Für CTOs und Engineering-Leiter

Harness Engineering:
was Agenten verlässlich macht

Ein KI-Modell allein schreibt nur Text. Erst der Harness drumherum macht daraus einen Agenten, der in deiner Codebasis verlässlich arbeitet: Regeln, Werkzeuge, Rechte und Prüfschritte. Wir bauen ihn für dein Team und arbeiten selbst jeden Tag mit einem.

  • Regeln CLAUDE.md, AGENTS.md
  • Werkzeuge Skills, MCP-⁠Server
  • Rechte Zentral festgelegt
Im KernClaude, GPT oder Gemini
  • Prüfschritte Tests, zweiter Agent
Kurz erklärt

Was ist Harness Engineering?

Ein KI-Agent besteht aus dem KI-Modell, etwa Claude oder GPT, und seinem Harness: der Software und den Dateien, die das Modell steuern, ihm Werkzeuge geben und seine Ergebnisse prüfen. Harness Engineering heißt, diesen Harness für ein Team zu bauen und laufend zu verbessern. Birgitta Böckeler von Thoughtworks fasst es 2026 so: Agent gleich Modell plus Harness.

Das KI-Modell
Claude, GPT oder Gemini. Es schlägt den nächsten Schritt vor, mehr nicht.
Der Harness
Die Schleife, die das Modell immer wieder aufruft, dazu Regeln, Werkzeuge, Rechte und Prüfschritte. Claude Code und Codex bringen einen Grundbau mit.
Harness Engineering
Diesen Grundbau für ein Team ausbauen: mit euren Regeln, euren Systemen und euren Prüfungen.
Abgrenzung

Prompt, Kontext oder Harness: worin liegt der Unterschied?

BegriffWorum es gehtWas dazugehört
Prompt EngineeringEine einzelne Anfrage an das ModellEine gut formulierte Aufgabe, Beispiele, ein gewünschtes Format
Context EngineeringWas in jedem Schritt im Kontext des Modells stehtAnweisungen, Werkzeuge, Daten und der bisherige Verlauf, laufend ausgewählt
Harness EngineeringDie dauerhafte Umgebung, in der ein Agent Sitzung für Sitzung arbeitetDauerhafte Dateien, Rechte und Prüfschritte, die mit dem Team mitwachsen

Context Engineering wählt den Kontext für den nächsten Schritt, Harness Engineering baut die Umgebung für alle Sitzungen.

Die Bausteine

Woraus ein Harness besteht und wie unserer aussieht.

  • Regeln und Gedächtnis

    Eine kurze Datei im Repository sagt dem Agenten, wie das Team arbeitet und wo was steht. Bei OpenAI hat die AGENTS.md etwa 100 Zeilen und dient als Inhaltsverzeichnis, nicht als Handbuch.

    Bei uns Jedes Repository hat eine CLAUDE.md mit festen Regeln und eine TODO.md mit dem nächsten Schritt. Was Ralf dem Agenten einmal sagt, speichert der Agent in Memory-Dateien.

  • Skills

    Anleitungen für wiederkehrende Aufgaben, die der Agent nur lädt, wenn er sie braucht.

    Bei uns Zwölf Skills liegen in einem zentralen Repository und sind per Verknüpfung in Claude Code und Codex eingebunden. Eine Änderung dort gilt überall.

  • Werkzeuge und Anbindungen

    Der Agent liest und ändert Dateien, führt Befehle aus und greift über MCP-Server auf eure Systeme zu.

    Bei uns Unsere Agenten arbeiten über MCP in HubSpot, Microsoft 365 und im Browser, dazu über eigene Server für ein IMAP-Postfach und unser Company Brain.

  • Rechte und Grenzen

    Was ein Agent lesen, ändern und ausführen darf, wird einmal zentral festgelegt und nicht in jeder Sitzung neu.

    Bei uns Welche Befehle und MCP-Server ein Agent nutzen darf, steht zentral in den Einstellungen. In die Produktion kommt nichts ohne Pull Request.

  • Subagenten

    Ein Hauptagent plant, Subagenten erledigen Teilaufgaben in eigenen Kontexten: recherchieren, bauen, prüfen.

    Bei uns Ein Hauptagent verteilt Recherche, Bau und Review an Subagenten, jeder mit eigenem Kontext. Das Beispiel unten zeigt den Ablauf.

  • Prüfschritte

    Tests, Typprüfung und ein zweiter Agent als Prüfer fangen Fehler ab, bevor ein Mensch das Ergebnis sieht.

    Bei uns Bei jedem Pull Request laufen Typprüfung, Build und eine eigene SEO-Prüfung. Texte prüfen zusätzlich unsere Sprach-Skills für Deutsch und Englisch.

Ein Beispiel

So entstehen unsere Seiten.

