängt davon ab, ob er diesen Rollenwandel meistern kann.

Was fehlt, ist nicht ein besseres Modell – sondern ein vollständiger Agenten-Stack

Zusammengenommen ergibt Jensens Interview ein umfassendes Bild des Engineerings:

Modelle übernehmen das Schlussfolgern, Harness die Planung, das Gedächtnis und die Werkzeugsteuerung, die Laufzeitumgebung die Isolierung und Ausführung – und Bewertungen sowie Sicherheitsmechanismen sichern die Prüfung der Ergebnisse ab.

Fehlt eine dieser Ebenen, bleibt der Agent oft nur eine Demonstration und gelangt nicht in die Produktion.

Dieses Struktur gibt Teams auch die richtige Reihenfolge der Umsetzung vor: Zuerst baut man Bewertungen anhand echter Aufgaben auf, dann lässt man Modell und Harness laufen. Danach ergänzt man Sandboxes, Identitätsverwaltung, Protokolle und menschliche Eingriffsmöglichkeiten. Erst zuletzt skaliert man die Bereitstellung und optimiert die Kosten.

Modelle werden weiter leistungsfähiger – aber was Unternehmen langfristig aufbauen müssen, ist die technische Umgebung um das Modell herum, die mit ihren eigenen Daten, Werkzeugen und Verantwortlichkeitsgrenzen verknüpft ist.

Das Harness, von dem Jensen Huang spricht, könnte die wichtigste Infrastrukturebene der nächsten Generation von Softwareunternehmen werden.

Schlusswort

Das Bemerkenswerteste an diesem Interview ist, dass es die Diskussion von „Welches Modell ist stärker?“ zurück zu „Wie baut man das richtige System?“ lenkt.

Die Bewertungsdaten von LangChain liefern ein konkretes Beispiel: 0,86 gegenüber 0,87, 4,48 US-Dollar gegenüber 43,48 US-Dollar. Der Unterschied liegt nicht im Modell, sondern im Harness.

Wenn Agenten von Demo-Umgebungen in die echte Produktion übergehen, verlagert sich der Kern des Wettbewerbs von „Welches Modell nutze ich?“ zu „Kann ich meine Geschäftsabläufe, Zugriffsgrenzen und Prüfkriterien stabil in ein iterierbares, prüfbares und verantwortbares System einbetten?“.

Harness ist genau dieses Gefäß. Wer es zuerst aufbaut, kann Agenten wirklich produktiv machen – statt sie nur in Chatfenstern zu sehen.