--- title: "Harness Engineering für KI-Coding-Agenten" canonical: https://wavect.io/de/services/harness-engineering/ language: de description: "KI-Coding-Agenten im eigenen Repository verlässlich einsetzen. Wavect implementiert Kontext, Tool-Grenzen, Prüfschleifen und Übergabe. Umfang besprechen." image: "https://wavect.io/img/general/bak/open_graph_preview.jpg" --- Harness Engineering # Harness Engineering. Agenten prüfbar einsetzen. Machen Sie aus einem Coding-Agenten, der ständig Hilfe braucht, einen prüfbaren Entwicklungsablauf. Wir implementieren Repository-Kontext, Ausführungskontrollen und Rückkopplung für Ihren bestehenden Agenten. DIE ZUSAMMENARBEIT ## Ein Repository. Ein wiederholbarer Weg zum Review. 1. **Fehler eingrenzen** Reale Aufgaben auswählen und Nachweise für die Fertigstellung festlegen. 2. **Kontrollen implementieren** Kontext, Tools, Zwischenstände und Prüfungen verbinden. 3. **Übergabe erproben** Ihr Team wiederholt den Ablauf und setzt einen unterbrochenen Lauf fort. KURZ ERKLÄRT Harness Engineering gestaltet die Arbeitsumgebung eines KI-Coding-Agenten: Repository-Anweisungen, Kontextabruf, Tools, Berechtigungen, Ausführungszustand und Prüfschleifen. Wavect implementiert diese Kontrollen in Ihrer Codebasis, damit Ihr Team Änderungen prüfen, unterbrochene Arbeit fortsetzen und die Freigabe zum Review begründet entscheiden kann. Geeignet für - Entwicklungsteams, deren Coding-Agenten Repository-Regeln wiederholt übergehen - Teams, die mehrstufige Änderungen mit Tests und menschlichem Review delegieren Anderen Ansatz prüfen - Ein neues KI-Produkt ohne bestehende Implementierung - Ein einzelner Schulungsworkshop oder eine reine Evaluierung ## Wann lohnt sich Harness Engineering? Ihr Agent ändert die falsche Schicht, verliert zwischen Sitzungen den Arbeitsstand oder meldet Erfolg trotz fehlgeschlagener Tests. Wir verfolgen zunächst eine repräsentative Aufgabe. Das Ergebnis ist ein implementierter Agentenablauf in einem bestehenden Repository. Für ein neues KI-Produkt nutzen Sie [KI-Agenten und Produkte](/de/services/artificial-intelligence/); für die breitere interne Einführung [AI Enablement](/de/services/ai-enablement/). ## Geben Sie dem Agenten eine nutzbare Orientierung. Wir strukturieren kompakte AGENTS.md-Anweisungen, Architekturverweise, Build-Befehle und aufgabenbezogenen Kontextabruf. Repository-Wissen bleibt zusammen mit dem Code versioniert. OpenAIs [Erfahrungsbericht zu Harness Engineering](https://openai.com/index/harness-engineering/) beschreibt diesen Fokus auf Umgebung und Rückkopplung. Context Engineering liefert passende Informationen; der Harness steuert zusätzlich Ausführung und Ergebnisprüfung. ## Aktionen begrenzen. Arbeitsstände erhalten. Wir definieren erlaubte Tools, bei Bedarf isolierte Ausführung, Grenzen für Zugangsdaten, Laufbudgets und Eskalationspunkte. Zwischenstände halten Änderungen, Fehler und offene Schritte fest. Anthropics [Forschung zu lang laufenden Agenten](https://www.anthropic.com/research/effective-harnesses-for-long-running-agents) behandelt Fortschrittsprotokolle und schrittweise Arbeit über Sitzungen hinweg. Neue Schnittstellen gehören zur [MCP-Server-Entwicklung](/de/services/mcp-server-development/); eine unabhängige Bedrohungsprüfung zu [KI-Sicherheit](/de/services/ai-security/). ## Eine Erfolgsmeldung ersetzt keine bestandene Prüfung. Beispiel für eine Abnahme: Ein Agent behebt eine Regression in einem Test-Repository. Er muss den Fehler reproduzieren, die Änderung implementieren, vereinbarte Prüfungen bestehen und einen prüfbaren Diff liefern. Unterbrechen Sie den Lauf, setzen Sie ihn am Zwischenstand fort und verweigern Sie eine unerlaubte Tool-Aktion. Entscheidend sind Repository-Zustand und Testnachweise. Dies ist ein vorgeschlagener Test, kein Kundenergebnis. ## Ergebnisse prüfen. Autonomie gezielt erweitern. Wir verbinden Linting, Tests, Architekturprüfungen und Review-Freigaben mit dem Ablauf. Fehler, Wiederholungen, Dauer