* Dieser Artikel enthält Affiliate-Links. Unsere Bewertung ist davon unabhängig.
Loop Engineering bedeutet, ein System zu bauen, das eine KI wiederholt gegen ein Ziel arbeiten lässt, statt dass du jeden einzelnen Prompt selbst tippst. Du definierst den Auslöser, das Ziel und die Prüfung. Die KI übernimmt den Rest, Runde für Runde, bis das Ziel erreicht ist.
Der Begriff ist seit Mitte 2026 überall in KI-Kreisen zu lesen. Die kurze Antwort: Nein, Looping ersetzt Prompting nicht. Es kommt obendrauf, für Aufgaben, die sich wiederholen und die sich klar prüfen lassen. Für alles andere reicht weiterhin ein guter Prompt.
- Formuliere 1 Satz: Was soll wiederholt erledigt werden?
- Leg fest, woran die KI erkennt, dass sie fertig ist
- Wähle dein Werkzeug: Claude Code
/goaloder/loop(bezahlter Plan nötig), ohne Abo als kostenlose Alternative n8n (selbst gehostet) - Starte mit einer Guardrail (Leitplanke): maximale Anzahl Durchläufe
Der Kern dieses Artikels ist der KI-native Weg mit den Claude-Code-Befehlen /goal und /loop, getestet direkt für diesen Artikel. Wer keinen bezahlten Claude-Plan hat, findet weiter unten zusätzlich eine kostenlose Alternative mit n8n, die in keinem anderen deutschsprachigen Artikel zu diesem Thema vorkommt und bei uns seit Monaten produktiv läuft.
Inhaltsverzeichnis
Was ist Loop Engineering?
Loop Engineering ist die bewusste Gestaltung eines Kreislaufs, in dem eine KI eine Aufgabe erledigt, das Ergebnis prüft, und bei Bedarf weiterarbeitet, ohne dass ein Mensch nach jedem Schritt eingreift. Du bist nicht mehr die Schleife. Das System ist die Schleife.
Bei klassischem Prompting tippst du eine Nachricht, liest die Antwort, entscheidest den nächsten Schritt und tippst wieder. Bei jedem einzelnen Durchlauf bist du der Flaschenhals. Ein Loop kehrt das um: Du schreibst einmal die Regeln auf, und das System stößt sich selbst an, prüft sein eigenes Ergebnis und macht weiter oder hört auf.
Wichtig zu verstehen: Der schwierige Teil ist nicht die KI, die etwas erledigt. Der schwierige Teil ist die Verifizierung, also die Prüfung. Wenn du nicht klar sagen kannst, wie „fertig“ aussieht, hast du keinen Loop. Du hast einen Wunsch.
Loop Engineering lässt sich auch als letzte von vier Entwicklungsstufen einordnen, die aufeinander aufbauen: Erst kam Prompt Engineering (eine gute Einzelnachricht formulieren), dann Context Engineering (der KI die richtigen Hintergrundinformationen mitgeben), dann Harness Engineering (Werkzeuge und Guardrails um die KI herum bauen), und zuletzt Loop Engineering (das ganze System sich selbst wiederholen lassen). Jede Stufe braucht die vorherige. Ein Loop ohne guten Kontext und ohne saubere Werkzeuganbindung funktioniert nicht zuverlässig.
/goal offiziell an. Nach jeder Runde prüft ein kleines, schnelles Modell, ob das Ziel erreicht ist. Bei „nein“ arbeitet Claude weiter, bei „ja“ stoppt es von selbst. Andere KI-Coding-Agenten wie Codex bieten mittlerweile ähnliche Automations-Funktionen an, das Grundprinzip aus Auslöser, Ziel und Prüfung bleibt dabei gleich.
Schon bevor es offizielle Befehle dafür gab, tippten Entwickler denselben Prompt manuell so lange neu ein, bis ein Ergebnis stand. In Anlehnung an eine Simpsons-Figur, die niemals aufgibt, wurde dieses Vorgehen als „Ralph-Technik“ bekannt: eine einzelne Bash-Zeile ließ den Coding-Agenten in Dauerschleife immer wieder denselben Auftrag abarbeiten. /goal und /loop automatisieren heute genau das.
