Harness engineering

„Agent = Model + Harness. If you're not the model, you're the harness.“ Die Formel von Viv Trivedy, zitiert von Addy Osmani (Google) am 19. April 2026, ist die Arbeitsdefinition: Der Harness ist alles, was um das Modell herum hinzugefügt wird, um zu verbessern, was es erzeugt. Osmanis Beleg stammt aus Terminal Bench 2.0, wo Claude Opus 4.6 innerhalb von «Claude Code» deutlich schlechter abschneidet als dasselbe Modell in einem eigens angepassten Harness, und wo Trivedys Team einen Coding-Agenten allein durch eine Änderung des Harness von Platz 30 auf Platz 5 brachte.

OpenAI berichtete im Februar 2026, dass drei Entwickler (später sieben) in fünf Monaten rund eine Million Zeilen eines internen Beta-Produkts erzeugten, ohne eine einzige Zeile von Hand zu schreiben, über etwa 1.500 Codex-Pull-Requests. Ihre Schlussfolgerung war, dass der Engpass bei der Leistung von Agenten meist im Design der Umgebung liegt und nicht in der Intelligenz des Modells; ihre drei Säulen waren «Context Engineering», mechanisch erzwungene architektonische Beschränkungen und wiederkehrende Aufräumaufgaben. Birgitta Böckeler unterteilte denselben Gegenstand in Guides (Feedforward: Konventionen, Spezifikationen, Skills, «MCP»-Server) und Sensoren (Feedback: Linter, Tests, statische Analyse), jeweils entweder computergestützt oder inferenzbasiert. Rémi Jacquet von «Cast Software» datierte den Wendepunkt: Prompt Engineering 2024, «Context Engineering» 2025, «Loop Engineering» 2026.

Dorra Bartaguiz liefert die Gegenmessung. Aus einem einzigen Prompt generierter Code wurde mit 100% Testabdeckung angekündigt; sie maß 33% insgesamt und einen Mutation Score von 13,82%. Böckelers schwierigste Kategorie bleibt offen: zu überprüfen, ob eine Anwendung das tut, was sie soll.