Ein Agent Harness ist die Software-Schicht um das KI-Modell herum: Sie führt Werkzeuge aus, verwaltet Berechtigungen, entscheidet, welcher Kontext das Modell überhaupt sieht, und protokolliert jede Aktion. Claude Code, Codex CLI und OpenClaw sind Harnesses - das Modell ist darin nur der austauschbare Motor. Aktuelle Forschung zeigt, dass der Harness die Leistung desselben Modells um ein Mehrfaches verändern kann. Wer 2026 KI-Tools nur nach Modellnamen vergleicht, bewertet also die falsche Schicht.
- Ein Harness ist die Laufzeitumgebung um das Modell: Werkzeug-Ausführung, Berechtigungen, Kontext-Management, Memory, Protokollierung
- Das Modell schlägt Aktionen vor, der Harness führt sie aus - ohne Harness kann kein Sprachmodell eine Datei lesen oder einen Befehl ausführen
- Claude Code, Codex CLI und Gemini CLI sind Harnesses mit fest verdrahtetem Modell; OpenClaw, Hermes Agent und OpenCode sind Harnesses zum Selbstbestücken
- Forschung zu Harness-Design zeigt Leistungsunterschiede bis Faktor sechs auf demselben Modell - der Harness ist kein Detail, sondern der Haupthebel
- Über ACP (Agent Client Protocol) rufen Harnesses inzwischen andere Harnesses als Sub-Agenten auf, etwa OpenClaw, das Claude Code für Coding-Aufgaben startet
- Selbst hosten heißt nicht automatisch EU-Daten: Modell-Anfragen gehen weiterhin an die API des Anbieters - relevant für jede DSGVO-Bewertung
Was ist ein Agent Harness?
Ein Sprachmodell kann genau eine Sache: Text entgegennehmen und Text zurückgeben. Es kann keine Datei öffnen, keinen Befehl ausführen, keine E-Mail senden. Wenn ein KI-Agent trotzdem Code committet oder deinen Kalender verwaltet, dann macht das eine Software-Schicht um das Modell herum. Diese Schicht heißt Agent Harness.
Der Harness übernimmt alles außer dem Denken:
- Die Agent-Schleife. Das Modell schlägt einen Werkzeug-Aufruf vor ("führe
git diffaus"), der Harness führt ihn aus, gibt das Ergebnis zurück, das Modell entscheidet den nächsten Schritt. Diese Schleife läuft, bis die Aufgabe erledigt ist. - Werkzeuge und Berechtigungen. Der Harness prüft, ob eine vorgeschlagene Aktion erlaubt ist, fragt gegebenenfalls nach und sandboxt die Ausführung. Das Modell hat keine Hände - der Harness ist die Hand mit eingebauter Sicherung.
- Kontext-Management. Welche Dateien, welche Anweisungen, welche Historie das Modell zu sehen bekommt, entscheidet der Harness. Das Modell weiß nur, was der Harness ihm vorlegt.
- Memory und Protokollierung. Was zwischen Sitzungen erhalten bleibt und was auditierbar aufgezeichnet wird, ist ebenfalls Harness-Arbeit.
Wie groß der Hebel dieser Schicht ist, hat die Forschung 2026 quantifiziert: Studien zu Harness-Design zeigen, dass die Gestaltung der Umgebung um ein fest eingefrorenes Modell dessen End-to-End-Leistung auf demselben Benchmark um bis zu Faktor sechs verändern kann. Gleicher Motor, sechsfacher Unterschied im Ergebnis - je nachdem, wie das Auto drumherum gebaut ist.
OpenClaw: ein Harness ohne Modell
Das bekannteste Anschauungsobjekt für dieses Konzept ist OpenClaw, das Open-Source-Projekt von Peter Steinberger, das Anfang 2026 viral ging (nach zwei Umbenennungen: erst Clawdbot, dann Moltbot, jetzt OpenClaw). OpenClaw ist ein selbst gehosteter Gateway, der Messaging-Kanäle mit einem KI-Assistenten verbindet: WhatsApp, Telegram, Signal, Slack, Discord, Microsoft Teams, iMessage und weitere laufen über einen einzigen Prozess auf deiner eigenen Hardware.
