Das heutige Thema hat fast jeder schon einmal gehört, aber nur wenige können es wirklich erklären. Das KI-Agenten-Harness. Sie haben es wahrscheinlich im Blogpost oder auf Konferenzen gesehen. Aber was bedeutet es eigentlich? Hier ist der Punkt. Die meisten Leute denken, beim Aufbau eines KI-Agenten ging es darum, den perfekten Prompt zu schreiben. Diese eine magische Anweisung, die das Modell genau das tun lässt, was man will. Aber das ist, als würde man glauben, ein Auto bestünde nur aus einem Motor. Klar, der Motor ist wichtig, aber ohne Raider. Lenkrad, Bremsen und Fahrgestell kommen sie nirgendwo hin. Am Ende dieser Folge werden Sie verstehen, was ein Agent-Harness wirklich ist, warum es die nächste Evolutionsstufe nach dem Prompt Engineering ist und wie Microsoft AI Foundry dies für echte Unternehmen zum Leben erweckt. Schnappen Sie sich Ihren Kaffee und fangen wir an. Warum Prompting nicht mehr ausreicht? Gehen wir zurück zu den Anfängen. Etwa von 2020 bis 2024 war die Arbeit mit KI einfach. Man schrieb einen Prompt und erhielt eine Art. Benötigen Sie einen E-Mail-Entwurf. Schreiben Sie einen Punkt. Benötigen Sie eines Artikels? Schreiben Sie einen Prompt. Für einfache Einmalaufgaben funktionierte das sehr gut. Sie konnten um etwas bitten und das Modell lieferte eine vernünftige Antwort. Aber dann wurden die Leute ehrgeiziger. Sie fingen an, diese Modelle echte Arbeit erledigen zu lassen. Ein Thema recherchieren und einen Bericht schreiben, eine Code-Basis analysieren und einen Fehler beheben oder ein mehrstufiges Kundensupport-Gespräch von Anfang bis Ende führen. Und plötzlich konnte ein einziger Prompt das nehmen wir welchen. Das ist passiert. Das Kontextfenster des Modells war voll. Es vergaß die früheren Anweisungen und fing an, Fakten zu erfinden oder unvollständige Ergebnisse zu liefern. Je länger die Aufgabe dauerte, desto unzuverlässiger wurde das Ergebnis. Das haben Sie wahrscheinlich selbst schon erlebt. Sie bitten eine KI, etwas Komplexes zu tun. Und am Ende hat sie vergessen, was Sie sie ursprünglich gebeten haben. Stellen Sie sich vor, Sie bitten eine einzige Person, ein ganzes Haus von Grund aufzubauen. Alles in einer Sitzung, ohne jemals ihre Arbeit zu überprüfen. Genau das haben wir diese Modelle gefragt. Die Ergebnisse waren genau das, was man erwarten würde. Ein halbfertiges Haus mit fehlenden Wänden und Türen, die sich nicht öffnen lassen. Die Lösung war kein besserer Punkt. Sie könnten Stunden damit verbringen, die Formulierung anzupassen, mehr Beispiele hinzuzufügen und die Anweisungen zu verfeinern. Und es würde bei langen, komplexen Aufgaben immer noch scheitern, weil das grundlegende Problem nicht der Prompt war. Es war das Fehlen eines Systems drumherum. Was das Modell brauchte, waren keine besseren Worte, sondern bessere Unterstützung. Da begann die Entwicklung vom Prompt Engineering hin zum Context Engineering. Die drei Phasen der KI-Evolution. Also so sehe ich die Entwicklung der KI. Drei Phasen, jede davon verschiebt den Fokus für Ingenieure. Phase 1 war Prompt Engineering. Das lief etwa von 2024 bis 2024. Die große Frage war einfach, was soll ich dem Modell sagen? Man schrieb eine Anweisung, bekam eine Antwort und das war's. Die ganze Kunst bestand aus Formulierung und Tonfall. Für grundlegende Aufgaben reichte das aus. Phase 2 folgte. Context Engineering von 2025 bis 2025. Die Frage änderte sich von, was soll ich sagen? Zu was soll das Modell