knowledge-base/raw/other/2026-07-26_bernd-agent-harness-loop-graph-engineering.md

---
type: other
source_url: https://x.com/beamnxw/article/2081022966645535079
retrieved: 2026-07-26
author: "@beamnxw (synthesized by Bernd das Bot)"
title: "Agent Harness Engineering vs. Loop Engineering vs. Graph Engineering"
tags: [agent-architecture, harness, loop, graph, orchestration, harness-engineering, loop-engineering, graph-engineering]
curated_by: "Bernd das Bot"
curated_at: 2026-07-26
---

**Kurzartikel | Stand: 26. Juli 2026**
*Basierend auf: beamnxw (@beamnxw), „Agent Harness Engineering vs. Loop Engineering vs. Graph Engineering", X, 25. Juli 2026 — eingeordnet in die laufende Architektur-Diskussion (Steinberger / Kopadze / LangGraph / Codex).*

---

## Überblick

Harness Engineering, Loop Engineering und Graph Engineering bezeichnen drei voneinander unterscheidbare Architektur-Ebenen agentischer KI-Systeme, die in der Praxis häufig vermischt werden. Alle drei beeinflussen die Zuverlässigkeit eines Agentensystems, adressieren aber unterschiedliche Entwurfsfragen. Das mentale Modell des Artikels lautet: **environment → feedback → flow**.

| Ebene | Frage | Kurzantwort |
|---|---|---|
| Harness Engineering | Womit arbeitet das Modell? | Baut die Maschinerie *um* das Modell (Umgebung) |
| Loop Engineering | Wie wird Arbeit überprüft und wiederholt? | Entwirft den Work-and-Feedback-Zyklus (Rückmeldung) |
| Graph Engineering | Was darf als Nächstes laufen? | Macht die Workflow-Topologie explizit (Fluss) |

---

## 1. Agent Harness Engineering

**Definition:** Der *Agent Harness* ist die Gesamtheit von Code, Konfiguration und Ausführungslogik außerhalb des Modells — nach LangChain: Agent = Modell + Harness. OpenAIs Agents SDK beschreibt denselben Kern als Runtime: Der Runner ruft das Modell, führt Tool-Aufrufe aus, verwaltet Handoffs und State und stoppt erst bei einer echten Terminalbedingung.

**Bestandteile eines ernsthaften Harness:**

- **Context Injection** — System-Prompt, abgerufene Fakten, Konversationszustand, Skills, Policies
- **Action Surfaces** — APIs, Browser, Shells, Code-Interpreter, Datenbanken, MCP-Tools
- **Persistence** — Dateien, Checkpoints, Sessions, Progress-Logs, Git-Historie, Langzeitgedächtnis
- **Execution Control** — Timeouts, Retries, Budgets, Model-Routing, Subagent-Spawning, Approval-Gates
- **Safety & Governance** — Permissions, Isolation, Allow-Lists, Secret-Handling, menschliche Autorisierung
- **Observability** — Traces, Tool-I/O, Zustandsübergänge, Kosten, Latenz, Evaluation

**Merksatz:** Entfernt man das Modell aus dem Architekturdiagramm, ist alles Verbleibende Teil des Harness.

**Wann Harness Engineering entscheidend ist:** bei langlaufenden Aufgaben. Anthropic fand etwa bei Multi-Session-Coding, dass Kontext-Kompaktierung allein nicht reichte — erst ein Harness aus Initializer, Progress-File, Git-Historie und inkrementeller Arbeitsdisziplin machte Sessions fortsetzbar. Typische Harness-Symptome: fehlende Fähigkeiten, verlorener State, zu weitreichende Zugriffe, mangelnde Auditierbarkeit, umgebungsabhängiges Verhalten.

---

## 2. Loop Engineering

**Definition:** Entwurf der wiederholten Arbeits- und Rückmeldezyklen um den Agenten. Jeder toolnutzende Agent hat eine eingebettete Basis-Schleife (Modell aufrufen → Ergebnis prüfen → Tools ausführen → Beobachtungen zurückgeben → wiederholen). Loop Engineering beginnt, wo bewusst weitere Zyklen darum gestapelt werden.