und Nutzung werden gegenüber einem Ausgangswert erfasst. Anthropics [Leitfaden zur Agentenevaluierung](https://www.anthropic.com/research/demystifying-evals-for-ai-agents) unterscheidet den tatsächlichen Endzustand von der Agentenmeldung. Eigene Evaluierungsdatensätze, Modellvergleiche und laufende Qualitätsüberwachung bestehender Anwendungen gehören zu [AI Evaluation & LLMOps](/de/services/ai-evaluation-llmops/). ## Ein Ablauf, den weitere Engineers bedienen können. Sie erhalten versionierte Anweisungen und Konfiguration, Tool-Regeln, repräsentative Aufgaben, Laufprotokolle und eine Wiederanlaufanleitung. Ihr Team erprobt normale und unterbrochene Läufe. Umfang, Honorar und laufende Unterstützung werden für Ihr Repository vereinbart. Pauschale Autonomie- oder Geschwindigkeitsversprechen gibt es nicht. Unsere [Software-Übergabecheckliste](/de/software-development-guide/software-handover-checklist/) hilft bei der Prüfung der Zuständigkeiten. ## Architektur verstehen. Nachweise einordnen. Unser [Leitfaden zu KI-Agenten-Harnesses](/de/blog/agent-harness-engineering/) erklärt Architektur und Eigenbau-oder-Kauf-Entscheidung. Die [Fallstudie Twinsoft AI](/de/case-studies/twinsoft-ai/) dokumentiert angrenzende KI-Projekterfahrung, keine Ergebnisse aus Harness Engineering. Der erste Auftrag muss den Nutzen an Ihren vereinbarten Aufgaben nachweisen. ## Fragen vor dem Start ### Was liefert ein Harness-Engineering-Service? Einen implementierten Ablauf um Ihren Coding-Agenten: Repository-Kontext, Tool- und Berechtigungsregeln, Zwischenstände, Prüfschleifen und Betriebsdokumentation. Die vereinbarten Aufgaben legen fest, was bei der Übergabe funktionieren muss. ### Was unterscheidet Harness Engineering von Prompt Engineering? Prompt Engineering verändert Anweisungen an ein Modell. Harness Engineering gestaltet zusätzlich die Ausführungsumgebung: Tool-Zugriff, Zustand, Wiederanlauf, Prüfungen und Review. Verbesserte Prompts können ein Bestandteil sein. ### Können Sie unser bestehendes Agenten-Setup verbessern? Ja. Wir prüfen zuerst Repository, Agentenschnittstellen und einen wiederholbaren Fehler. Wo die vorhandenen Tools die Anforderungen erfüllen, erweitern wir das bestehende Setup. Eine eigene Orchestrierung ist nur sinnvoll, wenn die vorhandenen Möglichkeiten nicht ausreichen. ### Wie grenzt sich das von AI Evaluation & LLMOps ab? Harness Engineering implementiert Ausführungsumgebung und Rückkopplung für Coding-Aufgaben. AI Evaluation & LLMOps umfasst eigene Evaluierungsdatensätze, Vergleiche und laufende Überwachung bestehender LLM-Anwendungen. Ein Harness nutzt Prüfungen, ohne diesen umfassenderen Evaluierungsumfang zu ersetzen. ### Was kostet Harness Engineering? Der Umfang hängt von Repository-Komplexität, Tool-Berechtigungen, Ausführungsinfrastruktur und den nachzuweisenden Aufgaben ab. Vor Beginn vereinbaren wir eine begrenzte Bestandsaufnahme und ein Implementierungsangebot. Modellnutzung, Hosting und laufende Unterstützung werden gegebenenfalls separat ausgewiesen. ### Welche Zugriffe benötigen Sie? Für den Einstieg reichen Repository-Überblick, Build-Anweisungen und ein bereinigtes Fehlerbeispiel. Die Implementierung benötigt vereinbarten Zugriff auf Code und Testumgebung. Produktionszugänge sind keine Voraussetzung für die erste Bestandsaufnahme; erlaubte Tools und Freigabegrenzen werden ausdrücklich festgelegt. ## Mit dem passenden Umfang fortfahren - [Neues KI-Produkt oder Agentensystem entwickeln](/de/services/artificial-intelligence/) - [Bestehende LLM-Anwendung evaluieren](/de/services/ai-evaluation-llmops/) - [Architektur eines Agenten-Harness verstehen](/de/blog/agent-harness-engineering/) ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" } ] } ``` ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/de/services/harness-engineering/#service", "@type": "Service", "areaServed": [ { "@type": "Country", "name": "Austria" }, { "@type": "Place", "name": "Worldwide" } ], "category": "Künstliche