sehen? Ingenieure erkannten, dass es wichtiger ist, was man dem Modell füttert, als wie man fragt. Also bauten sie Systeme wie Tool Calling, Retrieval Augmented Generation und das Model Context Protocol, MCP. Diese erlaubten es dem Modell, die richtigen Informationen im Flugzeug zu erfassen. Anstatt alles in einen Prompt zu stopfen, konnte das Modell abrufen, was es brauchte, wenn es es brauchte. Phase 3 ist, wo wir jetzt sind. Harness Engineering. Ab etwa 2026 lautet die Frage, welches System muss ich um das Modell herumbauen? Hier wird's interessant. Denn Zuverlässigkeit, Gedächtnis, Orchestrierung und Leitplanken kommen nicht vom Modell selbst, sondern vom System, das man darum baut. Hier ist die einfachste Art, darüber nachzudenken. Ein Agent ist ein Modell plus ein Harness, also ein Grundgerüst. Das Grundgerüst ist alles andere. Das Modell denkt, das Grundgerüst erledigt den Rest. Und dieses Grundgerüst ist die Geheimzutat, die das Ganze funktionsfähig macht. Denken Sie so, das Modell ist ein Facharbeiter, sehr talentiert, aber begrenzt. Das Grundgerüst ist die Werkstatt, die Werkzeuge, die Checkliste, der Vorgesetzte und die Brems. Ohne die Werkstatt hat der Arbeiter kein Ort zum Arbeiten. Ohne die Werkzeuge kann er nichts bauen. Ohne die Checkliste vergisst er Schritte. Ohne den Vorgesetzten macht er Fehler. Und ohne Bremsen brennt er aus. Das Grundgerüst liefert all diese Strukturen. Also was genau steckt in diesem Grundgerüst? Öffnen wir es. Was ein Grundgerüst tatsächlich enthält. Also was gehört an ein solches Grundgerüst? Gehen wir die Teile Stück für Stück durch. Erstens die Agentenschleife. Das ist der Kreislauf, der den Agent am Laufen hält. Das Modell denkt nach und entscheidet sich dann ein Werkzeugaufzug. Das Werkzeug läuft und sendet ein Ergebnis zurück. Das Modell sieht sich das an, denkt erneut nach und ruft vielleicht ein weiteres Werkzeug auf. Die Schleife läuft weiter, bis der Agent sein Ziel erreicht hat. Ohne diese Schleife erhält man nur eine einzelne Frage und eine einzelne Antwort. Damit hat man ein System, das Probleme Schritt für Schritt bearbeitet. Als nächstes Kontextmanagement. Das ist entscheidender Modelle, nur eine begrenzte Aufmerksamkeitsspanner. Ihr Kontextfenster kann nur eine bestimmte Menge aufnehmen, bevor es überläuft. Glaubt das Hannes. Es komprimiert die Konversation, fasst alle Nachrichten zusammen und priorisiert das Wichtige. Stellen Sie es sich wie ein Ablagesystem für die Konversation vor. Das Hannes organisiert sie so, dass das Modell Levante sieht. Ohne dies zerfallen lange Sitzungen, da das Modell den Überblick verliert. Dann gibt es noch Werkzeugenfähigkeiten. Dies sind die Hände des Agenten. Ein Modell allein kann nur Text generieren. Es kann weder eine Datei lesen, den Websurfen, Code ausführen noch eine Datenbank abfragen. Das Hannes verleiht ihm diese Fähigkeiten. Dateizugriff, Websuche, Codeausführung, Datenbankabfragen. Alles Werkzeuge, die das Hannes bereitstellt. Das Modell entscheidet, wann es Sie nutzt und das Hannes auch dafür, dass Sie funktionieren. Gedächtnis- und Sitzungspersistenz sind ein weiterer wichtiger Aspekt. Das Hannes erinnert sich an vergangene Sitzung. Wenn Sie also morgen zu einem Agenten zurückkehren, beginnt er nicht bei Null. Er erinnert sich an Ihre Präferenzen, Ihren Projektkontext und die von Ihnen getroffenen Entscheidung. Der Agent lernt mit der Zeit, weil das Hannes diese Historie bewahrt. Guardrails sind