**Loop-Typen:**

- **Verification Loop** — Artefakt erzeugen, deterministisch prüfen/bewerten, nur bei Fehlern wiederholen
- **Event-driven Loop** — Agent erwacht bei Schedule, Webhook oder neuem Dokument
- **Improvement Loop** — Traces/Fehler analysieren, Instruktionen/Tools anpassen, Version vergleichen

**Anatomie einer gut konstruierten Schleife:**

1. **Trigger** — was einen Zyklus startet (Anfrage, Zeitplan, fehlgeschlagener Test, Feedback)
2. **Goal** — konkreter Zielzustand, kein vages „werde besser"
3. **State & Memory** — was der nächste Zyklus wissen muss, ohne alles zu wiederholen
4. **Action Policy** — was der Agent ändern, aufrufen, delegieren, ausgeben darf
5. **Evidence** — Tests, Schema-Validierung, Zitate, Diffs, Metriken, Human Review
6. **Feedback** — kompakte, handhabbare Beschreibung, warum die Evidenz fehlschlug
7. **Stopping Rule** — Erfolg, Budgetlimit, Timeout, nicht behebbarer Fehler, Eskalation

**Kernprinzip:** *Loop on evidence, not on confidence.* „Der Agent sagt, er ist fertig" ist keine Stoppbedingung; „Tests grün, Links valide, Schema gültig, Reviewer zugestimmt" schon.

**Abgrenzung zum Prompt Engineering:** Ein Prompt sagt dem Modell, was es *während* eines Aufrufs tun soll. Ein Loop legt fest, was das System *danach* tut — beobachten, Feedback wählen, Fortsetzung entscheiden, Fortschritt persistieren, terminieren. Trade-off: Kosten und Latenz. Faustregel (Anthropic): einfachste funktionierende Architektur wählen; Loops nur dort, wo Fehlerkosten > Verifikationskosten.

---

## 3. Graph Engineering

**Definition:** Explizite Modellierung des Workflows als gerichteter Graph bzw. Zustandsmaschine. Knoten repräsentieren Arbeitsschritte, Kanten erlaubte Übergänge (Sequenz, bedingte Verzweigung, paralleles Fan-out, Joins, Zyklen, menschliche Interrupts). Der State traversiert den Graphen; die Topologie macht den Kontrollfluss prüfbar.

**Praxis-Bezug:** LangGraph (Low-Level-Orchestrierung für langlaufende, zustandsbehaftete Agenten, durable Execution, Human-in-the-Loop) und Microsoft AutoGen/GraphFlow (exakte Kontrolle über Agenten-Reihenfolge, deterministische Verzweigung, mehrstufige Prozesse mit Zyklen).

**Entscheidungen des Graph Engineers:**

- **Node Boundaries** — deterministische Funktion vs. LLM-Aufruf vs. Spezialagent vs. Human Review
- **State Schema** — was Knoten lesen/schreiben dürfen; Merging paralleler Updates
- **Routing Conditions** — welche Evidenz Arbeit vorwärts, rückwärts, seitwärts oder zur Eskalation schickt
- **Concurrency** — was parallel läuft, was joinen muss, koordinierte Ressourcen
- **Cycles & Exits** — legale Retries, Maximalversuche, Zyklus-Sicherheit
- **Durability** — Checkpoint-Positionen, Wiederaufnahme nach Unterbrechung

**Wichtige Abgrenzung:** Graph Engineering hier = Engineering *graphbasierter Ausführung* — nicht Knowledge-Graph-Engineering (Entitäten und Relationen in Daten).

**Wann sich der Aufwand lohnt:** bei bedeutsamen Verzweigungen, Parallelarbeit, Freigaben, Recovery-Pfaden oder mehreren Spezialagenten. Nicht lohnend bei „ein Agent, drei Tools, lass laufen". Warnung: Ein Graph kann Annahmen zu früh einfrieren — muss das Modell den Plan dynamisch erfinden, macht ein starres Diagramm das System brüchiger.

---

## 4. Zusammenspiel der Ebenen

Die Schichten sind verschachtelt: **Der Graph läuft im Harness; ein oder mehrere Loops leben im Graph; der Harness liefert State, Tools und Evaluatoren für die Loops.** Die Kategorien überlappen wie Software-Schichten eben überlappen — aber jede Ebene gibt dem Team einen anderen Hebel, wenn das System versagt.

**Diagnose-Tabelle (Symptom → Ebene → wahrscheinlicher Fix):**

| Symptom | Ebene | Fix |
|---|---|---|
| Agent kommt nicht sicher an Daten/Tools | Harness | Tool-Vertrag, Permissions, Sandbox, Context Injection |
| Agent vergisst Fortschritt über Sessions | Harness | Durable State, Checkpointing, Progress-Artefakte |
| Erster Versuch nah dran, aber unzuverlässig | Loop | Externer Grader, deterministische Tests, begrenzte Retries |
| Arbeitet nach Erfolg weiter / stoppt vor Beweis | Loop | Evidenzbasierte Terminalzustände, Budget-Stoppregeln |
| Spezialisten müssen in kontrollierter Reihenfolge laufen | Graph | Explizite Knoten, Kanten, Routing, Joins |
| Fehler in mehrstufigem Prozess schwer lokalisierbar | Graph + Harness | State-Traces entlang der Graph-Knoten |
| Workflow ändert sich zu oft für festes Diagramm | Einfacherer Harness | Kontrolle modellgetrieben lassen, Graph später |

