Nicht nur das Modell zählt: warum der Harness über die Qualität entscheidet

Wenn heute über künstliche Intelligenz gesprochen wird, geht es fast immer um das Modell. Welches ist das neueste, welches schneidet im Benchmark am besten ab, wer hat gerade die Nase vorn. Das ist verständlich, aber es blendet die halbe Geschichte aus. Denn ob eine KI im Alltag wirklich zuverlässig arbeitet, hängt mindestens genauso stark von etwas anderem ab: vom Harness.

Was ein Harness überhaupt ist

Der Begriff klingt sperrig, die Sache dahinter ist einfach. Ein Sprachmodell allein ist wie ein sehr kluger Kopf ohne Hände, ohne Notizbuch und ohne Uhr. Es kann denken und formulieren, aber es weiß nicht, was gestern war, es kann von sich aus nichts nachschlagen und nichts tun. Der Harness ist das Gerüst, das genau das ergänzt: die Verwaltung des Kontexts, die Anbindung von Werkzeugen, die Gedächtnisstruktur und die Steuerung, wann welcher Schritt passiert. Erst dieses Gerüst macht aus einem Modell einen Assistenten, der Aufgaben übernimmt, statt nur Fragen zu beantworten.

Man kann es mit einem Handwerker vergleichen. Zwei gleich begabte Handwerker liefern völlig unterschiedliche Ergebnisse, je nachdem, ob sie eine aufgeräumte Werkstatt mit dem richtigen Werkzeug haben oder in einer Kiste voller durcheinandergeworfener Teile suchen müssen. Das Modell ist das Talent. Der Harness ist die Werkstatt.

Wie groß der Unterschied wirklich ist

Dass das kein Nebenschauplatz ist, zeigt eine Untersuchung von Forschern aus Stanford, dem MIT und Krafton vom Frühjahr 2026. Ihr Ergebnis lässt aufhorchen: Bei ein und demselben Modell entscheidet allein die Qualität des Harness über eine bis zu sechsfache Spanne in der Leistung. Gleicher Kopf, gleiche Aufgabe, und trotzdem sechsmal besser oder schlechter, nur weil das Gerüst drumherum anders gebaut ist. Wer also nur auf das Modell schaut, übersieht den größeren Hebel.

Jeder Anbieter baut seinen eigenen

Deshalb hat inzwischen praktisch jeder große Anbieter seine eigene Plattform um seine Modelle gebaut. Anthropic hat Claude Code, OpenAI hat Codex, Google ist gerade von der Gemini CLI auf Antigravity umgestiegen. Und der Markt bewegt sich schnell. Allein im August 2026 hat Microsoft sein Agent Framework offiziell fertiggestellt und DeepSeek einen eigenen, offenen Harness als erste Vorschau veröffentlicht. Manche dieser Systeme sind bewusst offen gebaut, sodass man das Modell im Inneren gegen das eines anderen Anbieters tauschen kann. Das gilt aber nicht für alle. Ein Teil der Plattformen bleibt fest an die eigene Modellfamilie gebunden. Wer die Wahl behalten will, sollte also genau hinschauen, welches System sich wirklich öffnen lässt.

Ein Blick auf die aktuelle Rangliste

Wie sehr der Harness zählt, sieht man auch daran, dass sich die Anbieter inzwischen an eigenen Ranglisten messen. Der Terminal-Bench ist so eine unabhängige Messlatte. Er prüft, wie zuverlässig ein System echte Aufgaben an der Kommandozeile löst, also genau die Art Arbeit, die ein Coding-Agent im Alltag übernimmt. In der aktuellen Fassung 2.1 steht Claude Code an der Spitze. Zusammen mit Anthropics Spitzenmodell löst es 83,8 Prozent der Aufgaben und liegt damit vorn, knapp vor dem nächsten Verfolger von OpenAI mit 83,1 Prozent.

Man sollte solche Ranglisten nicht zur Glaubensfrage machen, denn das Feld liegt eng beieinander und bewegt sich schnell. Eine Sache zeigen sie aber deutlich. Es lohnt sich, nicht nur auf das Modell zu schauen, sondern auf das Zusammenspiel aus Modell und Harness. Genau dieses Zusammenspiel bringt Claude Code hier nach vorne, und es ist auch der Grund, warum ich selbst täglich damit arbeite.

Sparsamkeit wird zum echten Unterscheidungsmerkmal

Ein Punkt, der in der Praxis oft unterschätzt wird, ist der Verbrauch. Jede Anfrage an ein Modell kostet sogenannte Tokens, und wie sparsam ein Harness damit umgeht, macht am Monatsende einen spürbaren Unterschied auf der Rechnung. Zwischen den Systemen liegen hier messbar große Abstände, teils um den Faktor vier bis sechs bei derselben Aufgabe. Welches System dabei das sparsamste ist, lässt sich pauschal nicht sagen. Die Vergleiche widersprechen sich und stammen oft von den Anbietern selbst. Wichtig ist die Erkenntnis dahinter: Effizienz ist kein Zufall, sondern eine Frage, wie klug das Gerüst mit Kontext und Gedächtnis umgeht. Ein gut aufgeräumtes System kommt mit deutlich weniger Kontext aus und liefert trotzdem bessere Ergebnisse.

Der eigentliche Trend: Nachschlagen statt Auswendigwissen

Dahinter steht eine Verschiebung, die mir persönlich am interessantesten erscheint. Lange galt die Regel: Je mehr ein Modell auswendig weiß, desto besser. Inzwischen setzt sich eine andere Einsicht durch. Das meiste Wissen steht ohnehin im Netz und lässt sich nachschlagen. Ein Modell, das sein Werkzeug zum Suchen und Nachlesen beherrscht, antwortet aktueller und genauer als eines, das sich nur auf seinen eingefrorenen Trainingsstand verlässt. Anthropic hat diesen Gedanken schon im Herbst 2025 offen beschrieben, und die neuesten Modelle dieses Sommers gehen genau in diese Richtung. Die Fähigkeit, Werkzeuge zuverlässig aufzurufen, wird gezielt ausgebaut. Und es ist der Harness, der diese Fähigkeit erst zur Geltung bringt.

Was das für einen kleinen Betrieb bedeutet

Für mich als Einzelunternehmer ist die praktische Lehre einfach. Ich muss nicht dem jeweils teuersten oder neuesten Modell hinterherlaufen. Viel wichtiger ist, dass das Gesamtsystem stimmt: dass meine KI den Kontext behält, ihre Werkzeuge kennt, ein sauberes Gedächtnis hat und sparsam arbeitet. Genau das ist die Erfahrung aus meinem eigenen Alltag mit meiner Assistentin. Der spürbare Fortschritt kam nicht jedes Mal durch ein neues Modell, sondern fast immer dadurch, dass das Gerüst drumherum besser wurde. Das Modell ist der Kopf. Aber ob dieser Kopf im Betrieb wirklich etwas bewegt, entscheidet die Werkstatt, in der er steht.

Wenn du wissen willst, wie so ein System im Kleinen aussieht und wie man es Schritt für Schritt selbst aufbaut, zeige ich das in den Kursen, die hier gerade entstehen. Beim Start benachrichtigen lassen. Kein Verkaufsdruck, nur eine kurze Nachricht, sobald es losgeht.