die Sicherheitsebene, Grenzen, die Sie für das Verhalten des Agenten festlegen. Betrachten Sie es als Regelbuch des Agenten. Maximale Schritte vor dem Stopp untersagte Aktionen, menschliche Freigaben für risikoreiche Schritte, Widerschreiben von Dateien oder E-Mails. Ohne Guardrails könnte ein Agent unendlich laufen oder Dinge tun, die Sie nicht beabsichtigt haben. Das Hannes hält ihn in Schacht. Schließlich die Orchestrierung. Das Hannes kann spezialisierte unter Agenten für verschiedene Aufgabenstaben. Einer übernimmt die Recherche, ein anderer das Schreiben, ein dritter die Überprüfung. Sie arbeiten zusammen wie ein Team von Spezialisten auf aller Baustelle. Jeder tut, was er am besten kann. Und das Hannes sorgt dafür, dass sie sich nicht in die Quere kommen. Diese Komponenten sind nun nicht nur Theorie. Microsoft hat eine vollständige Plattform entwickelt, die all dies in die Praxis umsetzt. Hier kommt Microsoft AI Foundry ins Spiel, das Enterprise Hannes. Diese Plattform ist Microsoft AI Foundry. Stellen Sie es sich als komplette Werkstatt für den Aufbau und Betrieb von KI-Agenten im großen Maßstab vor. Und wenn ich Maßstab sage, meine ich echte Skalierung, kein Laborexperiment. Foundry bedient heute über 70.000 Kunden und hat allein im letzten Quartal 100 Billionen Token verarbeitet. Das sind 100 Millionen, kein Tippfehler. Jeden Tag unterstützt es zwei Milliarden Unternehmenssuchanfragen. Dies ist eine Produktionsplattform, die einige der größten Arbeitslasten der Welt bewältigt. Was Foundry tatsächlich tut, ist ihnen das Hannes als Managed Service bereitzustellen. Sie müssen Kontextmanagement, Gedächtnis, Guardrails und Koordination nicht von Grund auf aufbauen, da alles integriert ist. Sie bringen Ihren Agenten mit und Foundry liefert das Werkzeug dafür. Lassen Sie uns nun über Identität sprechen. Das ist eine wichtige Sache. Jeder Agent in Foundry erhält seine eigene Intra-Agenten-ID. Im Grunde eine digitale Identität, denn sie ist sich wie einen Mitarbeiterausweis vor, den der Empfang ausstellt. Der Agent kann sich bei Diensten anmelden, auf Daten zugreifen und im Namen des Unternehmens handeln, genau wie ein menschlicher Mitarbeiter. Und da jede Aktion an diese Identität gebunden ist, ist sie vollständig prüfbar. Warum ist das wichtig? In einem Unternehmen muss man wissen, wer was getan hat. Jede Aktion wird protokolliert und ist nachvollziehbar. Foundry lässt sich mit über 1400 Unternehmensdatenquellen verbinden, von SharePoint und Dynamics 365 bis hin zu Salesforce und benutzerdefinierten Datenbanken. Wenn ihr Unternehmen es nutzt, hat Foundry wahrscheinlich einen Connector dafür. Der Agent rät also nicht und er findet keine Dinge. Er ruft echte Daten aus echten Systemen ab, was bedeutet, dass die Antworten auf ihren tatsächlichen Geschäftsdaten basieren. Dann gibt es noch den Speicher. Foundry enthält integrierte Speichertypen. Das prozedurale Gedächtnis hilft dem Agenten, aus vergangenen Aufgaben zu werden. Er wird mit der Zeit besser wie durch eine praktische Ausbildung am Arbeitsplatz. Sitzungspersistenz bedeutet, dass er sich an frühere Unterhaltung erinnert, sodass er nicht jedes Mal bei Null anfängt, wenn sie mit ihm sprechen. Das lässt Interaktionen kontinuierlich und intelligent erscheinen. Wie funktioniert das nun eigentlich? Schlüsseln wir die Komponenten auf, die Microsoft für den Bau benutzerdefinierter Umgebung bereitstellt. Das Agenten-Framework, das Bauen von