---

## 5. Typische Fehler

1. **Graph bauen, bevor man die Arbeit versteht** — erst Traces aus einem einfachen Harness sammeln, dann stabile Pfade formalisieren.
2. **Dasselbe Modell schreiben und bewerten lassen** — Self-Review hat geteilte Blindspots; deterministische Checks bevorzugen, Reviewer-Kontext trennen, Human Approval bei hohen Auswirkungen.
3. **„Versuch's weiter" als Loop-Spezifikation** — unbegrenzte Retries sind ein Kostenleck; jeder Loop braucht messbares Ziel, frische Evidenz, Maximalversuche, Eskalationspfad.
4. **Harness als Sammelbecken** — mehr Tools und mehr Memory sind nicht automatisch besser; überladene Toolsets erhöhen Auswahlfehler, lauter Kontext erhöht Konfusion, breite Permissions erhöhen Risiko.
5. **Das Modell für Orchestrierungsfehler verantwortlich machen** — kein Modell kompensiert verlässlich veralteten State, mehrdeutige Tool-Schemas, kaputte APIs oder fehlende Exit-Bedingungen.

---

## 6. Einordnung in die Architektur-Diskussion

Der Artikel fügt der zuvor diskutierten Triade eine bislang unbenannte Basisschicht hinzu:

- **Steinberger** — Loop Engineering, konzeptionell (*feedback*)
- **Kopadze** — Graph-Shape-Vokabular, Design-Patterns
- **LangGraph** — Graph-Implementation (*flow*)
- **Codex** — Compiler: übersetzt Shapes/Topologie in ausführbaren Code
- **beamnxw** — benennt erstmals die Umgebungsschicht darunter: **Harness Engineering (*environment*)**

**Bemerkenswerte Deckung:** Die in der Diskussion als „Bermuda-Dreieck" der Praxis beschriebene Restarbeit — State-Management, Auth, Token-Budgets, Rate-Limits, Logging — entspricht fast 1:1 beamnxws Harness-Komponenten (Persistence, Execution Control, Safety/Governance, Observability). Die Schicht war empirisch bereits identifiziert, bevor sie einen Namen hatte. Damit wird der Stack vollständig: **Harness → Loop → Graph, Codex als Compiler quer darüber.**

Auch das „10/90-Prinzip" (10 % Code-Generierung, 90 % Topologie/Edge-Cases/Evaluation) wird gestützt: Die 90 % verteilen sich auf Loop-, Graph- und Harness-Arbeit; die 10 % Boilerplate fallen dem Compiler zu.

---

## 7. Kritik und Einordnung

- **Nicht orthogonal:** Der Einwand aus dem Thread ist berechtigt — ein Harness als Runtime enthält definitionsgemäß Loops, und der Graph ist eine optionale Architektur-Wette, keine Pflichte Ebene. Die „drei Ebenen" sind eine Nützlichkeits-Heuristik, keine saubere Schichtentrennung.
- **Synthese, nicht Forschung:** Der Artikel aggregiert Bekanntes (LangChain, OpenAI Agents SDK, AutoGen GraphFlow, Anthropic-Guides) zu einer Terminologie-Klärung. Sein Wert liegt in Begriffs-Hygiene und der Diagnose-Tabelle, nicht in neuen Erkenntnissen.
- **Praktischer Nutzen:** Die Ebene-nach-Symptom-Tabelle ist ein brauchbares Debugging-Werkzeug; die Kernaussage „Blame the layer that owns the failure, not the model" adressiert einen realen, häufigen Denkfehler.

**Gesamtbewertung:** Solide, nützlich, konzeptionell aufgeräumt — ein Referenz-Artikel zur Begriffsklärung, keine Revolution. Ergänzt die Architektur-Triade sinnvoll um die Fundamentschicht.

---

## Quellen

- beamnxw (@beamnxw): *Agent Harness Engineering vs. Loop Engineering vs. Graph Engineering*, X, 25.07.2026 — x.com/beamnxw/article/2081022966645535079
- LangChain: *The Anatomy of an Agent Harness*; *The Art of Loop Engineering*; LangChain/LangGraph 1.0
- OpenAI: *Agents SDK*; *A practical guide to building agents*
- Microsoft: *AutoGen GraphFlow (Workflows)*; AutoGen Studio
- Anthropic: *Building Effective AI Agents*

*Wikifiziert von Bernd das Bot, 26.07.2026 — in Vertretung für Hector (Billing-Downtime).*