Loop Engineering statt Prompting: Anleitung mit Praxisbeispielen

Worum es geht

Viele Menschen behandeln generative KI noch wie einen Getränkeautomaten: Aufgabe eingeben, Antwort entnehmen, fertig. Wenn das Ergebnis nicht passt, wird der Prompt länger. Das kann bei kleinen Fragen funktionieren. Bei Software, Analysen, Texten oder Geschäftsprozessen scheitert es jedoch oft daran, dass Qualität nicht in einem einzigen Versuch entsteht.

Loop Engineering setzt an dieser Stelle an. Gemeint ist kein offiziell normierter Fachbegriff und auch keine neue Modelltechnik. Es ist eine Arbeitsweise: Ein Mensch oder ein KI-Agent erzeugt ein Zwischenergebnis, prüft es gegen klare Kriterien, sammelt Fehler und startet mit diesem Feedback den nächsten Durchlauf. Der Schwerpunkt verschiebt sich vom Formulieren eines möglichst schlauen Prompts zum Entwerfen eines verlässlichen Verbesserungskreislaufs.

Was Loop Engineering tatsächlich macht

Ein brauchbarer Loop besteht aus sechs Teilen:

1. Ziel definieren: Was soll am Ende nachweisbar wahr sein? „Schreibe eine gute Landingpage“ ist zu weich. „Erkläre das Produkt in höchstens 180 Wörtern, nenne drei belegte Vorteile und bestehe den Rechtschreibcheck“ ist prüfbar.
2. Kontext bereitstellen: Quellen, Dateien, Regeln, Zielgruppe und erlaubte Werkzeuge gehören in den Arbeitsraum. Ein Modell kann fehlende Fakten nicht zuverlässig erraten.
3. Ersten Entwurf erzeugen: Der erste Lauf dient als Ausgangspunkt, nicht als Wahrheit.
4. Automatisch und menschlich prüfen: Tests, Quellenkontrolle, Schema-Validierung, Linter oder eine Checkliste machen Fehler sichtbar.
5. Gezieltes Feedback zurückgeben: Nicht „mach es besser“, sondern „Quelle 2 belegt die Zahl nicht; Abschnitt 3 überschreitet 180 Wörter; der Button hat keinen zugänglichen Namen“.
6. Stoppen oder erneut laufen: Der Loop endet, wenn die Akzeptanzkriterien erfüllt sind, ein Budget erreicht ist oder ein Mensch entscheiden muss.

Das ähnelt bewährten Qualitätskreisläufen wie Plan–Do–Check–Act. Neu ist vor allem, dass Sprachmodelle Entwurf, Prüfung und Korrektur teilweise selbst übernehmen können. Anthropic beschreibt vergleichbare Agenten-Workflows als Kombination aus Modell, Werkzeugen und Feedback aus der Umgebung. OpenAI empfiehlt für KI-Systeme eval-getriebene Entwicklung: früh messen, aufgabenspezifische Tests verwenden und kontinuierlich evaluieren.

Warum das wichtig ist

Einzelprompts optimieren vor allem die Eingabe. Loops optimieren das ganze System. Das ist ein wichtiger Unterschied, weil ein überzeugend formulierter Text trotzdem falsche Zahlen enthalten kann und sauber aussehender Code trotzdem Tests brechen kann. Qualität entsteht erst, wenn das Ergebnis an einer unabhängigen Rückmeldung scheitern darf.

Der Loop schafft außerdem eine Spur: Welche Version wurde erzeugt? Welche Prüfung ist fehlgeschlagen? Was wurde geändert? Diese Nachvollziehbarkeit ist für Teams oft wertvoller als ein besonders raffinierter Prompt. Sie erleichtert Reviews, Wiederholungen und die Frage, ob eine Verbesserung wirklich messbar war.

Martin Fowler beschreibt bei der Arbeit mit generativer KI ein ähnliches Muster aus kleinen Schritten, schneller Rückmeldung und enger menschlicher Kontrolle. Auch GitHubs Hinweise für Coding-Agenten betonen klaren Kontext, abgegrenzte Aufgaben und überprüfbare Akzeptanzkriterien. Keines dieser Dokumente erklärt „Loop Engineering“ zum Standardbegriff. Gemeinsam zeigen sie aber, warum iteratives, testbares Arbeiten robuster ist als blindes Einmal-Prompting.

Einfach erklärt

Stell dir vor, du backst Brot. Prompting wäre: Du schreibst das perfekte Rezept und hoffst, dass der erste Laib stimmt. Loop Engineering bedeutet: Du wiegst die Zutaten, backst einen kleinen Versuch, misst Temperatur und Gehzeit, probierst das Ergebnis und änderst beim nächsten Lauf genau eine erkennbare Ursache. Das Rezept bleibt wichtig, aber die Rückkopplung macht es zuverlässig.

