KI einfach erklärt, Teil 4: Agent Harness – der Rahmen um das Modell

Ich gebe es offen zu: Den Begriff Agent Harness habe ich zum ersten Mal in einer Microsoft-Schulung gehört – und erst einmal nicht verstanden. Inzwischen taucht er jedoch überall auf: in der Dokumentation von Copilot Studio, im Microsoft Agent Framework und in fast jedem Fachartikel über KI-Agenten. Weil es vermutlich nicht nur mir so ging, widmen wir dem Thema einen eigenen Teil. Die gute Nachricht vorweg: Wer Teil 2 und Teil 3 gelesen hat, kennt schon fast alle Zutaten.

Was bedeutet „Harness“ überhaupt?

Zunächst zum Wort: Das englische harness bedeutet Geschirr – also das Zaumzeug, mit dem man ein Pferd vor einen Wagen spannt. Dabei liefert das Pferd die Kraft. Erst das Geschirr mit Zügeln und Deichsel sorgt aber dafür, dass diese Kraft in die richtige Richtung geht und der Wagen dort ankommt, wo er hin soll.

Genauso ist es auch bei KI-Agenten. Im Bild gesprochen ist das Sprachmodell also das Pferd: unglaublich leistungsfähig, aber allein kann es nichts weiter als Text erzeugen. Das Harness ist hingegen alles drumherum, was aus dieser Kraft einen arbeitenden Agenten macht. Microsoft definiert es so: Ein Agent Harness ist die Laufzeitumgebung, die ein Sprachmodell in einen Agenten verwandelt, der Arbeit erledigen kann. Es steuert Modell- und Werkzeugaufrufe, verwaltet Gesprächsverlauf und Kontext, wendet Freigaberegeln an und hält den Agenten bei mehrstufigen Aufgaben auf Kurs.

Wer lieber mit Autos denkt: Das Modell ist der Motor. Das Harness ist alles andere – Lenkung, Bremsen, Tank, Navi und Armaturenbrett. Schließlich würde niemand einen Motor allein ein Auto nennen.

Die Schleife im Agent Harness Schritt für Schritt

Zuerst zum Herzstück: Jedes Harness basiert auf einer Schleife. Sie läuft so lange, bis die Aufgabe erledigt ist oder ein Abbruchkriterium greift.

1. Eingabe und Kontext sammeln: Das Harness nimmt die Anfrage entgegen und sammelt alles, was dazugehört – bisherige Nachrichten, Anweisungen, Gedächtnis und bereits erledigte Schritte.
2. Prompt zusammenbauen: Anschließend baut es daraus das Kontextfenster für das Modell. Dazu gehören auch die Beschreibungen der verfügbaren Werkzeuge. Ist der Kontext zu voll, fasst das Harness ältere Inhalte zusammen.
3. Modell aufrufen: Erst danach kommt das Sprachmodell ins Spiel. Es plant und antwortet entweder mit Text oder mit dem Wunsch, ein bestimmtes Werkzeug aufzurufen.
4. Antwort auswerten: Danach liest das Harness die Antwort des Modells. Ist es eine fertige Antwort für den Menschen oder ein Werkzeugaufruf?
5. Werkzeug ausführen: Bei einem Werkzeugaufruf prüft das Harness zunächst die Regeln – braucht diese Aktion eine Freigabe? – und führt das Werkzeug dann aus, idealerweise in einer abgeschotteten Umgebung, der Sandbox. Das Ergebnis kommt anschließend zurück in den Kontext.
6. Schleifensteuerung: Zum Schluss entscheidet das Harness, ob es weitergeht. Ist das Ziel erreicht, ein Limit überschritten oder wartet der Agent auf einen Menschen? Wenn nicht, beginnt die Schleife wieder bei Schritt 1.