Der Harness ist kein Konzept auf Folien. So bauen wir die Seiten dieser Website, auch die, die du gerade liest.

  1. Recherche

    Mehrere Agenten recherchieren parallel: Begriff, Suchanfragen, Wettbewerb, eigene Belege. Ein weiterer prüft die tragenden Fakten an den Primärquellen.

  2. Brief und Text

    Aus der Recherche entstehen Brief und Text. Die Regeln für Sprache und Marke liegen als Skills bereit und gelten für jede Seite gleich.

  3. Bau

    Ein Agent baut die Seite aus vorhandenen Komponenten und prüft sie auf Handy und Desktop.

  4. Review

    Frische Agenten ohne Vorwissen lesen Text und Code, Runde für Runde, bis kein ernster Fehler mehr offen ist.

  5. Freigabe

    Ralf liest die Seite selbst im Browser. Erst danach geht sie per Pull Request live.

Warum jetzt

Vom Prompt zum Harness.

  1. Juli 2025

    Context Engineering

    LangChain beschreibt, wie man den Kontext eines Agenten Schritt für Schritt auswählt.

  2. November 2025

    Agenten für lange Aufgaben

    Anthropic zeigt, wie ein Agent über viele Stunden arbeitet: mit Fortschrittsprotokoll, Git-Verlauf und Tests im Browser.

  3. Anfang 2026

    Der Bericht von OpenAI

    Ein Team baut ein internes Produkt, ohne Code von Hand zu schreiben, rund 1.500 Pull Requests in fünf Monaten. Die Menschen steuern, die Agenten führen aus.

  4. April 2026

    Agent gleich Modell plus Harness

    Birgitta Böckeler von Thoughtworks gibt dem Begriff seine Formel und trennt Steuern vorher von Prüfen danach.

Einordnung

Drei Begriffe und wie sie zusammenhängen.

  1. Das Handwerk

    Agentic Engineering

    Software mit KI-Agenten bauen. Unser Angebot: Wir vermitteln Engineers, die genau so arbeiten.

  2. Die Umgebung

    Harness Engineering

    Der Teil des Handwerks, der die Umgebung für die Agenten baut und pflegt.

    Diese Seite
  3. Die Rolle

    Forward Deployed Engineer

    Wer das beim Kunden erledigt: ein Senior-Engineer im Team des Kunden, der Produktionscode schreibt und den Harness einrichtet.

Umsetzung

Wer baut deinen Harness?

Ein Harness entsteht im Repository, bei der Arbeit an echten Aufgaben. Dafür gibt es bei uns zwei Wege.

  • Claude Code im Team einführen

    Wir richten Regeln, Skills, Rechte und Prüfschritte ein, und dein Team arbeitet damit weiter.

  • Einen Engineer für dein Repository dazuholen

    Die Engineers, die wir vermitteln, bauen den Harness in deinem Repository, während sie an deinen Aufgaben arbeiten.

FAQ

Häufige Fragen.

Ist Harness Engineering dasselbe wie Agentic Engineering oder ein Forward Deployed Engineer?

Nein, die drei hängen zusammen, meinen aber Verschiedenes: das Handwerk, die Umgebung und die Rolle. Für dich zählt Harness Engineering, sobald mehrere Leute im Team mit Agenten arbeiten und die Ergebnisse verlässlich sein müssen.

Reicht eine CLAUDE.md oder AGENTS.md?

Sie ist der Anfang. Eine Regeldatei steuert den Agenten vorher. Ob das Ergebnis stimmt, zeigen erst Prüfschritte danach: Tests, Typprüfung, ein zweiter Agent. Ein Harness braucht beides.

Brauchen wir einen eigenen Harness Engineer?

Meist nicht als feste Stelle. Den Harness richtet jemand ein, der das schon gemacht hat, danach pflegt ihn dein Team im Alltag. Wir führen ihn mit Claude Code ein oder vermitteln einen Engineer, der ihn in deinem Repository baut.

Was unterscheidet einen Harness von einer Automatisierung?

Eine Automatisierung führt feste Schritte aus. Ein Agent entscheidet selbst, welchen Schritt er als Nächstes macht. Der Harness gibt ihm dafür Regeln, Werkzeuge und Grenzen und prüft danach das Ergebnis.

Gilt das nur für Software-Entwicklung?

Der Begriff kommt aus der Entwicklung, das Prinzip gilt auch im Vertrieb oder in der Buchhaltung: vorher Regeln und Rechte festlegen, danach jedes Ergebnis prüfen, bevor es rausgeht.

Free AI Strategy Call · 30 Minuten

Wie sieht der Harness für dein Team aus?

In 30 kostenlosen Minuten sehen wir uns an, wie dein Team heute mit KI-Agenten arbeitet. Danach weißt du, welche Bausteine fehlen.