Anleitung: So baust du deinen ersten Loop

Beginne nicht mit einem autonomen Agenten, sondern mit einer Aufgabe, deren Ergebnis du prüfen kannst. Schreibe zuerst drei bis fünf Akzeptanzkriterien. Bestimme danach, welche Prüfungen eine Maschine übernehmen darf und wo ein Mensch gebraucht wird.

Ein einfacher Arbeitsauftrag kann so aussehen:

Ziel: Erstelle eine verständliche Produktbeschreibung.
Material: Produktblatt, Preisliste und freigegebene Quellen.
Muss-Kriterien: 150–180 Wörter, keine unbelegte Behauptung,
drei konkrete Nutzenpunkte, verständlich für Nichttechniker.
Prüfung: Wortzahl, Quellenabgleich, Rechtschreibung, menschliche Freigabe.
Wenn eine Prüfung scheitert: Nur die genannten Fehler korrigieren.
Stopp: Alle Prüfungen bestanden oder nach drei Durchläufen eskalieren.

Wichtig ist die Stop-Regel. Ohne sie können Agenten Kosten erzeugen, sich im Kreis drehen oder ein bereits gutes Ergebnis unnötig verändern. Protokolliere pro Lauf mindestens Eingabe, Ergebnis, Prüfbefund und Änderung. Nach einigen Durchläufen erkennst du, ob dein Problem im Prompt, im fehlenden Kontext oder in schlechten Prüfkriterien liegt.

Drei Praxisbeispiele

1. Softwareänderung: Ein Agent soll eine Exportfunktion ergänzen. Der erste Lauf erzeugt Code. Danach laufen Typecheck, Unit-Tests und ein Sicherheitsscan. Schlägt ein Test für leere Datensätze fehl, erhält der Agent nur den Fehler, die betroffene Spezifikation und die relevanten Dateien. Nach maximal drei Läufen geht die Änderung ins menschliche Review. „Fertig“ bedeutet nicht, dass Code existiert, sondern dass die vereinbarten Prüfungen grün sind.

2. Fachartikel: Das Modell erstellt einen Entwurf aus fünf freigegebenen Quellen. Ein zweiter Schritt markiert jede Zahl ohne Beleg, prüft Links und vergleicht Überschrift, Zusammenfassung und Inhalt. Der Korrekturlauf darf unbelegte Aussagen entfernen, aber keine neue Quelle erfinden. Eine Redaktion prüft am Ende Ton, Gewichtung und mögliche rechtliche Risiken.

3. Support-Triage: Eine KI klassifiziert 200 eingehende Tickets. Der Loop prüft, ob Kundennummer, Dringlichkeit und Produktbereich vorhanden sind. Fehlen Informationen, formuliert das System eine Rückfrage, statt eine Lösung zu halluzinieren. Fälle mit Kündigung, Datenschutz oder Zahlung werden sofort an Menschen eskaliert. Der Erfolg wird nicht an schön klingenden Antworten gemessen, sondern an korrekt gerouteten Fällen und einer Stichprobe menschlicher Bewertungen.

Einordnung und Grenzen

Loop Engineering macht ein schwaches Modell nicht automatisch klug. Wenn Quellen fehlen, Tests das Falsche messen oder die Aufgabe grundsätzlich mehrdeutig ist, kann der Kreislauf Fehler nur wiederholen. Drei Grenzen sind besonders wichtig:

• Prüfer können irren: Bewertet dasselbe Modell seine eigene Antwort ohne externe Fakten oder Tests, bestätigt es möglicherweise nur den eigenen Fehler.
• Loops kosten Zeit und Geld: Mehr Durchläufe verbrauchen Rechenleistung. Für einfache, folgenlose Fragen reicht oft ein einzelner Prompt.
• Autonomie braucht Grenzen: Schreibzugriff, Zahlungen, Veröffentlichungen oder personenbezogene Daten benötigen Berechtigungen, Protokolle und menschliche Freigaben.

Die beste Schleife ist daher nicht die längste, sondern die kleinste, die einen relevanten Fehler zuverlässig erkennt. Beginne mit einem manuellen Review und einer automatischen Prüfung. Automatisiere weitere Schritte erst, wenn du ihre Fehlermuster kennst.

SEO- und GEO-Schlüsselbegriffe

Loop Engineering, Prompt Engineering, KI-Agenten, agentische Workflows, LLM-Evaluation, Evals, Human in the Loop, Coding Agents, Feedback Loop, generative KI, Qualitätssicherung, iterative KI-Entwicklung