Vier Loop-Typen lassen sich seither unterscheiden, je nachdem, was die nächste Runde auslöst:
- Ziel-Loop: läuft, bis eine Bedingung erfüllt ist. Entspricht
/goal. - Zeit-Loop: läuft in festen Abständen weiter, unabhängig vom Ergebnis. Entspricht
/loopmit Intervall und dem n8n-Schedule-Trigger weiter unten. - Proaktiver Loop: reagiert auf ein Ereignis, zum Beispiel einen fehlgeschlagenen Build oder eine neue E-Mail, statt auf Zeit oder ein festes Ziel. In n8n ein Webhook-Trigger, in Claude Code das Channels-Feature.
- Schrittweiser Loop: ein Mensch gibt nach jeder Runde kurzes Feedback, die KI verbessert darauf aufbauend weiter. Am wenigsten autonom, dafür am einfachsten zu kontrollieren.
Für den Einstieg reicht es, Ziel-Loop und Zeit-Loop zu kennen, das deckt die meisten Alltagsaufgaben ab.
Wie unterscheidet sich Loop Engineering von Prompt Engineering?
Prompt Engineering optimiert eine einzelne Nachricht. Loop Engineering optimiert ein System aus mehreren Nachrichten, die sich selbst steuern. Beides schließt sich nicht aus. Ein guter Loop besteht am Ende aus gut geschriebenen Einzelprompts.
| Kriterium | Prompt Engineering | Loop Engineering |
|---|---|---|
| Wer promptet? | Du, jedes Mal neu | Das System, automatisch |
| Wiederholbarkeit | Manuell bei jedem Mal | Läuft nach Zeitplan oder Auslöser |
| Kontrolle | Hoch, du siehst jeden Schritt | Geringer, dafür weniger Aufwand |
| Geeignet für | Einmalige, komplexe Aufgaben | Wiederkehrende, klar prüfbare Aufgaben |
| Voraussetzung | Klare Formulierung | Klares Ende-Kriterium plus Guardrails |
Was sind die 6 Bausteine eines Loops?
Unabhängig vom Loop-Typ von oben lässt sich jeder Loop in sechs wiederkehrende Bausteine zerlegen. Nicht jeder Loop braucht alle sechs, aber je mehr davon zusammenkommen, desto autonomer läuft das System.
- Automations: Ein Timer oder Auslöser, der die Arbeit ohne Knopfdruck startet. In n8n ist das schlicht der Schedule Trigger, in Claude Code der Befehl
/loopoder eine geplante Routine. - Worktrees / getrennte Arbeitsbereiche: Damit sich mehrere KI-Läufe nicht gegenseitig überschreiben. Relevant wird das, sobald zwei Loops gleichzeitig an denselben Dateien arbeiten könnten, für einen einzelnen Loop auf einer Aufgabe brauchst du das anfangs nicht.
- Skills: Gespeicherte Anleitungen, die der KI zeigen, wie du eine Aufgabe erledigt haben willst, statt dass sie jedes Mal neu rät. Eine Skill-Datei mit deinem bevorzugten Ablageschema spart pro Runde erneutes Erklären.
- Connectors: Anbindungen an echte Werkzeuge, die du sowieso nutzt, zum Beispiel Gmail, Google Sheets, GitHub Actions oder dein CMS. Ohne Connector bleibt ein Loop reine Theorie, weil er nirgendwo etwas verändern kann.
- Sub-Agents: Ein Modell erledigt die Arbeit, ein anderes prüft sie. So bewertet keine KI ihre eigenen Hausaufgaben, was gerade bei automatisierten Läufen ohne Aufsicht wichtig ist. Perfekt ist auch das nicht: Der Grenzen-Kasten weiter unten zeigt am Beispiel
/goal, dass auch ein separates Prüf-Modell blinde Flecken hat. - Memory: Eine Notizdatei außerhalb des Chats, die festhält, was erledigt ist und was als Nächstes ansteht. In n8n übernimmt das meist eine Tabellenspalte, in Claude Code eine Markdown-Datei im Projektordner.
Der entscheidende Punkt: Für deinen ersten Loop brauchst du nicht alle sechs. Ein Auslöser plus ein prüfbares Ziel reichen für den Einstieg völlig aus. Die anderen vier kommen dazu, sobald der Loop komplexer wird, zum Beispiel wenn mehrere Aufgabentypen gleichzeitig laufen sollen oder wenn ein einzelnes Modell zu oft danebenliegt.
