Hör auf, Prompts zu schreiben – die offizielle Anleitung von Claude zeigt dir 4 Arten von Loops, um Aufgaben automatisch zu erledigen

Die eigentliche Schwelle für Loops liegt nicht darin, dass die KI ununterbrochen läuft, sondern dass sie selbst die Bremse betätigen kann.

„Ich schreibe keine Prompts mehr“ – dieser Satz macht derzeit in der KI-Branche die Runde.

Von Peter Steinberger, dem Vater von OpenClaw, der heute bei OpenAI an der nächsten Generation persönlicher Agenten arbeitet, bis hin zu Boris Cherny, dem Schöpfer von Claude Code – diese Schwergewichte aus dem Silicon Valley wenden sich gemeinsam dem Konzept der „Loops“ zu.

Addy Osmani, der Google-Ingenieur, der diesen Trend als „Loop-Engineering“ bezeichnet hat, gehört ebenfalls zu dieser Gruppe.

Cherny sagt, dass er selbst heute kaum noch manuell Prompts schreibt.

Ein Agent schreibt für ihn die Prompts für Claude, und er selbst spricht nur noch mit dem neuen Claude, der „alles koordiniert“.

Er hat zudem eine kühne Aussage gemacht: In zehn Jahren werden Loops und ähnliche Funktionen eines seiner stolzesten Arbeitsergebnisse sein.

Steinberger geht noch weiter: Hör auf, Prompts für Programmieragenten zu schreiben – du solltest stattdessen Loops entwerfen, die die Prompts für sie bereitstellen.

Auf X hat er zudem seinen eigenen Loop demonstriert: Er lässt Codex alle 5 Minuten aufwachen, um Code-Repositories automatisch zu warten und Aufgaben zu verteilen – einige Aufgaben werden vollständig autonom erledigt.

Was ist eigentlich dieser „Loop“, von dem die Experten ständig sprechen?

Kürzlich hat das Claude-Code-Team in seinem offiziellen Blog eine klare Definition dafür gegeben und vier verschiedene Loop-Typen vorgestellt – damit schaffen sie technische Regeln für die autonome Arbeit von Agenten.

Das Claude-Code-Team hat in einem Beitrag den „Loop“ offiziell definiert und vier typische Varianten unterschieden: rundenbasierte, zielgesteuerte, zeitgesteuerte und proaktive Loops.

Im Kern läuft das Ganze darauf hinaus: KI-Programmierung wandelt sich von „einem einzigen Satz schreiben“ zu „ein System entwerfen, das selbstständig läuft“.

Ein Prompt ergibt eine einzelne Antwort – ein Loop hingegen ergibt ein System, das für dich weiterarbeitet, auch wenn du den Laptop zugemacht hast.

Und Programmierer wandeln sich gerade von Leuten, die Inhalte schreiben, zu Leuten, die Systeme entwerfen.

Vier Loops, vier Arten von „Stoppbedingungen“

Was genau ist ein Loop eigentlich?

Auf X wurde lange darüber diskutiert, und die Antworten waren sehr unterschiedlich. Das Claude-Code-Team hat eine klare Definition vorgelegt:

Ein Loop ist ein Prozess, bei dem ein Agent Arbeit Schritt für Schritt wiederholt, bis eine Stoppbedingung ausgelöst wird.

Vier Loops bedeuten also vier verschiedene „Stoppbedingungen“ – dieser Satz ist der Schlüssel zum Verständnis dieses technischen Blogbeitrags von Claude Code über Loops.

Unter Berücksichtigung von Dimensionen wie „wie wird er ausgelöst, wie stoppt er, welche Grundfunktionen nutzt er und für welche Aufgaben eignet er sich“ teilt Claude Code Loops in vier Typen ein.

Der erste Typ ist der rundenbasierte Loop (turn-based).

Rundenbasierter Loop: Der Mensch steuert Schritt für Schritt, jeder Prompt startet eine neue Runde. (Quelle: Offizieller Claude-Blog)

Der Mensch hat die volle Kontrolle: Du schreibst einen Satz, die KI führt eine Runde aus, du prüfst das Ergebnis und schreibst den nächsten Satz – du behältst die ganze Zeit das Steuer. Er eignet sich für verstreute kurze Aufgaben, die nicht in einen festen Ablauf oder Zeitplan eingebunden sind.

Um die Anzahl der Hin und Her zu reduzieren, kannst du die Schritte deiner üblichen manuellen Überprüfung in eine Datei namens SKILL.md schreiben, sodass die KI die Ergebnisse selbst prüfen kann.

Je quantifizierbarer die Überprüfung ist, desto besser kann die KI selbst beurteilen, ob sie die Aufgabe richtig erledigt hat – und desto weniger musst du eingreifen.

