# ng-thebatch-359-3-product-development-loops-2026-06-26

## Veille

Brief „Dear friends“ von Andrew Ng in *The Batch* (DeepLearning.AI, Ausgabe 359) über **loop engineering**, angewendet auf die **0-to-1**-Produktentwicklung. Ng stellt seine **3 zentralen Loops** vor — agentic coding loop (~Minuten), developer feedback loop (~Stunden), external feedback loop (~Tage) — verschachtelt nach zunehmender Zeitskala, verbunden über *coding agent → product spec/evals → developer vision → external feedback*. Zentrale These: Menschen behalten einen **context advantage** (statt eines „taste“), der human-in-the-loop unverzichtbar macht; Ingenieure übernehmen eine partielle Rolle im Produktmanagement. Themenfeld: coding agents, Produktentwicklung, agentische Methodik.

## Titre Article

3 Key Product Development Loops (The Batch, Issue 359 — « Dear friends » letter)

## Date

2026-06-26

## URL

https://www.deeplearning.ai/the-batch/issue-359

## Keywords

Loop engineering, Produktentwicklung, agentic coding loop, developer feedback loop, external feedback loop, evals, product spec, product vision, context advantage, human-in-the-loop, taste, Produktmanagement, coding agents, 0-to-1

## Authors

Andrew Ng

## Ton

**Profil**: persönlicher Brief in der Ich-Form („Dear friends… Keep building! Andrew“), warmes und pädagogisches Register, gerichtet an eine Community von Buildern. Zugängliches technisches Niveau, verankert an einem einzigen Diagramm (3 konzentrische Loops, Skalen ~Minuten / ~Stunden / ~Tage).

**Stil**: didaktisch und ermutigend, illustriert durch eine durchgängige **persönliche Anekdote** (die App d'apprentissage du clavier, die er am Wochenende für seine Tochter gebaut hat — freischaltbare Katzenkostüme, Eltern-Login-Flow, mehrfach geändertes visuelles Design). Ng geht vor, indem er Definitionen rahmt und anschließend mit gelebten Beispielen unterlegt, mit einer bewussten begrifflichen Nuance: Er **bevorzugt „context advantage“ gegenüber „taste“**, da dieser Begriff „einen klareren Weg aufzeigt, um KI-Systeme zu verbessern“. Autorität: eine Referenzfigur der KI (Gründer von DeepLearning.AI, Coursera, Google Brain), die als Praktiker spricht („over the weekend, I was building…“). Zielgruppe: Ingenieure und Builder, die coding agents einsetzen und in eine Produktrolle hineinwachsen. Zukunftsgerichteter Ton („I will write more about how to do this in future letters“).