benutzerdefinierten Umgebungen. Wie baut man also tatsächlich eine solche Umgebung? Microsoft stellt ein dediziertes SDK namens Microsoft Agent Framework bereit, das Sie vielleicht unter seinem früheren Namen Semantic Kernel kennen. Es wurde neu aufgebaut, aber das Konzept ist dasselbe geblieben. Es ermöglicht Entwicklern benutzerdefinierte Agentenumgebungen in Python und C-Shotix zu erstellen. Das Framework besteht aus drei Ebenen. Unten befindet sich die Agentenschleife, der zentrale Denkzyklus, in dem das Modell nachdenkt, Werkzeuge aufruft, Ergebnisse erhält und erneut nachdenkt. Darüber liegen Workflows, Koordinationsmuster, die mehrere Agenten verwalten. Und das alles Umschließen ist die Umgebungsebene selbst, die Hülle, die alles zusammenhält. Microsoft liefert fünf integrierte Koordinationsmuster mit. Sequential führt Agenten nacheinander in einer definierten Reihenfolge aus. Concurrent lässt sie alle parallel laufen. Endoff übergibt die Steuerung je nach Bedarf von einem Agenten an einen anderen. GroupChat ermöglicht es mehreren Agenten in einer gemeinsamen Unterhaltung zu sprechen. Und dann gibt es noch Magantic, ein Manager von Microsoft Research, Ihr erstellt ein übergeordneter Agent einen Plan und delegiert die Arbeit an spezialisierte Unteragenten, ähnlich wie ein Projektmanager, der Aufgaben an Teammitglieder verteilt. Jedes Muster löst ein anderes Koordinationsproblem. Hier kommt das Beste. Das Framework ist erweiterbar. Sie können jedes beliebige Modell einbinden, von OpenAI, Anthropic und Google Gemini bis hin zu Amazon Bedrock oder sogar lokalen Modellen auf Olama. Dasselbe gilt für Tools. Die Anbindung erfolgt über OpenAI, das Model Context Protocol oder direkten Code. Manche befürchten, dass die Nutzung des Microsoft Frameworks einer deren Ökosystem bindet. Das stimmt nicht. Das Framework funktioniert mit jedem Stack, den Sie bereits verwenden. Die Harness-Ebene fügt Funktionen wie Dateizugriff, Codeausführung, Planungsmittelwehr und Telemetrie hinzu. Ein Agent mit diesem Framework bedeutet also, ein komplettes System zu bauen, das Dateien liest, Code schreibt, mehrstufige Aufgaben plant und alles für das Debugging protokolliert. Es ist mehr als nur eine Chat-Schnittstelle. So sieht das in der Praxis aus. Stellen Sie sich einen Coding-Agent in Vorheit auf diesem Framework. Sie geben ihm eine Aufgabe, zum Beispiel das Hinzufügen eines neuen Features zu einer bestehenden Codebasis. Der Agent beginnt damit, die Dokumentation zu durchsuchen, um die API zu verstehen. Dann schreibt er den Code. Anschließend führt er Tests durch, um sicherzustellen. Wenn ein Test fehlschlägt, liest er den Fehler, behebt den Bug und lässt die Tests erneut laufen. Alles innerhalb desselben Harness in einem denkhanden Prüfenzyklus, bis die Aufgabe erledigt ist, ist... Ohne den Harness müssten Sie jeden Schritt manuell vorgeben. Mit dem bewältigt der Agent den gesamten Workflow eigenständig. Ein beliebtes Beispiel für einen Harness in Aktion ist das Claw-Muster. Microsoft hat es auf Foundry zur Verfügung gestellt und es demonstriert hervorragend, wie diese Komponenten zusammenwirken. Claw-Style-Agenten und Hermes. Lassen Sie über Claw-Style-Agenten sprechen. Der Name stammt von Open-Source-Projekten wie OpenClaw. Diese Agenten leben auf ihrem Rechner, warten auf Anweisungen und führen dann langwierige Aufgaben selbstständig aus. Sie sind immer bereit, einzuspringen, wenn Sie sie brauchen. Stellen