Ein Beispiel aus dem Alltag

Nehmen wir an, ihr bittet einen Agenten: „Erstelle mir eine Übersicht aller offenen Angebote über 50.000 Euro und schick sie an den Vertriebsleiter.“ Dann läuft die Schleife ungefähr so:

• Runde 1: Das Modell plant und möchte zuerst das CRM-Werkzeug „Angebote suchen“ aufrufen. Das Harness führt die Suche aus und legt die Treffer in den Kontext.
• Runde 2: Das Modell sieht die Treffer und möchte daraus eine Excel-Tabelle erstellen. Das Harness führt auch das aus und merkt sich den Speicherort.
• Runde 3: Das Modell möchte die E-Mail versenden. Da das eine Aktion nach außen ist, hält das Harness an und fragt euch nach einer Freigabe.
• Runde 4: Nach eurer Bestätigung geht die E-Mail raus. Das Modell formuliert eine kurze Abschlussmeldung, und die Schleife endet.

Das Modell hat in diesem Beispiel also nie selbst etwas ausgeführt. Es hat nur entschieden. Alles andere war Aufgabe des Harness.

Was ein Agent Harness alles erledigt

Allerdings ist die Schleife nur das Gerüst. Ein gutes Harness bringt außerdem eine ganze Reihe von Fähigkeiten mit. Das Harness im Microsoft Agent Framework listet zum Beispiel diese auf:

Fähigkeit	Was das Harness tut	Warum das wichtig ist
Kontextverwaltung	speichert den Verlauf und fasst ältere Inhalte zusammen	Das Kontextfenster läuft nicht über
Planung und Aufgabenliste	führt eine To-do-Liste und unterscheidet zwischen Planen und Ausführen	Lange Aufgaben verlieren nicht den Faden
Gedächtnis und Dateien	legt Zwischenergebnisse und Notizen in Dateien ab	Wissen bleibt über Schritte und Sitzungen erhalten
Werkzeuge und Skills	stellt Werkzeuge, MCP-Server und Skills bereit	Der Agent kann handeln und Fachwissen nachladen
Freigaben	fragt vor bestimmten Aktionen nach, merkt sich erteilte Freigaben	Der Mensch behält die Kontrolle
Sandbox	führt Code und Befehle in einer abgeschotteten Umgebung aus	Fehler richten keinen Schaden im System an
Unteragenten	gibt Teilaufgaben an spezialisierte Agenten ab	Komplexe Aufgaben werden parallel erledigt
Limits und Beobachtbarkeit	begrenzt die Zahl der Durchläufe und protokolliert jeden Schritt	Keine Endlosschleifen, alles nachvollziehbar

Interessant ist dabei: Viele Probleme, die man dem Modell anlastet, sind in Wahrheit Probleme des Harness. Wenn ein Agent mitten in der Aufgabe vergisst, was er schon erledigt hat, liegt das meist an der Kontextverwaltung. Wenn er sich in einer Schleife festfährt, fehlt ein Limit. Deshalb sprechen Fachleute inzwischen von Harness Engineering: Agenten werden oft besser, ohne dass man das Modell austauscht – einfach, weil das Harness verbessert wird.

Wo das Agent Harness bei Microsoft steckt

Als Anwenderin oder Anwender seht ihr das Harness zwar fast nie. Trotzdem steckt es in jedem Agenten. Drei Beispiele aus der Microsoft-Welt:

Copilot Studio: drei Harnesses zur Auswahl

In Copilot Studio läuft laut Microsoft alles, was ihr baut, auf einem Harness. Ihr gestaltet den Agenten, das gewählte Modell liefert das Denken – und das Harness sitzt dazwischen. Es entscheidet, wann das Modell aufgerufen wird, was es zu sehen bekommt, wie die Antwort zu verstehen ist und welches Werkzeug als Nächstes dran ist. Dabei habt ihr die Wahl:

Harness	Geeignet für	So arbeitet es
GitHub Copilot Harness	komplexe, mehrstufige Geschäftsprozesse	zerlegt ein Ziel selbst in Schritte, erstellt Word-, Excel-, PowerPoint- und PDF-Dateien, nutzt Skills und Gedächtnis, läuft in einer Sandbox
Customer Conversation Harness	Kundenservice per Chat und Telefon	mehrere spezialisierte Unteragenten, Übergabe an Menschen möglich
Standard-Harness	regelbasierte Agenten und feste Abläufe	folgt den Themen und Pfaden, die ihr definiert

Wichtig: Das GitHub Copilot Harness heißt nur so, weil es Technik mit GitHub Copilot teilt. Laut Microsoft werden eure Daten dabei nicht an den Dienst GitHub Copilot gesendet, sondern es gelten die bekannten Zusagen von Copilot Studio zu Datenschutz und Datenresidenz. Außerdem rechnet das GitHub Copilot Harness nach Verbrauch über Copilot Credits ab – die Wahl des Harness beeinflusst also auch die Kosten.