## Pense-betes

- „**Loop engineering**“ wurde nach Erwähnungen durch **Boris Cherny** (Schöpfer von Claude Code) und **Peter Steinberger** (Schöpfer von OpenClaw) zu einer viralen *buzzphrase*; Loops sind heute entscheidend dafür, dass Agenten über längere Zeit iterativ an Software arbeiten.
- Ng beschreibt **3 verschachtelte Loops**, die leiten, *wie* er baut **und** *was* gebaut werden soll. Verkettete Knoten: `coding agent → product spec/evals → developer vision → external feedback`.
- **Loop 1 — agentic coding (~Minuten)**: `coding agent ↔ product spec/evals`. Ausgehend von einer Spezifikation (+ optionalen evals) schreibt der Agent Code, testet ihn und iteriert, bis er fehlerfrei und spezifikationskonform ist. Das „Schließen der Schleife“ setzte sich **Ende letzten Jahres** durch → *game changer* (Agenten bleiben länger produktiv ohne Eingreifen). Beispiel: Der Agent arbeitete **~1 Stunde** und prüfte seine Arbeit mehrfach über einen Browser, ohne Eingreifen. Läuft alle paar Minuten. **Aktives Erfindungsfeld.**
- **Loop 2 — developer feedback (~einige zehn Minuten bis Stunden)**: `product spec/evals ↔ developer vision`. Der Entwickler prüft das Produkt und **steuert** den Agenten. Letztes Jahr übernahmen Entwickler **QA** noch manuell (Fehlersuche); da Agenten ihren eigenen Code inzwischen besser testen, ist dieser Zeitaufwand **stark gesunken** → der Fokus verschiebt sich auf **Produktentscheidungen auf hoher Ebene** (Kernfunktionen, UI). Die Vision in eine Spezifikation zu übersetzen bleibt Arbeit; ebenso das **Klären/Aktualisieren der Spezifikation** nach der Implementierung; **evals bauen**, wenn ein Problem wiederkehrt.
- **Human context advantage**: KI-native Teams nutzen KI, um die Produktrichtung zu formen (Nutzungsdaten, Synthese schriftlichen/mündlichen Kundenfeedbacks, Wettbewerbsanalyse). Aber **Menschen wissen mehr** über die Nutzer und den Kontext. Viele nennen das „**taste**“; Ng bevorzugt „**context advantage**“. **Nicht automatisierbar**: Solange der Mensch etwas weiß, das die KI nicht weiß, ist **human-in-the-loop** notwendig, um dieses Wissen einzubringen.
- **Loop 3 — external feedback (~Tage)**: `developer vision ↔ external feedback`. Taktiken: Freunde fragen, Alpha-Tester, Produktionseinsatz mit **A/B-Tests**. **Langsam** (selten unter Stunden, manchmal Tage/Wochen). Diese Daten fließen in die **vision** ein, die wiederum die **spec** und damit den **agent** antreibt.
- **Konvergenz der Rollen**: Da Agenten die Entwicklung beschleunigen, übernehmen **immer mehr Ingenieure eine partielle Rolle im Produktmanagement**. Der schwierigste Teil: **die Produktvision formen** und das Bauen (Schließen der Lücke vision→spec) mit dem Einholen von Feedback zur Weiterentwicklung der Vision **in Balance halten**. *„Es ist wichtig, beides zu tun!“*
- Ermutigender Spiegeleffekt: Ingenieure erweitern ihr Feld ins Produkt, so wie **PMs und Designer inzwischen mehr Engineering übernehmen**.
- **Redaktionelle Abgrenzung** gegenüber anderen Fiches zu loop engineering: Ng verortet die Loops auf **Produktebene** (Verschachtelung + Rolle des Menschen), während Lushbinary den **technischen Harness** detailliert (Bausteine, /goal, worktrees) und Saboo das Konzept auf **PM** anwendet.

## RésuméDe400mots

In diesem Brief aus *The Batch* (Ausgabe 359) würdigt Andrew Ng die Viralität des Begriffs „**loop engineering**“ — popularisiert durch Boris Cherny (Schöpfer von Claude Code) und Peter Steinberger (Schöpfer von OpenClaw) — und stellt die **drei zentralen Loops** vor, die seinen Ansatz beim Bau von **0-to-1**-Produkten strukturieren, ebenso wie die Entscheidung darüber, *was* gebaut werden soll. Das Diagramm zeigt sie verschachtelt, nach zunehmender Zeitskala, verbunden über vier Knoten: *coding agent → product spec/evals → developer vision → external feedback*.

Der **agentic coding loop** (~Minuten) geht von einer Produktspezifikation und optional einem Satz von **evals** aus: Der Agent schreibt Code, testet ihn und iteriert, bis er fehlerfrei und konform ist. Ng stellt fest, dass sich das „Schließen der Schleife“ Ende 2025 durchgesetzt hat und die Spielregeln verändert — sein Agent konnte etwa eine Stunde lang an der App d'apprentissage du clavier für seine Tochter arbeiten und dabei seine eigene Arbeit im Browser überprüfen, ohne Eingreifen. Dies ist ein sehr aktives Feld der Erfindung.