Sie sie sich wie einen persönlichen Assistenten vor, der nie einen freien Tag nimmt. Microsofts Version heißt Hermes. Sie läuft in der gehosteten Agent-Sandbox von Foundry und bietet beeindruckende Fähigkeiten, Fähigkeiten. Hermes hat sein eigenes Dateisystem, seinen eigenen Speicher und sein eigenes Set an Tools. Es kann eigene Wartungsroutinen einrichten, alte Dateien bereinigen und seine Arbeitsbereiche organisieren. Und wenn es merkt, dass es eine neue Fähigkeit benötigt, die es nicht hat, kann es diese spontan entwickeln. Nun zu einer Besonderheit bei Claw-Agenten. Cloud-Architekten nennen sie Haustiere, nicht Vieh. Haustiere sind einzigartig. Man gibt ihnen Namen, kümmert sich um sie und kann sie nicht einfach ersetzen. Vieh ist austauschbar. Wenn eines ausfällt, startet man einfacher Neues. Claw-Agent sind definitiv Haustiere. Jeder hat seinen eigenen Zustand, seine eigene Historie und erlernte Verhaltens. Diese Einzigartigkeit macht sie leistungsstark, erschwert jedoch die Wiederherstellung und Skalierung. Wenn etwas schief geht, kann man die Instanz nicht einfach verwerfen und neu starten, da das gesamte gesammelte Wissen verloren ginge. Microsofts Lösung dafür nennt sich Routinen. Dies sind geplante Aufgaben, die den Agenten aufwachen lassen, Wartungsarbeiten durchführen und ihn dann wieder schlafen legen. Anstatt die Sandbox rund um die Uhr laufen zu lassen, was Geld kostet, fährt der Agent nach einer Zeit der Inaktivität herunter. Das Routinensystem weckt ihn auf, wenn etwas zu tun ist, wie das Aufräumen alter Fähigkeiten, ein Backup oder die Suche nach neuen Aufgaben. Anschließend legt er sich wieder schlaff. Das spart Kosten und hält den Agenten verfügbar, wenn sie ihn brauchen. Die Sandbox isoliert jede Sitzung. Die Dateien, der Speicher und die Konfiguration ihres Agenten bleiben in seiner eigenen Umgebung enthalten. Das Harness verwaltet diesen Zustand über Sitzungen hinweg, sodass sie keine Datenlecks zwischen Agenten befürchten müssen. Ein eigenes Harness von Grund aufzubauen ist möglich, aber die meisten Unternehmen brauchen das nicht. Foundry bietet ihnen eine fertige Plattform, in der all diese Funktionen bereits integriert sind. Die eigentliche Frage ist, was soll ihr Agent tun? Veröffentlichung und Zusammenarbeit, wo Harness und Mensch aufeinandertreffen. Sie haben also ihren Agenten erstellt und ihn mit Tools, Speicherorchestrierung in einer Sandbox ausgestattet. Wie nutzen die Leute ihn nun in der Praxis? Ihr macht Foundry die Dinge einfach. Sobald ihr Agent erstellt und bereitgestellt ist, können sie ihn mit einem Klick in Microsoft 365 Copilot in Microsoft Teams veröffentlichen. Keine 10 Klicks, keine dreitägige Deployment Pipeline, nur ein einziger Klick. Ihr Agent erscheint direkt dort, wo die Leute bereits arbeiten, in ihren E-Mails, Chats und Dokumenten. Foundry unterstützt zwei Bereitstellungsmodi. Erstens unterstützende Agenten. Diese arbeiten in ihrem Auftrag, entwerfen E-Mails, planen Meetings oder rufen Dokumente ab. Sie fungieren als eine Erweiterung ihrer selbst, wie ein extrem schneller Assistent, der tut, was sie verlangen. Zweitens Autopilotagenten. Sie sind neu und interessant. Sie handeln in eigenen Namen, mit eigener E-Mail-Adresse und eigener Identität. Sie müssen nicht jedes Mal dazu aufgefordert werden. Sie ergreifen Initiativen. Autopilotagenten besitzen ein vollständiges Benutzerkann. Sie können sie zu einem Teams-Gruppen-Chat hinzufügen, genau