Was ist ein Agent Habitat?

Als „Harness“ nicht mehr ausreichte

Im Januar 2026 begann ich, einen Obsidian Vault als persistenten Kontext für Claude Code zu verwenden. Ich konnte sehen, was er bewirkte, hatte aber noch keinen Namen für das, was ich da baute. Im März erfuhr ich, dass andere auf ähnliche Weise arbeiteten, und begegnete dem Begriff Agent Harness. Eine Weile dachte ich, damit die Antwort gefunden zu haben: Ich baute einen Harness.

Je besser ich den Begriff verstand, desto weniger vollständig erschien er mir. Ein Harness bezeichnet eine wichtige, vorwiegend technische Ebene. Er stellt Kontext bereit, macht Werkzeuge zugänglich, führt Feedback zurück, wendet Berechtigungen an und hält einen Agent Loop am Laufen. Er erklärt, wie aus der Ausgabe eines Modells verlässliches Handeln wird. Was er nicht vollständig beschrieb, war die Umgebung, die um diesen Loop herum entstand.

Ein Teil dieser Lücke hatte mit etwas zu tun, das leicht übersehen wird, gerade weil diese Systeme auf Computern laufen. In klassischer Software beschreibt Prosa gewöhnlich das System, während Code es ausführt. Bei LLM-basierten Agenten verschiebt sich diese Grenze. Eine Anweisungsdatei, ein Skill, eine Constitution oder eine Architekturentscheidung kann in den Betrieb des Systems eingehen. Sobald ein solcher Text in den Kontext gelangt, kann er verändern, was ein Agent bemerkt, wie er eine Situation einordnet, von welchen Befugnissen er ausgeht und wann er einen Menschen entscheiden lässt.

Diese Texte sind kein Code in Verkleidung. Sie werden nicht deterministisch ausgeführt, sondern in einer Situation interpretiert. Ihre Wirkung hängt davon ab, ob ein Agent sie überhaupt sieht, welchen Stellenwert sie haben, was sonst noch im Kontext präsent ist und ob die Umgebung Befolgung oder Verletzung sichtbar macht.

Deshalb genügt es nicht, dass Prosa vorhanden ist. Ein Prinzip kann ungelesen in einer Datei liegen und gar nichts bewirken. Sprache wird erst dann institutionell, wenn sie wiederholt in die Aufmerksamkeit gelangt, Autorität erhält, mit Entscheidungen verbunden und der Korrektur ausgesetzt wird. In meinem eigenen System werden Agenten angewiesen, sich zu Beginn einer Session anhand einer kleinen Menge maßgeblicher Dokumente zu orientieren. Einer der Begriffe, auf die sie dabei stoßen, ist Drift: eine Abweichung zwischen dokumentierten Annahmen und beobachteter Realität. Wenn ein Agent einen laufenden Service mit seiner Dokumentation vergleicht, gibt ihm diese Sprache einen Grund, die Abweichung zu benennen, auch wenn noch nichts ausgefallen ist. Das garantiert nicht, dass jeder Agent es tut. Es schafft eine gemeinsame Unterscheidung und eine Erwartung, an der sich Verhalten prüfen lässt.

Ich verstehe das nicht als Umschreiben des allgemeinen Weltverständnisses eines Modells oder als Installation von Werten in seinen Gewichten. Das Modell bleibt unverändert. Was außerhalb des Modells fortbesteht, ist eine Umgebung, aus der ein Agent in jeder neuen Session eine lokale Orientierung gewinnen kann: Was existiert hier? Welche Quellen haben Gewicht? Was ist wichtig? Welche Rolle nimmt der Agent ein? Was darf er entscheiden? Die Orientierung des Agenten ist flüchtig; die Umgebung, aus der sie immer wieder aufgebaut wird, kann fortbestehen.

An diesem Punkt reichte mir der Begriff Harness nicht mehr aus. Ein Harness kann einem Modell Sprache zuführen und einzelne Regeln durchsetzen. Zum weiteren System gehören auch die Beziehungen zwischen diesen Texten, die Menschen und Agenten, die sie interpretieren, die Artefakte und Erinnerungen, die sie teilen, und die Prozesse, durch die sich ihre Regeln verändern.

Ich ziehe die Grenze zwischen Harness und Habitat dort, wo sich die Fragen nicht mehr nur um einen einzelnen Agent Loop drehen, sondern um diese gemeinsame Welt.

Werkzeuge ermöglichen begrenzte Wirkungen. Der Harness stellt Kontext bereit, führt Werkzeuge aus, trägt Feedback zurück, wendet lokale Berechtigungen an und betreibt den Loop. Wenn einem Modell innerhalb dieses begrenzten Raums die Wahl der nächsten Handlung übertragen wird, bilden Modell und Harness zusammen den handelnden Agenten. Ein Workflow kann dieselben Komponenten verwenden, während die Wahl des nächsten Schrittes beim äußeren System bleibt.

