8 neue KI-Begriffe, die du kennen solltest, um vorn dabei zu sein

Jenseits von Tokens und Prompts

Die meisten kennen Tokens, Prompts und Halluzinationen. Doch das KI-Gespräch hat sich weiterentwickelt. Hier sind acht Begriffe, die heute bestimmen, wie Systeme gebaut, bewertet und diskutiert werden — Begriffe, die in Engineering-Teams, Produkt-Reviews und Strategie-Decks fallen.

1. Harness

Ein rohes Modell ist ein Gehirn im Glas. Es kann denken, aber allein kann es weder Slack öffnen noch eine E-Mail in Ihrem Namen senden — noch weiß es, wann es aufhören soll.

Ein Harness ist die Software um das Modell herum, die genau das ermöglicht. Sie gibt dem Modell Zugriff auf Tools und Informationen, verwaltet Berechtigungen und steuert, wann es wiederholen, stoppen oder um Hilfe fragen soll.

Einfacher Merksatz:

Agent = Modell + Harness

Bei einem Coding-Agent stellt der Harness Werkzeuge bereit, um Dateien zu lesen, Code zu bearbeiten und Tests auszuführen. Er verwaltet auch die Instruktionen und das Feedback, das das Modell erhält. Zwei Apps können dasselbe Modell nutzen und dennoch unterschiedlich performen, weil ihre Harnesses dem Modell unterschiedliche Tools, Instruktionen und Prüfmechanismen geben. OpenAIs Artikel zu Harness Engineering beschreibt, wie das Team eine Umgebung baute, in der Codex Code schreiben, Checks ausführen und auf Feedback reagieren konnte.

2. Agents

Ein Agent ist ein System, das mehrschrittige Aufgaben plant und mithilfe verfügbarer Tools ausführt. Anders als ein einzelner Prompt-Response-Austausch entscheidet ein Agent, was als Nächstes zu tun ist, handelt, beobachtet das Ergebnis und iteriert, bis das Ziel erreicht ist oder er um Hilfe bittet.

Agenten reichen von eng gefasst (ein Coding-Agent, der einen fehlschlagenden Test repariert) bis breit (ein Research-Agent, der browst, synthetisiert und einen Report schreibt). Das Merkmal ist Autonomie über eine Sequenz, nicht nur über einen einzelnen Turn.

3. MCP (Model Context Protocol)

MCP ist ein offener Standard, um KI-Anwendungen mit externen Datenquellen und Tools zu verbinden. Statt für jede Datenbank, API oder jedes Dateisystem eine eigene Integration zu bauen, stellen Entwickler einen MCP-Server bereit; jeder MCP-kompatible Client (Claude Desktop, Cursor, eigene Agenten) kann diese Fähigkeiten dann über ein einheitliches Protokoll entdecken und nutzen.

Man kann es als “USB-C für KI-Kontext” sehen: ein Stecker, viele Peripheriegeräte.

4. Loop Engineering

Loop Engineering ist die Disziplin, zu gestalten, wie ein Agent iteriert: was er versucht, wie er seine Arbeit prüft, wann er wiederholt und wann er eskaliert. Ein gut konstruierter Loop macht aus einem unzuverlässigen Modell einen verlässlichen Worker; ein schlechter Loop verbrennt Tokens und produziert Müll.

Dazu gehören Prompt-Templates, Verifikationsschritte (Lint, Type-Check, Tests), Backoff-Strategien und die Kriterien für “gut genug” vs. “braucht Mensch.”

5. Skills

Im Agenten-Kontext ist ein Skill ein gespeicherter, wiederverwendbarer Ablauf, dem ein Agent folgen kann — im Grunde ein Playbook, kodifiziert als strukturierte Instruktionen, Tool-Definitionen und Erfolgskriterien. Statt denselben Workflow jedes Mal neu herzuleiten, lädt der Agent den Skill und führt ihn aus.

Skills machen Agenten konsistent, auditierbar und schneller einsetzbar. Sie sind das Äquivalent zu Funktionen in Software, aber für Modell-Konsum geschrieben.

6. GEO / AEO (Generative Engine Optimization / Answer Engine Optimization)

GEO und AEO sind die Nachfolger von SEO für eine Welt, in der Nutzer Fragen stellen und synthetisierte Antworten statt Linklisten erhalten. Das Ziel: der Quelle zu sein, die Answer Engines (Perplexity, ChatGPT Search, Google AI Overviews, Bing Copilot) zitieren.

Taktiken umfassen klare Faktenaussagen, strukturierte Daten, autoritative Zitate und Inhalte, die die eigentliche Frage hinter der Query beantworten.

7. Computer Use

Computer Use lässt eine KI mit einer grafischen Oberfläche interagieren wie ein Mensch: Cursor bewegen, klicken, tippen, Pixel lesen. Das Modell sieht Screenshots, entscheidet die nächste Aktion und führt sie in einer VM oder Sandbox aus.

Das erschließt Aufgaben ohne API — Legacy-Interne-Tools, Desktop-Apps, Web-Portale hinter Login-Walls. Anthropics Computer-Use-Demo und OpenAIs Operator sind frühe Beispiele.

8. AGI / Superintelligenz

AGI (Artificial General Intelligence) bezeichnet ein System, das die menschliche Fähigkeit über alle kognitiven Aufgaben hinweg erreicht oder übertrifft. Superintelligenz geht weiter: Fähigkeit, die die besten menschlichen Köpfe in jeder Domäne bei Weitem übertrifft — einschließlich wissenschaftlicher Kreativität, strategischer Planung und sozialer Manipulation.

Die Begriffe werden im Marketing oft locker verwendet. Im technischen Diskurs ist AGI eine Schwelle; Superintelligenz ein Regime. Die Unterscheidung ist relevant für Safety-Zeitlinien, Governance und Investment-Thesen.

Warum diese Begriffe jetzt wichtig sind

Vor zwei Jahren war “Prompt Engineering” die Grenze. Heute liegt der Hebel im Harness, im Loop, in den Skills und in den Protokollen, die Modelle verlässlich in der realen Welt handeln lassen. Die Vokabeln zu kennen, lässt Sie Tools bewerten, die richtigen Leute einstellen und Hype erkennen, bevor er Sie kostet.