Der Moment, in dem du aufgehört hast, aufzupassen
Du gibst einem KI-Agenten einen Task.
Er arbeitet.
Du machst einen Kaffee, antwortest auf eine Nachricht, schaust kurz aus dem Fenster.
Und wenn du zurückkommst: fertig.
Nicht "irgendwie angefangen". Fertig.
Das ist kein Zufall. Das ist Architektur.
Und wer die versteht, setzt KI-Tools ab sofort anders ein.
Was tatsächlich passiert, wenn Claude Code arbeitet
Die meisten denken, ein KI-Agent läuft einmal durch und liefert ein Ergebnis.
So funktioniert das nicht.
Claude Code arbeitet in Loops.
Nach jedem Durchlauf stellt das System eine interne Frage: Ist das Ziel erreicht?
Wenn nein: nochmal.
Der Bewerter ist dabei nicht dasselbe Modell, das den Code schreibt. Claude Haiku, ein deutlich leichtgewichtigeres Modell, übernimmt die Rolle des Evaluators. Es liest den Output, vergleicht ihn mit der definierten Fertigstellungsbedingung und entscheidet: weiter oder stopp.
Schweres Modell für Ausführung. Leichtes Modell für Bewertung.
Das ist eine kluge Architekturentscheidung, keine Einsparlösung.
Das eigentliche Werkzeug: Definition of Done
Das Goal-Feature in Claude Code existiert schon eine Weile. Die meisten nutzen es nicht.
Stattdessen tippen sie einen Task in ein Prompt-Feld, warten, schauen das Ergebnis an und korrigieren manuell.
Der Unterschied zwischen diesem Ablauf und einem echten agentischen Workflow ist eine einzige Frage:
Wann gilt der Task als abgeschlossen?
Nicht "was soll passieren", sondern "woran erkennst du, dass es geklappt hat".
Das ist eine andere Art zu denken.
Wer ein Erfolgskriterium definiert, gibt dem System einen Anker. Der Agent läuft nicht ins Leere, er läuft auf ein Ziel zu. Und wenn er das Ziel nicht trifft, startet er neu, ohne dass du eingreifen musst.
Niemand braucht dich für den nächsten Prompt.
Warum das praktisch relevant ist, nicht nur theoretisch
Ich baue gerade mehrere Systeme gleichzeitig. Mamko auf der einen Seite, CUVIR-Projekte auf der anderen. Dazu kleinere Tools, die ich für Beratungsmandate aufsetze.
Die Ressource, die dabei am knappsten ist, ist nicht Kapital. Nicht Zeit im klassischen Sinne.
Es ist Aufmerksamkeit.
Jeder manuelle Loop, den ich selbst durchführe, kostet Aufmerksamkeit, die ich nicht mehr für Entscheidungen habe, die tatsächlich meine Einschätzung brauchen.
Der Selbstkorrektur-Loop von Claude Code gibt mir diese Aufmerksamkeit zurück.
Ich beschreibe einmal, wann ein Task erledigt ist. Das System arbeitet, bis diese Bedingung erfüllt ist. Ich sehe das Ergebnis.
Fertig.
Ein Muster, das du in eigene Systeme übersetzen kannst
Wenn du eigene Agenten baust oder Workflows zusammensetzt, lohnt sich dieses Prinzip als Architekturgedanke:
Trenne Ausführung und Bewertung.
Das ausführende Modell ist nicht der beste Bewerter seiner eigenen Arbeit. Nicht weil es schlecht ist, sondern weil Bewertung eine andere Aufgabe ist als Ausführung. Ein dediziertes Evaluator-Modell, auch wenn es kleiner ist, urteilt sauberer, weil es keine Eigeninteressen an seinem Output hat.
Die Frage "Habe ich das Ziel erreicht?" ist strukturell anders als "Was ist der nächste Schritt?"
Wer das trennt, baut stabilere Systeme.
Das konkrete Vorgehen, wenn du es heute testen willst
Nimm einen Task, den du Claude Code normalerweise einmal laufen lässt.
Formuliere nicht nur den Task.
Formuliere das Erfolgskriterium.
Nicht: "Schreib eine Funktion, die X macht."
Sondern: "Die Aufgabe ist abgeschlossen, wenn die Funktion X macht, alle Edge-Cases aus dem ursprünglichen Prompt abdeckt und die Tests ohne Fehler durchlaufen."
Das ist der Unterschied.
Starte den Loop. Lass ihn laufen. Schau, wie viele Iterationen das System braucht, um deine Definition of Done zu erfüllen.
Dann entscheide, ob du die Kriterien schärfer oder weicher formulieren willst.
Du wirst nach dem ersten Durchlauf ein Gefühl dafür entwickeln, wie präzise du sein musst.
Was das über den Stand der Dinge aussagt
Beide großen Coding-Agenten, Claude Code und Codex, haben das Goal-Feature eingeführt.
Das ist kein Zufall.
Der Trend geht weg von "einmal ausführen, Nutzer korrigiert" hin zu "iterativer Eigenkorrektur bis zur definierten Qualität".
Wer das nur als technisches Detail sieht, verpasst den Punkt.
Der Punkt ist: KI-Agenten werden zunehmend eigenständig in dem Sinne, dass sie nicht mehr darauf angewiesen sind, dass du nach jedem Schritt schaust, ob alles stimmt.
Das ändert, wie du Aufgaben delegierst.
Nicht mehr: "Mach das." Mit Ergebnis-Check alle fünf Minuten.
Sondern: "Mach das. Hier ist, wann du fertig bist. Ich schaue wieder rein, wenn du es mir sagst."
Das ist eine andere Beziehung zum Werkzeug.
Und wer diese Beziehung jetzt etabliert, hat in zwölf Monaten einen erheblichen Vorsprung gegenüber denen, die immer noch jeden Prompt manuell nachfassen.