Beim **developer feedback loop** (~einige zehn Minuten bis Stunden) prüft der Entwickler das Produkt und steuert den Agenten. Da Agenten ihren eigenen Code inzwischen deutlich besser testen, ist der Zeitaufwand für manuelles QA stark gesunken — das gibt dem Entwickler Raum für **Produktentscheidungen auf höherer Ebene** (Features, UI, Nutzerflüsse). Eine Vision in eine Spezifikation zu übersetzen — sie nach einer ersten Implementierung zu klären und evals zu bauen, wenn ein wiederkehrendes Problem auftritt — bleibt echte Arbeit.

Ng betont den **human context advantage**: Auch wenn KI-native Teams die Erfassung von Nutzungsdaten, die Synthese von Kundenfeedback und die Wettbewerbsanalyse automatisieren, wissen Menschen mehr über die Nutzer und den operativen Kontext. Viele nennen das „taste“; Ng bevorzugt „context advantage“, da dieser Begriff einen klareren Weg zur Verbesserung der KI aufzeigt. Solange der Mensch etwas weiß, das die KI nicht weiß, bleibt **human-in-the-loop** notwendig, um dieses Wissen einzubringen.

Der **external feedback loop** (~Tage) bündelt Freunde, Alpha-Tester und A/B-Tests in Produktion — langsame Taktiken, deren Daten in die Vision einfließen, die wiederum die Spezifikation und damit den Agenten antreibt.

Ng schließt daraus, dass mit der Beschleunigung der Entwicklung durch Agenten immer mehr Ingenieure eine **partielle Rolle im Produktmanagement** übernehmen. Der schwierigste Teil sei es, die Vision zu formen und das Bauen mit Nutzerfeedback in Balance zu halten — „es ist wichtig, beides zu tun“. Er sieht darin ein ermutigendes Zeichen: Ingenieure erweitern ihr Feld ins Produkt hinein, so wie PMs und Designer inzwischen mehr Engineering übernehmen.

## GrapheDeConnaissance

- Andrew Ng —recommande→ 3 boucles clés de développement produit 0-to-1 (METHODOLOGIE, 0.96)
- Boris Cherny —a_créé→ Claude Code (TECHNOLOGIE, 0.97)
- Peter Steinberger —a_créé→ OpenClaw (TECHNOLOGIE, 0.95)
- Loop engineering —observé_dans→ réseaux sociaux (buzzphrase virale) (AFFIRMATION, 0.85)
- Boucle de codage agentique —utilise→ Product specification (CONCEPT, 0.93)
- Boucle de codage agentique —utilise→ Evals (CONCEPT, 0.93)
- Boucle de codage agentique —permet→ agent codant/testant/itérant sans intervention (~1 h) (AFFIRMATION, 0.9)
- Boucle de feedback développeur —s_applique_à→ orientation de l'agent par le développeur (~heures) (CONCEPT, 0.9)
- Coding agent —réduit→ temps de QA manuelle du développeur (CONCEPT, 0.9)
- Boucle de feedback externe —permet→ retours d'alpha testers et A/B testing (~jours) (CONCEPT, 0.9)
- External feedback —affine→ developer vision (CONCEPT, 0.9)
- Andrew Ng —affirme_que→ "les humains ont un avantage de contexte sur l'IA (préférable à 'taste')" (AFFIRMATION, 0.92)
- Human-in-the-loop —résout→ injection de connaissance que l'IA n'a pas (AFFIRMATION, 0.9)
- Andrew Ng —affirme_que→ "de plus en plus d'ingénieurs jouent un rôle partiel de product management" (AFFIRMATION, 0.9)
- Andrew Ng —recommande→ équilibrer construction (vision→spec) et feedback utilisateur (AFFIRMATION, 0.9)
- Boucle de codage agentique —fait_partie_de→ 3 boucles de développement produit (METHODOLOGIE, 0.92)

---
Canonical: https://www.thekb.eu/de/fiches/ng-thebatch-359-3-product-development-loops-2026-06-26/