Der zweite Typ ist der zielgesteuerte Loop (/goal).

Zielgesteuerter Loop: Ein Evaluierungsmodell prüft anhand von Standards und schickt die Aufgabe zurück, wenn sie nicht erfüllt ist. (Quelle: Offizieller Claude-Blog)

Zuerst definierst du das Ziel klar, zum Beispiel: „Erreiche einen Lighthouse-Score von über 90 für die Startseite und höre nach 5 Versuchen auf.“

Jedes Mal, wenn Claude aufhören möchte, vergleicht ein Evaluierungsmodell das Ergebnis mit deinen Standards. Wenn das Ziel nicht erreicht ist, geht die Aufgabe zurück zur Bearbeitung – bis das Ziel erfüllt ist oder die von dir festgelegte Anzahl an Runden abgelaufen ist.

Quantifizierbare Kriterien wie die Anzahl bestandener Tests oder Schwellenwerte für Punktzahlen sind nützlich, weil Claude nicht selbst darüber nachdenken muss, „ob es gut genug ist“ – der Evaluator entscheidet für es. Es stoppt nicht zu früh mit dem Gedanken „das sollte reichen“, und der Loop kann sauber abgeschlossen werden.

Der dritte Typ ist der zeitgesteuerte Loop (/loop und /schedule).

Er wird in festen Zeitintervallen ausgelöst, wie ein Wecker. Einige Aufgaben sind wiederkehrend, die Aufgabe selbst bleibt gleich, nur die Eingaben ändern sich – zum Beispiel das tägliche Zusammenfassen von Slack-Nachrichten am Morgen.

Einige Aufgaben erfordern die Überwachung externer Systeme. Die einfachste Methode ist, in Zeitintervallen nachzusehen, was sich geändert hat, und dann zu reagieren – zum Beispiel bei einem PR, der entweder eine Bewertung erhält oder bei dem die CI fehlschlagen kann.

Mit /loop kannst du einen Prompt in festen Abständen erneut ausführen. Wenn du möchtest, dass er auch nach dem Herunterfahren deines Computers weiterläuft, nutze /schedule, um den Loop in die Cloud zu verlegen.

Diese Logik ist fast identisch mit den zeitgesteuerten Aufgaben (cron), die Programmierer bereits kennen.

Der vierte Typ ist der proaktive Loop (proactive).

Proaktiver Loop: Ausgelöst durch Ereignisse oder Zeit, läuft vollständig unbeaufsichtigt, bis du ihn manuell beendest. (Quelle: Offizieller Claude-Blog)

Ausgelöst durch Ereignisse oder Zeit, läuft er vollständig unbeaufsichtigt.

In Kombination mit dem Auto-Modus und dynamischen Workflows werden lange Aufgaben vollständig automatisiert: Jede Stunde wird der Feedback-Kanal durchsucht. Wenn ein Bug-Bericht eingeht, wird automatisch die Triage, Behebung und Antwort ausgeführt – der gesamte Ablauf läuft ohne Unterbrechungen, um dich nach Berechtigungen zu fragen.

Jede Aufgabe wird beendet, sobald ihr Ziel erreicht ist, während die gesamte Routineaufgabe so lange läuft, bis du sie manuell stoppst. Er eignet sich für fortlaufende Aufgaben mit klaren Grenzen: Bug-Meldungen, Problemklassifizierung, Abhängigkeitsaktualisierungen.

Vier Loops bedeuten im Grunde vier Antworten auf die Frage „Wann sollte ich aufhören?“: Der Mensch entscheidet, der Evaluator entscheidet, die Zeit entscheidet oder ein Ereignis entscheidet.

Schauen wir uns die Sache noch eine Ebene tiefer an.

Laut der offiziellen Agent-SDK-Dokumentation ist der Kern dieses Mechanismus sehr einfach:

Claude wertet deinen Prompt aus, ruft Tools auf, um Aktionen auszuführen, holt sich die Ergebnisse zurück und wiederholt das Ganze – bis in einer Runde keine weiteren Tools mehr aufgerufen werden. Erst dann endet der Loop.

Der Agent-Loop aus der offiziellen Claude-Code-Agent-SDK-Dokumentation: Nachdem der Prompt eingegangen ist, wertet Claude ihn aus, ruft Tools auf, leitet die Ergebnisse zurück zur erneuten Auswertung – bis in einer Runde keine Tools mehr aufgerufen werden, bevor die endgültige Antwort ausgegeben wird. (Quelle: Offizielle Claude-Code-Dokumentation)

Ein autonomer Agent ist im Grunde nichts anderes als ein solcher Kreislauf.

Was sich wirklich ändert, ist nicht der Loop selbst

Natürlich kann man das „Entwerfen von Loops“ nicht als Revolution von Grund auf bezeichnen.