Das Habitat beginnt dort, wo situierte Agency Autorität, Gedächtnis, Normen und Folgen über längere Zeit mit anderen Agenten und Menschen teilen muss. Ich verwende Harness für die ausführungsnahe Ebene; ihre Geschichte, konkurrierenden Definitionen und innere Struktur untersuche ich in Was ist ein Agent Harness?.

Zur schnellen Orientierung schreibe ich manchmal: Habitat = Harness + Governance. Die Formel ist hilfreich, reicht als endgültiges Modell aber nicht aus, weil sie Governance wie eine zusätzliche Funktion des Harness erscheinen lässt. Die stärkere Behauptung verortet das Habitat auf einer anderen Systemebene. Ein Harness ist die operative Membran um einen Agent Loop; ein Habitat ist die gemeinsame Ordnung, durch die solche Loops im Lauf der Zeit Autorität, Gedächtnis, Normen und Folgen erhalten.

Zu dieser Ordnung gehören Agenten und Harnesses ebenso wie Menschen, gemeinsame Artefakte, institutionelles Gedächtnis, Autoritätsbeziehungen und die Prozesse, durch die sich die Regeln selbst verändern. Ein Teil der Governance lässt sich in Mechanismen des Harness übersetzen, etwa Berechtigungsschranken, Kontextauswahl und Validierung. Das Habitat umfasst den Rest: Wer darf Autorität überhaupt vergeben? Was bleibt bestehen? Wie werden Konflikte gelöst? Wie wird Verantwortung zugeordnet?

Der Agent und seine Umgebung

Die KI-Forschung hat seit Langem ein Wort für das, was einen Agenten umgibt. In der klassischen Darstellung nimmt ein Agent seine Umgebung über Sensoren wahr und wirkt über Aktuatoren auf sie ein (Russell & Norvig). Die Multiagentensystem-Forschung ging einen Schritt weiter und argumentierte, dass die Umgebung als eigenständige Abstraktion behandelt werden sollte: als eigener Gestaltungsraum mit Aufgaben, die über die Rolle einer bloßen Kulisse für Agentenhandlungen hinausgehen.

Der Begriff beschreibt, was ein Agent wahrnimmt und worauf er einwirkt. Er sagt nichts darüber aus, wer den Agenten autorisiert hat, was nach dem Ende seiner Tätigkeit fortbesteht oder wer für sein Handeln einsteht. Ein Zweig der Multiagentensystem-Forschung aus den 2000er-Jahren — elektronische Institutionen und normative Multiagentensysteme — entwickelte formale Antworten auf genau diese Fragen. Diese Arbeit ist fundiert, entstand lange vor LLMs und ist den meisten Menschen, die heute Agenten bauen, kaum bekannt.

Code, Regeln und Normen

1999 argumentierte Lawrence Lessig, dass Verhalten in vernetzten Systemen durch vier Kräfte reguliert wird: Recht, Normen, Märkte und Architektur. In Software, so Lessig, bedeutet Architektur Code: In Code eingebaute Beschränkungen brauchen keine gesonderte Durchsetzung; was der Code leicht macht, braucht keine zusätzliche Ermutigung.

Aus dieser Denktradition lassen sich drei Regelungsweisen unterscheiden. Eingebaute Beschränkungen bestimmen, was überhaupt geschehen kann. Veränderbare Regeln legen fest, was geschehen darf, weisen Autorität zu und definieren Eskalationswege. Erlernte Normen leiten das Verhalten dort, wo Regeln nicht ausreichen. Ein Policy-Dokument gehört nicht automatisch zu einer dieser Regelungsweisen. Es beginnt erst dann zu regieren, wenn Akteure es wahrnehmen können, Verletzungen sichtbar werden und Korrektur folgt.

Lessig schrieb über menschliche Akteure. Agentensysteme bringen Bedingungen hinzu, mit denen sich sein Modell nicht befassen musste: Delegationsketten zwischen Softwareakteuren, Akteure, deren Identität und Gedächtnis Gestaltungsentscheidungen sind, und Populationen, in denen Maschinen auf beiden Seiten der Regulierung auftreten.

Wie „Agent Habitat“ verwendet wird

Die Verwendungen entstanden unabhängig voneinander und unterscheiden sich darin, was sie als Habitat betrachten.

Will Schenk vertritt die konkreteste Position: „Ein Agent ist ein Git-Repository. Nicht metaphorisch. Das Repository IST buchstäblich der Agent.“ — Memory-Datei, Prompt-Playbooks, Arbeitszustand, auf einen definierten Geltungsbereich beschränkte Zugangsdaten und Container-Isolation. Das Habitat als in sich geschlossenes Runtime-Paket. (Meine Übersetzung.)

