Peter Steinberger, der Erfinder von OpenClaw, erzielte mit einem einzigen Kommentar über 2,5 Millionen Aufrufe.
„Hör auf, Prompts in Coding-KIs zu tippen. Gestalte stattdessen den ‚Loop‘, der der KI die Prompts eintippt." Das meinte er im Wesentlichen.
Außerdem antwortete Peter: „Keine Sorge, in drei Monaten wird Loop Engineering hier sein."
Das ist zur Hälfte ein Scherz. Aber die Richtung ist ziemlich treffend.
Ich arbeite bei einer Firma namens YourBright, wo wir KI in Geschäftsabläufe integrieren. Was ich täglich sehe, ist genau das: Menschen, die Systeme bauen können, in denen KI selbstständig Dinge ausprobiert und korrigiert, wachsen deutlich schneller als diejenigen, die einfach nur gut darin sind, KI um etwas zu bitten.
Die Nutzung von KI hat sich in vier Phasen entwickelt
Bevor ich zu sehr darüber nachdenke, möchte ich ein Bild teilen. Im englischsprachigen Raum wird die Entwicklung der KI-Nutzung meist so dargestellt:
- Prompt Engineering: Ein einzelnes Instruction gut schreiben (der Star der Jahre 2023–2024)
- Context Engineering: Die Informationen organisieren, die der KI gezeigt werden
- Harness Engineering: Die Werkzeuge, Sicherheitsvorkehrungen und die Umgebung um die KI herum aufbauen
- Loop Engineering: Ein System entwerfen, in dem die KI wiederholt die Phasen Entdeckung, Ausführung, Überprüfung und Korrektur durchläuft (aktuell)
Vereinfacht gesagt hat sich der Fokus Schritt für Schritt vom „Schreiben eines guten Satzes" zum „Bauen eines guten Systems" verlagert.
Loop Engineering steht an der Spitze dieser Verschiebung.
Die Bestandteile des Loop Engineerings – 6 Teile
Obwohl der Begriff neu ist, ist der Inhalt konkret. Addy Osmani von Google hat die Bestandteile eines effektiven Loops übersichtlich aufgelistet. Das deckt sich fast perfekt mit meinen Erfahrungen aus der Praxis.
- Automatisierungen: Auslöser, die den Loop periodisch starten, z. B. „Jeden Morgen nach CI-Fehlern suchen."
- Worktrees: Arbeitsbereiche trennen, sodass mehrere KIs parallel arbeiten können, ohne sich zu behindern.
- Sub-Agents: Die Rolle des Erstellers von der des Prüfers trennen. Lass die KI ihre eigenen Antworten nicht zu milde bewerten.
- Skills: Projektspezifisches Wissen in externe Dateien wie SKILL.md schreiben, um es wiederzuverwenden.
- Memory: KI vergisst Unterhaltungen. Deshalb sollten Fortschritte extern in Markdown oder Linear festgehalten werden.
- /goal: In Claude Code oder Codex setzt die KI ihre Züge fort, sobald du deklarierst, „was als Fertigstellung gilt", bis die Bedingungen erfüllt sind.
Kurz gesagt bedeutet es, die Anweisungen „was als Nächstes zu tun ist", die bisher Menschen manuell gaben, in das System selbst zu verlegen.
Menschen tippen keine Prompts in die KI. „Das System tippt Prompts in die KI." Diese Umkehrung des Herr-Knecht-Verhältnisses ist meiner Meinung nach die eigentliche Essenz des Loop Engineerings.
Ich delegiere jetzt Arbeit an KI, indem ich Loops ausführe.
Hier ist ein eigenes Beispiel.
Bei der von YourBright betriebenen Medienseite „Mikata for Foreign Talent" war die Artikellistenseite schwer. Also gab ich einen Loop für wiederholte Messung und Verbesserung an /loop von Claude Code und ließ ihn größtenteils unbeaufsichtigt laufen.
In 5 Stunden wurden automatisch 9 Verbesserungen umgesetzt. Das Transfervolumen der Artikelliste sank um über 90 % – von 2.723 KB auf 101 KB. Auch der LCP ging von 6,4 Sekunden auf 1,8 Sekunden zurück. In einer Runde wurde ein einzelnes Bild von einem 957 KB großen PNG in ein 11 KB großes AVIF umgewandelt.
Die KI erledigte alles. Ich traf lediglich Entscheidungen an Verzweigungspunkten: Produktions-URLs korrigieren, eine Bildkonvertierungsebene hinzufügen und Richtungen auswählen.