Zeitgesteuerte Aufgaben, Orchestrierung und Feedback-Loops gibt es schon lange. Was Claude hier getan hat, ist mehr, sie einheitlich zu benennen und in ein Klassifizierungssystem zu bündeln.

Was hat sich dann wirklich geändert? Der Schwerpunkt liegt auf der „Stoppbedingung“.

Unter allen praktischen Tipps, die Claude Code offiziell zusammengefasst hat, wurde einer besonders hervorgehoben und als „wertvollster Hinweis“ markiert: die Überprüfung (Verification).

Gib Claude eine Möglichkeit, seine eigenen Ergebnisse selbst zu prüfen.

Das Prinzip ist leicht verständlich.

Stell dir vor, du lässt einen Entwickler eine Webseite erstellen, gibst ihm aber keinen Browser – wird die Seite gut aussehen? Mit Browser kann er jede Änderung sofort sehen und so lange anpassen, bis er zufrieden ist.

Die Stärke von Modell-Loops liegt genau in dieser Fähigkeit, „sich selbst zu schließen“.

In diesem Prozess verschwinden Prompts nicht – sie werden lediglich zu einer Komponente innerhalb des Loops.

Der eigentliche Kern wird stattdessen die Gestaltung von Stoppbedingungen, die Gestaltung von Prüfwerkzeugen (Verifier), die Kontrolle des Token-Budgets und Strategien für mehrstufige Ausführungen.

Loops ohne Bremse sind leistungsstark, aber gefährlich

Bedeutet ein Loop, dass du die KI einfach den ganzen Tag lang selbstständig arbeiten lassen kannst?

Natürlich nicht.

Das erste Hindernis ist das Geld. Ein Loop ohne Obergrenze kann deine Token-Kosten explodieren lassen.

Berichten zufolge bezeichnet sich Steinberger selbst als „Mann mit unbegrenzten Token“, weil kostenlose Token einer der Vorteile seiner Arbeit bei OpenAI sind. Normale Nutzer haben diesen Vorteil nicht.

Das zweite Problem ist weniger offensichtlich. Agenten können in eine Endlosschleife geraten, in der sie „scheinbar Fortschritt machen, aber eigentlich auf der Stelle treten“: Sie ändern immer wieder dieselbe Datei, schaffen es aber nicht, einen neuen erfolgreichen Test zu erreichen.

Sie können sogar voller Zuversicht eine falsche Lösung immer weiter „vervollständigen“.

In der Ingenieurgemeinschaft herrscht der klare Konsens: Loops sind leistungsstark, aber ohne Bremse (Gating Condition) sind sie gefährlich.

In technischen Diskussionen auf Reddit hat jemand die notwendigen Bremsen auf drei Punkte zusammengefasst – diese müssen bereits vor dem Schreiben des Loops entworfen werden.

Done-Bedingung: Muss maschinenlesbar und prüfbar sein, zum Beispiel wenn alle Tests erfolgreich sind oder eine bestimmte Spezifikation abgeschlossen ist;

Harte Obergrenze: Einschließlich der maximalen Rundenzahl und der maximalen Kosten, um Kostenkontrollverlust und Endlosschleifen zu verhindern;

Erkennung von fehlendem Fortschritt: Sobald erkannt wird, dass der Agent immer wieder dieselben Dateien berührt, aber keine neuen erfolgreichen Tests erzielt, wird er zwangsweise angehalten.

Die offizielle Seite hat zudem eine ganze Reihe von Spartipps gegeben:

Für kleine Aufgaben solltest du nicht auf mehrere Agenten gleichzeitig setzen;

Wenn du kleine, günstige und schnelle Modelle nutzen kannst, musst du nicht immer das stärkste Modell verwenden;

Führe vor großangelegten Ausführungen zuerst einen kleinen Testlauf durch;

Überlasse deterministische Aufgaben Skripten – das Ausführen von Skripten ist viel günstiger, als das Modell Schritt für Schritt zu überlegen;

Führe Routineaufgaben nicht häufiger aus als nötig.

Ein Loop ist also ein umfassendes Konzept, um die KI „unter Kontrolle zu halten“ – nicht um sie „ohne Aufsicht herumlaufen zu lassen“.

Das bestimmt auch, dass er derzeit am besten für strukturierte Aufgaben mit klaren Grenzen geeignet ist, nicht für freie, unkonventionelle Kreativarbeit.

Früher zählte, wer gut formulieren kann – heute zählt, wer Systeme bauen kann

In dieser aktuellen Veränderung verschiebt sich der Schwerpunkt der Programmierung: Von der „Inhaltsgestaltung“ hin zur „Gestaltung von Verhaltenssystemen“.

Früher hast du den Inhalt einer einzelnen Anweisung entworfen