Sein Essay endet mit der Frage, was geschieht, wenn ein Dutzend solcher Einheiten gleichzeitig läuft und koordiniert werden muss. Dort beginnt diese Seite.

Russ Miles bezeichnet Habitat Engineering als eine Stufe seines Frameworks für AI Literacy: die Gestaltung der Umgebung, in der KI arbeitet — Konventionen, Beschränkungen, Gedächtnis und Feedback Loops. Zwei seiner Sätze tragen das Konzept: „Ein Werkzeug tut, was du ihm sagst. Ein Habitat prägt, was du tust.“ Und: „Man kann die Bedingungen dafür installieren. Das Habitat selbst muss man wachsen lassen.“ (Meine Übersetzung.)

Sein Gegenstand ist die Entwicklungspraxis eines Teams: ein Repository, ein Team, eine Arbeitskultur.

Raynor Eissens definiert ein Agentic Habitat als „die Umgebung, in der Agenten, Menschen, Objekte, Werkzeuge, Gedächtnis, Berechtigungen und Workflows Kontext austauschen“. Sein Schwerpunkt liegt auf menschlicher Nachvollziehbarkeit: Wer hat gehandelt? Welcher Kontext wurde verwendet? Was hat sich verändert? Was lässt sich rückgängig machen? (Meine Übersetzung.)

Governance erscheint als vierter Schritt seiner operativen Grammatik — Berechtigungen, Auditierbarkeit, Widerruf und Aufsicht. Die Frage der Legitimation bleibt offen.

Tal Cohen entwickelt die formalste Darstellung: eine Reihe von Arbeiten zu Agent–Habitat Dynamics, die Agent und Habitat als gekoppeltes dynamisches System behandelt. Sein Habitat ist die institutionelle Integrationsschicht um ein eingesetztes physisches KI-System: Kommunikationsprotokolle, Governance-Regeln, Beobachtungskanäle und angesammeltes Vertrauen. Seine Fallstudie vergleicht Cruise und Waymo, die dieselbe Robotaxi-Technologie in derselben Stadt unter denselben Regulierungsbehörden betreiben, jedoch mit gegensätzlichen Ergebnissen: „Dieselbe Technologie. Dieselbe Stadt. Dieselben Regulierungsbehörden. Ein anderes Habitat.“ (Meine Übersetzung.)

Sein Habitat umgibt ein einzelnes Deployment und wird von außen gemessen; Governance innerhalb pluraler, verschachtelter Agency bleibt außerhalb seines Gegenstands.

Eine begriffliche Abgrenzung: AI Habitat von Meta ist eine Simulationsplattform zum Trainieren verkörperter Agenten in 3D-Umgebungen. Diese Verwendung teilt mit der hier untersuchten kaum mehr als den Namen.

Die verschiedenen Verwendungen stimmen in einem Punkt überein: Agenten brauchen gestaltete Umgebungen, und der Begriff Umgebung allein sagt nicht mehr genug. Sie unterscheiden sich darin, was sie als Habitat verstehen: einen Raum für Kontextaustausch, eine gestaltete Praxis, ein Runtime-Paket oder eine institutionelle Integrationsschicht.

Verlässliches Handeln ist nicht dasselbe wie Agency unter Governance

• Berechtigungen existieren, aber es bleibt unklar, wer Autorität besitzt
• Logs existieren, aber niemand ist verantwortlich
• Gedächtnis existiert, aber Kontinuität fehlt
• Agenten arbeiten zusammen, während Normen und Konfliktregeln implizit bleiben
• der Harness ist verlässlich, aber Handlungen bestehen alle lokalen Prüfungen und schaden dennoch dem größeren System

Die Forschung beginnt, einzelne Teile dieser Ebene zu benennen, von organisatorischen Kontrollschichten über Aufsichtsstrukturen bis zu Delegation mit klarer Rechenschaftspflicht. Ein gemeinsames Vokabular hat sich noch nicht herausgebildet.

Jede der oben beschriebenen Habitat-Konzeptionen stößt an einem Punkt auf diese Grenze: Schenk isoliert und verpackt die Runtime, Miles entwickelt Arbeitskonventionen, Eissens macht Kontext und seine Verwendung nachvollziehbar, und Cohen kommt dem institutionellen Kern am nächsten, obwohl sein Habitat ein einzelnes Deployment umgibt und von außen gemessen wird. Die genannten Fragen entstehen innerhalb von Systemen, in denen viele Agenten und Menschen über längere Zeit Arbeit, Gedächtnis und Folgen teilen. Keine dieser Konzeptionen gestaltet die gemeinsame Welt, in der das geschieht.