wie einen menschlichen Kollegen. Sie verfolgen das Gespräch und schalten sich ein, wenn sie helfen können, verfolgen offene Punkte, beantworten Fragen zur Arbeit des Teams und unterstützen sogar beim Onboarding neuer Mitglieder, indem sie die richtigen Dokumente senden und sie mit den richtigen Leuten vernetzen und sie mit den richtigen Leuten vernetzen. Hier ist ein konkretes Beispiel. Nehmen wir an, sie haben einen Workstream-Manager-Agenten. Sie fügen es ihrem Teams-Gruppen-Chat hinzu. Jemand sagt, hey, ich brauche den Q3-Bericht bis Freitag fertig. Der Agent erkennt, dass dies eine Aufgabe ist. Er stellt eine Aufgabe, weist sie der richtigen Person zu und fügt eine Erinnerung für Donnerstag hinzu, um den Fortschritt zu prüfen. Niemand hat ihm das befohlen. Er hat einfach gesehen, was zu tun war und es erledigt. Das Harness verwaltet alle Berechtigungen im Hintergrund. Nur autorisierte Benutzer können im Gruppen-Chat mit dem Agenten interagieren. Der Agent sieht nur Nachrichten, für die er zugelassen ist und ignoriert den Rest. Er respektiert dieselben Zugriffskontrollen wie ihre menschlichen Teammitglieder. Jetzt halt sich Harness Engineering wirklich aus. Der Agent ist nicht länger nur ein Chatbot in einem Browser-Tab. Er wird zu einem produktiven Teammitglied. Er ist dort, wo sie sind, arbeitet wie ihr Team. Und das alles, weil das Harness das System um das Modell herum Identität, Berechtigungen, Bereitstellung und Integration steuert. Ohne das Harness hätten sie nur ein weiteres Chatfenster, das sie prüfen. Über jedes leistungsstarke Werkzeug braucht sich als Foto. Sprechen wir über die Leitplanken, die all das sicher machen. Verantwortungsvolle Covenants im Harness. Es ist so. Bei Harness Engineering geht es nicht nur darum, Agenten leistungsfähiger zu machen. Es geht darum, sie sicher und vertrauenswürdig zu machen. Ein Agent, der E-Mails senden, Dateien bearbeiten und in Gruppenchats agieren kann, die Kontrolle. Stellen Sie es sich wie den Schlüssel für das Gebäude vor, den Sie am Mitarbeiter geben. Sie möchten, dass er seine Arbeit erledigt, legen aber auch Regeln fest, worauf er wann zugreifen darf. Microsofts Ansatz basiert auf dem Standard für verantwortungsvolle KI. Sechs Prinzipien leiten alles. Fairness, Zuverlässigkeit und Sicherheit, Datenschutz und Sicherheit, Inklusivität, Transparenz und Verantwortlichkeit. Dies sind nicht nur nette Ideen auf einem Plakat. Sie sind das tatsächliche Fundament, auf dem die gesamte Plattform von Grund auf entworfen wurde. Im Harness werden diese Prinzipien zu echtem Code. Leitplanken begrenzen, was der Agent tun kann. Lifecycle Hooks ermöglichen es Ihnen, Richtlinien bei jedem Schritt der Agentenausführung durchzusetzen. Vor der Ausführung, danach, vor dem Aufruf eines Tools, nach Erhalt eines Ergebnisses, Sie können an jedem Punkt eigene Prüfungen einfügen. Möchten Sie den Agenten für bestimmte Datenbanken sperren? Das können Sie tun. Möchten Sie eine menschliche Genehmigung, bevor der Agent eine E-Mail sendet? Das können Sie ebenfalls tun. Beides lässt sich ganz einfach einrichten. Das Well-Architected Framework von Azure enthält spezielle Leitfäden für KI-Workloads. Es deckt alles ab, von Datenverschlüsselung bis zur Reaktion auf Sicherheitsvorfälle. Die Idee ist, dass der Aufbau eines KI-Systems sich nicht grundlegend vom Aufbau anderer Unternehmenssysteme unterscheidet. Sie benötigen weiterhin Sicherheit, Zuverlässigkeit