Intelligenz", "dateModified": "2026-11-08", "description": "KI-Coding-Agenten im eigenen Repository verlässlich einsetzen. Wavect implementiert Kontext, Tool-Grenzen, Prüfschleifen und Übergabe. Umfang besprechen.", "name": "Harness Engineering für KI-Coding-Agenten", "provider": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "serviceType": "Harness Engineering", "url": "https://wavect.io/de/services/harness-engineering/" }, { "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/de/", "name": "Startseite", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/de/services/overview/", "name": "Leistungen", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/de/services/overview/#ai", "name": "Künstliche Intelligenz", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/de/services/harness-engineering/", "name": "Harness Engineering", "position": 4 } ] }, { "@id": "https://wavect.io/de/services/harness-engineering/#webpage", "@type": "WebPage", "dateModified": "2026-11-08", "datePublished": "2026-11-08", "description": "KI-Coding-Agenten im eigenen Repository verlässlich einsetzen. Wavect implementiert Kontext, Tool-Grenzen, Prüfschleifen und Übergabe. Umfang besprechen.", "inLanguage": "de", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "mainEntity": { "@id": "https://wavect.io/de/services/harness-engineering/#service" }, "name": "Harness Engineering für KI-Coding-Agenten", "url": "https://wavect.io/de/services/harness-engineering/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Einen implementierten Ablauf um Ihren Coding-Agenten: Repository-Kontext, Tool- und Berechtigungsregeln, Zwischenstände, Prüfschleifen und Betriebsdokumentation. Die vereinbarten Aufgaben legen fest, was bei der Übergabe funktionieren muss." }, "name": "Was liefert ein Harness-Engineering-Service?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Prompt Engineering verändert Anweisungen an ein Modell. Harness Engineering gestaltet zusätzlich die Ausführungsumgebung: Tool-Zugriff, Zustand, Wiederanlauf, Prüfungen und Review. Verbesserte Prompts können ein Bestandteil sein." }, "name": "Was unterscheidet Harness Engineering von Prompt Engineering?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Ja. Wir prüfen zuerst Repository, Agentenschnittstellen und einen wiederholbaren Fehler. Wo die vorhandenen Tools die Anforderungen erfüllen, erweitern wir das bestehende Setup. Eine eigene Orchestrierung ist nur sinnvoll, wenn die vorhandenen Möglichkeiten nicht ausreichen." }, "name": "Können Sie unser bestehendes Agenten-Setup verbessern?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Harness Engineering implementiert Ausführungsumgebung und Rückkopplung für Coding-Aufgaben. AI Evaluation & LLMOps umfasst eigene Evaluierungsdatensätze, Vergleiche und laufende Überwachung bestehender LLM-Anwendungen. Ein Harness nutzt Prüfungen, ohne diesen umfassenderen Evaluierungsumfang zu ersetzen." }, "name": "Wie grenzt sich das von AI Evaluation & LLMOps ab?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Der Umfang hängt von Repository-Komplexität, Tool-Berechtigungen, Ausführungsinfrastruktur und den nachzuweisenden Aufgaben ab. Vor Beginn vereinbaren wir eine begrenzte Bestandsaufnahme und ein Implementierungsangebot. Modellnutzung, Hosting und laufende Unterstützung werden gegebenenfalls separat ausgewiesen." }, "name": "Was kostet Harness Engineering?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Für den Einstieg reichen Repository-Überblick, Build-Anweisungen und ein bereinigtes Fehlerbeispiel. Die Implementierung benötigt vereinbarten Zugriff auf Code und Testumgebung. Produktionszugänge sind keine Voraussetzung für die erste Bestandsaufnahme; erlaubte Tools und Freigabegrenzen werden ausdrücklich festgelegt." }, "name": "Welche Zugriffe benötigen Sie?" } ], "speakable": { "@type": "SpeakableSpecification", "cssSelector": [ ".faq-question", ".faq-answer" ] } } ```