Für unser Thema ist an OpenClaw vor allem eines interessant: Es enthält kein einziges Modell. Du bringst einen API-Key deines bevorzugten Anbieters mit, das Projekt empfiehlt schlicht das stärkste verfügbare Modell der aktuellen Generation. Alles, was OpenClaw ausmacht - die Kanal-Anbindung, das Session-Handling, die Werkzeuge, das Memory - ist reiner Harness. Selten war so anschaulich zu sehen, dass der komplette Wert eines KI-Produkts in der Hülle stecken kann und nicht im Modell.
Die Software ist MIT-lizenziert und wird von der gemeinnützigen OpenClaw Foundation entwickelt. Voraussetzung ist im Wesentlichen Node.js, die Grundinstallation dauert etwa fünf Minuten. Bezahlt wird nur die Modellnutzung beim jeweiligen API-Anbieter.
Claude Code ist auch ein Harness - man sieht ihn nur nicht
Die verbreitete Annahme lautet: OpenClaw und Hermes sind Harnesses, Claude Code und Codex sind eben "die KI von Anthropic und OpenAI". Architektonisch stimmt das nicht. Claude Code, Codex CLI und Gemini CLI sind genauso Harnesses - mit dem Unterschied, dass das Modell fest verdrahtet mitgeliefert wird.
Alles, was Claude Code im Alltag ausmacht, ist Harness-Code: das Einlesen der Projektdateien, die CLAUDE.md-Konventionen, die Berechtigungsabfragen vor jedem Befehl, Skills als nachladbare Verfahren, MCP-Anbindungen an externe Dienste, die Verwaltung des Kontextfensters über lange Sitzungen. Ruft man dasselbe Modell direkt über die API auf und bittet es, einen Bug im Repository zu fixen, passiert nichts - es fehlen schlicht die Hände.
Das erklärt auch, warum sich Aussagen wie "Claude ist besser beim Coden" oft auf die falsche Schicht beziehen. Ein erheblicher Teil dessen, was Nutzer da loben, ist die Qualität des Claude-Code-Harness: das Kontext-Handling, die Werkzeug-Schleife, das Berechtigungsmodell. Die Modellanbieter gewinnen gerade nicht nur, weil ihre Modelle stark sind, sondern weil sie die besten Harnesses gleich mitliefern.
Werkzeuge wie Make oder n8n führen vorab definierte Abläufe deterministisch aus: Wenn A passiert, tue B. Ein Harness betreibt dagegen eine offene Schleife, in der das Modell bei jedem Schritt neu entscheidet, was als Nächstes sinnvoll ist. Beide Ansätze ergänzen sich - kritische, wiederkehrende Prozesse gehören weiterhin in deterministische Workflows, explorative Aufgaben in den Agenten.
Der Harness-Markt 2026
Die sinnvolle Sortierung der aktuellen Tools verläuft nicht entlang "Harness oder nicht", sondern entlang der Frage, ob das Modell mitgeliefert wird:
| Produkt | Typ | Modell | Stärke |
|---|---|---|---|
| Claude Code (Anthropic) | Harness, gebündelt | Anthropic, fest verdrahtet | Coding: liest ganze Codebases, führt Tests aus, iteriert |
| Codex CLI (OpenAI) | Harness, gebündelt | OpenAI, fest verdrahtet | Coding, eng an das OpenAI-Ökosystem gekoppelt |
| Gemini CLI (Google) | Harness, gebündelt | Google, fest verdrahtet | Coding, großes Kontextfenster |
| OpenClaw | Harness, offen | Beliebig, eigener API-Key | Persönlicher Assistent über Messaging-Kanäle, Selbst-Hosting |
| Hermes Agent (NousResearch) | Harness, offen | Beliebig, Fokus auf offene Modelle | Open-Source-Alternative für Entwickler |
| OpenCode | Harness, offen | Beliebig | Offener Coding-Harness |
Unsere Einordnung: Für Entwicklungsarbeit ist Claude Code aktuell die stärkste Wahl, weil der Harness am tiefsten in Repositories, Tests und Git-Workflows integriert ist. Als persönlicher Assistent auf eigener Infrastruktur ist OpenClaw konkurrenzlos, verlangt aber Eigenverantwortung bei der Absicherung (dazu gleich mehr). Die offenen Coding-Harnesses lohnen sich vor allem, wenn man Modelle flexibel wechseln oder offene Modelle einsetzen will.