Das Interessante: Eine der neun Verbesserungen war ein Fehlschlag. Eine Korrektur der KI verschlechterte tatsächlich eine andere Metrik. Die KI beurteilte dies selbst als „Verschlechterung", machte die Änderung rückgängig und hinterließ eine Notiz über den Fehlschlag.
Die Anzahl der PRs war beträchtlich: 20. Die Loop-Anzahl betrug 23. Solange die Bewertungskriterien korrekt sind, läuft die KI ohne menschliches Eingreifen weiter.
Ich denke, das ist das greifbare Gefühl des Loop Engineerings. Die KI führt es aus. Sie führt es inklusive der Fehlschläge aus. Menschen entscheiden, wo sie anhalten und welchen Standards sie vertrauen.
Warum jetzt und warum 3 Monate?
„3 Monate" ist natürlich provokativ. Nicht jeder wird in drei Monaten ersetzt.
Allerdings stützen die Zahlen die Richtung. Anthropic gab bekannt, dass Claude ab Mai 2026 über 80 % des in die Produktion übernommenen Codes schreibt. Als Claude Code im Februar 2025 veröffentlicht wurde, lag der Anteil nur bei wenigen Prozent – in etwas mehr als einem Jahr wurde dieser Wert erreicht. Die Menge des pro Entwickler übernommenen Codes soll außerdem achtmal höher sein als im Jahr 2024.
Was hier passiert, ist keine Geschichte von „die Menge, die Menschen schreiben, ist zurückgegangen". Es ist eine Geschichte davon, dass sich die menschliche Arbeit vom „Schreiben" zum „Entwerfen von Loops und Treffen der endgültigen Entscheidung" verlagert.
Selbst bei derselben Tätigkeit ändert sich die Denkweise. Jemand, der Dinge auf einmal anfordert, denkt darüber nach, „wie man fragt, um es richtig hinzubekommen." Jemand, der einen Loop baut, denkt darüber nach, „worauf man achten muss, um die Fertigstellung zu bestätigen, wohin man zurückkehrt, wenn es danebengeht, und wo man gefährliche Operationen stoppt."
Dieser Unterschied wird bereits in drei Monaten sichtbar werden. So empfinde ich es.
Die Kehrseite der Bequemlichkeit – unergründlicher Code und aufgegebenes Denken
Es ist nicht alles gute Nachrichten. Loops haben Probleme.
Eines ist das Geld. Wenn ein Loop zu lange läuft, explodieren die Token-Kosten. Daher müssen Stoppbedingungen und Grenzen von Anfang an festgelegt werden.
Ein weiteres ist das Verständnis des Codes, das in letzter Zeit diskutiert wird. Die KI hat es geschrieben, die KI hat es korrigiert, die Tests bestanden. Es funktioniert. Aber niemand versteht den Inhalt. Es wird ein frommer Wunsch sein, dass Menschen den gesamten Code überprüfen.
Darüber hinaus können ausführende KIs E-Mails senden, Shell-Befehle ausführen und Browser verwenden. So praktisch sie auch sind: je größer ihre Reichweite, desto größer die Angriffsfläche für Unfälle.
Loop Engineering ist keine Technologie, um der KI zu vertrauen. Es ist eine Technologie, die auf der Prämisse basiert, dass KI Fehler macht, und einen Weg schafft, zurückzukehren, selbst wenn sie scheitert.
Fazit
Entwickler, die Prompts eintippen, werden nicht von heute auf morgen überflüssig.
Dennoch verschiebt sich das Zentrum der Wertschöpfung definitiv. Diejenigen, die in der Zukunft stark sein werden, sind nicht diejenigen, die gut mit KI umgehen können, sondern diejenigen, die Loops erstellen können, in denen KI ausprobiert, scheitert, repariert und Menschen das letzte Urteil fällen können.
Solange du damit zufrieden bist, eine einzelne Zeile eines Prompts zu tippen, wirst du wahrscheinlich nach und nach zurückgelassen werden. Fangen wir noch heute an, die Umgebung zu schaffen, in der KI in Bewegung bleibt.
Wir gründen eine Community zur KI-Nutzung!
Wir haben eine Discord-Community namens „AI Business Labs" eröffnet, um zu lernen, wie man KI im Business einsetzt. Jeder kann Fragen stellen oder sich zu KI beraten lassen. Wir möchten das Lernen zusammen mit den Community-Mitgliedern vertiefen. Tritt uns bei!