und betriebliche Exzellenz. Das Well-Architected Framework bietet Ihnen eine strukturierte Methode, um dies alles zu durchdenken, ohne den Überblick zu verlieren. Darüber hinaus gibt es das Cloud-Adoption Framework. Es bietet einen vierstufigen Prozess für die KI-Governance. Erstens, Risiken identifizieren. Was könnte schief gehen? Zweitens, Auswirkungen messen. Wie schlimm wäre es? Drittens, mit Kontrollen mindern. Was können Sie unternehmen, um uns zu verhindern? Viertens, mit Überwachung betreiben. Wie erkennen Sie Probleme, wenn Sie auftreten? Es ist ein praktischer Schritt-für-Schritt-Ansatz, der abstrakte Bedenken in konkrete Maßnahmen verwandelt. Für Agent Harnesses bedeutet das konkret ein paar wichtige Punkte. Maximale Schrittbegrenzungen, damit der Agent nicht endlos läuft. Tool-Einschränkungen, damit er nur auf das zugreifen kann, wozu er berechtigt ist. Menschliche Freigabeschleifen für risikoreiche Aktionen. Audit-Trails, damit jede Entscheidung protokolliert und überprüfbar ist. Inhalts-Sicherheitsfilter, die problematische Ausgaben abfangen, bevor sie jemanden sieht. Jedes Element sorgt gemeinsam dafür, dass Ihr Agent an der kurzen Leine bleibt. Microsoft bietet integrierte Inhaltssicherheit und Evaluatoren innerhalb von Foundry. Sie können Ihren Agenten anhand festgelegter Kriterien testen, bevor sie ihn bereitscht. Bleibt er beim Thema? Geht er ordnungsgemäß mit sensiblen Daten um? Lehnt er Anfragen ab, die er nicht erfüllen sollte? Sie können diese Evaluierung automatisch durchführen und eine Bewertung erhalten, bevor Sie den Agenten für Ihr Team veröffentlichen. So erkennen Sie Probleme frühzeitig und nicht erst, wenn etwas schiefgegangen ist. Das ist das Gesamtbild. Vom einfachen Prompt bis zum Produktionsreifen sicheren autonomen Agenten. Das Modell übernimmt das Denken, das Harness übernimmt alles andere. Die Koordination, die Leitplanken, die Governance, alles. Was es vertrauenswürdig macht. Lassen Sie uns also die Transformation zusammenfassen. Wir haben mit One-Shot-Prompting begonnen. Ein Prompt-Schreiben, eine Antwort erhalten. Das hat für einfache Aufgaben funktioniert. Dann sind wir zum Kontext-Engineering übergegangen. Verwalten Sie, was das Modell sieht und laden Sie die richtigen Informationen zur richtigen Zeit. Das hat für komplexere Aufgaben funktioniert. Und jetzt sind wir beim vollständigen Harness-Engineering angekommen. Bauen Sie ein vollständiges System um das Modell herum mit Speichertools, Koordination, Leitplanken und Governance. Ist die wichtigste Erkenntnis. Ein Agent ist nur so zuverlässig wie das System, das Sie ihn umgeben. Das Modell ist wichtig, absolut, aber das Harness entscheidet über Erfolg in der Produktion. Sie können das beste Modell der Welt haben, aber ohne ein gutes Harness wird es bei realen Aufgaben scheitern. Und Sie können ein ordentliches Modell mit einem exzellenten Harness haben, das jedes Mal die Erwartungen übertrifft. Ist Ihre Herausforderung. Denken Sie bei Ihrem nächsten KI-Projekt über den Prompt hinaus. Fragen Sie nicht, was ich dem Modell sagen soll, sondern welches System ich darum herum aufbauen muss. Dieser Perspektivwechsel unterscheidet Demos von produktiven Systemen. In der nächsten Folge werden wir tiefer in eine Systemkomponente eintauchen, das Gedächtnis. Wie Agenten mit der Zeit lernen, wie sie sich an ihre Aktionen erinnern und wie das ihre Möglichkeiten verändert. Abonnieren Sie, um es nicht zu verpassen.