Interessant wird es an der Verbindungsstelle: Über das Agent Client Protocol (ACP) können Harnesses inzwischen andere Harnesses als Sub-Agenten aufrufen. OpenClaw startet dann zum Beispiel Claude Code, OpenCode oder Gemini CLI für eine Coding-Aufgabe und bekommt das Ergebnis zurück. Aus einzelnen Werkzeugen wird ein Stack aus komponierbaren Harnesses - dieselbe Rolle, die MCP für die Werkzeug-Anbindung spielt, übernimmt ACP für die Harness-Komposition.
Selbst hosten: die DSGVO-Rechnung ehrlich gemacht
Für deutsche Unternehmen klingt ein selbst gehosteter Harness zunächst nach der Lösung aller Datenschutzfragen. Die Rechnung ist aber zweigeteilt.
Was tatsächlich auf der eigenen Infrastruktur bleibt: Konfiguration, Chat-Verläufe, Memory, die angebundenen Konten (WhatsApp-Session, Kalender-Zugänge, API-Keys). Bei einem US-SaaS-Assistenten läge all das beim Anbieter - hier liegt es auf dem eigenen Server. Das ist ein echter Souveränitätsgewinn.
Was trotzdem das Haus verlässt: jede Modell-Anfrage. Der Harness schickt den zusammengestellten Kontext an die API des Modellanbieters, bei Anthropic oder OpenAI also in die USA. Wer das ausschließen muss, bindet ein EU-gehostetes Modell an - Mistral ist hier die naheliegende Option - oder betreibt ein offenes Modell lokal, was OpenClaw durch die freie Modellwahl ausdrücklich zulässt. Genau diese Wahlfreiheit haben die gebündelten Harnesses nicht: Bei Claude Code und Codex CLI ist der US-Transfer Teil des Produkts und nur über AVV und interne Datenregeln einzuhegen.
Sicherheitsforscher fanden 2026 über 900 offen aus dem Internet erreichbare OpenClaw-Gateways ohne Authentifizierung - mit Shell-Zugriff und API-Keys im Klartext. Ein Harness mit Werkzeug-Zugriff ist ein privilegiertes System: Wer ihn betreibt, übernimmt die Rolle des Sicherheitsteams. Minimum vor dem Produktivbetrieb: Gateway niemals direkt exponieren (VPN oder Tailscale davor), Authentifizierung aktivieren, API-Keys als Secrets verwalten und die Werkzeug-Berechtigungen auf das Nötigste beschränken.
Drei Prüffragen für SaaS-Teams
Wenn der Harness der Haupthebel ist, ändert das, wie man KI-Produkte bewertet - die eigenen wie die eingekauften. "Wir haben GPT integriert" sagt 2026 ungefähr so viel aus wie "unsere Software läuft auf Servern". Die Fragen, die tatsächlich unterscheiden:
- Was darf der Agent, und wer kontrolliert das? Ein ernstzunehmender Anbieter kann sein Berechtigungsmodell erklären: welche Aktionen der Agent autonom ausführt, wo er nachfragt, was protokolliert wird. Wer auf diese Frage nur den Modellnamen nennt, hat keinen nennenswerten Harness gebaut.
- Wie kommt Kontext ins System? Unterstützt das Produkt offene Standards wie MCP, oder ist jede Anbindung proprietäre Einzelarbeit? Die Antwort entscheidet, ob das Tool in den eigenen Stack hineinwächst oder eine Insel bleibt.
- Ist das Modell austauschbar? Modelle werden im Monatsrhythmus besser und billiger. Ein Harness, der den Modellwechsel vorsieht, schützt die Investition - einer, der ein bestimmtes Modell fest verdrahtet, koppelt das Produkt an dessen Preiskurve.
Wir wenden diesen Maßstab auch auf uns selbst an: SaaS-Welt wird über einen Harness produziert - Claude Code mit Projekt-Anweisungen, Skills für wiederkehrende Redaktionsverfahren und MCP für das Publishing. Die Verfahren stecken vollständig in der Harness-Schicht und funktionieren unabhängig davon, welche Modellversion gerade dahinter läuft. Genau diese Unabhängigkeit ist der Zustand, den man 2026 anstreben sollte - beim eigenen Setup genauso wie bei jedem Tool, das man einkauft.