Microsoft Agent Framework: das Harness für Entwickler

Wer Agenten dagegen selbst programmiert, findet im Microsoft Agent Framework – dem Nachfolger von Semantic Kernel und AutoGen – ein fertiges Harness. Microsoft beschreibt es als meinungsstarkes Komplettpaket für lange, mehrstufige Aufgaben wie Recherche, Programmierung oder Datenanalyse. Aus einem normalen Chat-Client wird mit einer Zeile ein Harness-Agent:

AIAgent agent = chatClient.AsHarnessAgent();
AgentResponse response = await agent.RunAsync("Plane eine Kundenveranstaltung in München.");

Aufgabenliste, Planungs- und Ausführungsmodus, Dateigedächtnis, Freigaben für Werkzeuge und Telemetrie sind dabei standardmäßig eingeschaltet. In Python heißt die Funktion create_harness_agent. Einzelne Fähigkeiten wie Hintergrund-Agenten oder Dateizugriff sind dort laut Dokumentation allerdings noch experimentell.

Copilot Cowork: das Harness im Alltag

Auch Copilot Cowork funktioniert nach diesem Prinzip. Ihr beschreibt das gewünschte Ergebnis, und Cowork plant die Schritte, nutzt Werkzeuge in Outlook, Teams, OneDrive und SharePoint und zeigt jede Aktion im Verlauf an. Sensible Aktionen führt es erst nach eurer ausdrücklichen Freigabe aus. Das ist genau die Schleife mit Freigabe-Schritt, die wir oben beschrieben haben.

Warum das Agent Harness für die Sicherheit entscheidend ist

Aus Sicherheitssicht ist das Harness übrigens der spannendste Teil eines Agenten. Das Modell selbst lässt sich nämlich nur begrenzt kontrollieren – es kann sich irren oder durch Prompt Injection manipuliert werden. Das Harness dagegen ist normale Software mit festen Regeln. Deshalb gehören die wichtigsten Schutzmaßnahmen genau hierhin:

• Freigaben für Aktionen, die etwas verändern oder Daten nach außen geben.
• Sandboxes, damit ausgeführter Code keinen Zugriff auf mehr hat als nötig.
• Limits für die Anzahl der Durchläufe und die Kosten pro Aufgabe.
• Protokollierung jedes Schritts, damit ihr im Zweifel nachvollziehen könnt, was passiert ist.

Darüber hinaus braucht jeder Agent eine eigene Identität, minimale Rechte und eine zentrale Überwachung, etwa mit Microsoft Agent 365 und Defender. Wie das konkret aussieht, zeigen wir in Zero Trust für KI-Agenten, Teil 5.

Fazit und Ausblick

Das Agent Harness ist der Rahmen um das Sprachmodell. Es baut den Kontext, ruft das Modell auf, führt Werkzeuge aus, fragt nach Freigaben und entscheidet, ob die Schleife weiterläuft. Ohne Harness wäre ein Modell nur ein sehr guter Textgenerator, erst mit Harness wird daraus ein Agent. Und weil das Harness so viel bestimmt, lohnt sich bei jedem Agenten die Frage: Auf welchem Harness läuft er, und welche Regeln gelten dort?

Mit Teil 4 haben wir die Grundlagen beisammen. Im nächsten Teil ordnet Dennis die Microsoft-Welt: Welche Copilots, Agenten-Werkzeuge und Plattformen gibt es, und welches nehmt ihr wofür?

Weiterführende Links

• Agent Harness im Microsoft Agent Framework (Microsoft Learn, Englisch)
• Harnesses in Copilot Studio (Microsoft Learn, Englisch)
• Microsoft Agent Framework – Überblick (Microsoft Learn, Englisch)
• Copilot Cowork: Application Card (Microsoft Learn, Englisch)