Die Struktur von Agency unter Governance

Die Bedingungen, die ein Habitat schafft, lassen sich entlang sechs miteinander verbundener Dimensionen untersuchen. Zu jeder gehört eine diagnostische Frage.

1. Autorität. Ein Werkzeug kann eine Handlung technisch ermöglichen. Ob dieser Akteur sie ausführen darf, wer diese Befugnis erteilt hat und wann sie erlischt, entscheidet das Habitat. Unter welcher Autorität handelt dieser Agent, und kann er sie benennen?
2. Normen. Kein Berechtigungssystem kann jede zukünftige Situation vollständig erfassen. Normen leiten das Urteil dort, wo die Regeln enden. Dafür müssen sie vermittelt, infrage gestellt und verändert werden können. Welches Verhalten wird hier erwartet — über das bloß Erlaubte hinaus?
3. Identität. Ein Rollen-Prompt konfiguriert eine einzelne Session. Identität ist das, worauf Handlungen und Mandate über Sessions und Delegationen hinweg weiterhin zurückgeführt werden können, einschließlich der Herkunftslinie, wenn Agenten Subagenten erzeugen. Wer hat unter welchem Mandat gehandelt?
4. Gedächtnis. Das Gedächtnis eines Habitats trägt Verpflichtungen, Entscheidungen und Provenienz weiter, muss aber von Wahrheit unterscheidbar bleiben. So können veraltete Aufzeichnungen ihre Autorität verlieren, statt sie stillschweigend zu behalten. Was muss über das Kontextfenster hinaus fortbestehen, und mit welchem Stellenwert?
5. Folgen. Governance bindet nur, wenn das Ignorieren einer Regel Folgen hat. Dazu gehören Zuordnung, Korrektur, Rollback und veränderte zukünftige Autorität; nichts davon erfordert eine anthropomorphe Bestrafung. Was geschieht nach einer schädlichen Handlung, und wer bemerkt sie?
6. Kontinuität. Kontinuität verbindet ansonsten isolierte Runs zu einem dauerhaften Prozess: Unerledigte Verpflichtungen bleiben sichtbar, neue Agenten übernehmen Kontext, ohne unbelegte Annahmen zu übernehmen, und Governance entwickelt sich weiter, ohne ihre eigene Geschichte umzuschreiben. Was überlebt das Ende einer Session?

Harness vs. Habitat

Vier Fragen trennen einen Harness von einem Habitat:

1. Wer hat diese Handlung autorisiert?
2. Was bleibt nach dem Run bestehen?
3. Wer trägt die Folgen?
4. Wie findet Korrektur statt?

Ein System, das diese Fragen nicht beantworten kann, kann trotzdem verlässlich handeln. Was es besitzt, ist ein Harness. Das Habitat ist die Ebene, die diese Antworten liefern würde.

Deshalb kann ein gut gebauter Harness auch innerhalb eines schlecht geordneten Systems arbeiten. Der Harness beantwortet eine lokale Frage — darf dieser Prozess dieses Werkzeug jetzt aufrufen? — Run für Run. Ob das Ziel legitim gesetzt wurde, ob das als vertrauenswürdig behandelte Gedächtnis seinen Stellenwert verdient und ob jemand die kumulative Wirkung bemerken wird, liegt außerhalb dieser Antwort. Cohens Cruise-Fallstudie macht die Tragweite konkret: Die Fahrzeuge fuhren weiter, während das institutionelle Habitat um sie herum innerhalb von drei Wochen zusammenbrach. Ein technisch perfektes Fahrsystem hätte dasselbe Ende genommen.

Fragen, die ich noch nicht beantworten kann

1. Habitat oder Institution? Wo eine durch Governance geordnete Agentenumgebung endet und eine Institution beginnt, ist ungeklärt. Möglicherweise löst sich die Unterscheidung mit zunehmender Größe auf.
2. Was ist ein minimales Habitat? Ob bereits ein Mensch und ein Agent mit gemeinsamem Gedächtnis eines bilden oder ob ein Habitat eine Population und Kontinuität über eine Session hinaus voraussetzt, bleibt offen.
3. Welche Eigenschaften müssen durchgesetzt werden? Manche Governance-Eigenschaften müssen technisch verankert sein; andere können interpretative Normen bleiben. Die Grenze zwischen beidem ist eine empirische Frage, die ich noch nicht beantworten kann.
4. Wessen Vokabular setzt sich durch? Mehrere Bedeutungen von Habitat sind gleichzeitig in Gebrauch. Welche davon — einschließlich dieser — Teil eines gemeinsamen Fachvokabulars wird, entscheidet sich daran, wie Menschen die Begriffe tatsächlich verwenden.

• 12. Juli 2026 — Erste Fassung.