Wie baust du deinen ersten Loop mit Claude Code /goal oder /loop?
/goal ist der Ziel-Loop von oben: Eine kleine KI prüft nach jeder Runde, ob die Bedingung erfüllt ist. /loop ist der Zeit-Loop: Die nächste Runde startet nach einem festen oder von Claude selbst gewählten Zeitintervall, unabhängig davon, ob etwas „fertig“ ist. Für einmalige Aufgaben mit klarem Ende, etwa einen Rückstand abarbeiten, passt /goal besser. Für wiederkehrende Überwachung ohne echtes Ende, etwa alle 5 Minuten neue Dateien prüfen, passt /loop.
/goal und geplante Routines sind bezahlpflichtige Claude-Funktionen. Mit einem kostenlosen Claude-Account siehst du diese Befehle nicht. Weiter unten zeigen wir dir mit n8n einen kostenlosen, selbst gehosteten Weg zum gleichen Ergebnis.
Vorausgesetzt du hast einen bezahlten Claude-Plan und Claude Code Version 2.1.139 oder neuer installiert, funktioniert der Einstieg in drei Schritten.
Wechsle in den Ordner, in dem die KI arbeiten soll, und starte Claude Code wie gewohnt.
Ein Beispiel für Soloselbständige, die viele Belege sammeln:
Nach jeder Runde prüft ein kleines Modell den Zwischenstand. Ist der Ordner leer, stoppt Claude von selbst. Ist er es nicht, geht die nächste Runde los.
Vorher: Ziel gesetzt, erste Runde läuft
Nachher: Goal achieved
Ergebnis im Finder: Alle Belege liegen jetzt im passenden Monatsordner
Drei Dinge machen aus dem Beispiel oben ein gutes Ziel: ein klarer Endzustand („kein Beleg mehr im Unsortiert-Ordner“), eine Prüfung, die sich automatisch messen lässt (die Anzahl der Dateien im Ordner), und eine Guardrail („stoppe nach 30 Durchläufen“). Ohne die Guardrail kann ein Loop im schlimmsten Fall endlos weiterlaufen und unnötig Tokens verbrauchen.
Für Aufgaben ohne klares Ende eignet sich /loop besser als /goal. Ein Beispiel für dasselbe Belege-Szenario, diesmal als Dauerüberwachung statt einmaliger Aufräumaktion:
Der Unterschied: /goal stoppt von selbst, sobald der Ordner leer ist. /loop läuft weiter, in diesem Beispiel jede Stunde erneut, bis du es manuell beendest oder sieben Tage vergangen sind.
Wie baust du mit n8n eine kostenlose Alternative zu /goal und /loop?
Wichtig zur Einordnung: n8n bewertet nicht mit einem KI-Modell, ob eine Runde „fertig“ ist, sondern mit klassischen Workflow-Regeln, die nur durchlassen oder blockieren, ohne selbst zu urteilen. Es ist damit strukturell ein Zeit-Loop wie /loop, kein Ziel-Loop wie /goal. Wer aber ohnehin ohne bezahlten Claude-Plan arbeitet oder lieber ganz ohne KI-Richter auskommt, bekommt hier dasselbe Grundprinzip, nur mit klassischer statt KI-basierter Prüfung, kostenlos und selbst gehostet. Keiner der englisch- oder deutschsprachigen Artikel zu Loop Engineering erwähnt bislang diese n8n-Variante.
Ein einfacher n8n-Loop braucht drei Bausteine, die alle bereits als Standard-Nodes existieren:
Der Schedule Trigger-Node startet den Workflow in festen Abständen, zum Beispiel alle 5 Minuten. Das übernimmt die Rolle des „Timers“ aus den 6 Bausteinen weiter oben.
Eine Tabelle mit einer Status-Spalte (zum Beispiel pending / completed) übernimmt die Rolle von „Memory“. Der Workflow liest bei jedem Durchlauf, was noch offen ist.
Ein Filter-Node lässt nach dem Laden nur Einträge mit offenem Status durch. Sind welche da, verarbeitet der aktuelle Durchlauf sie. Sind keine mehr da, kommt beim Filter nichts mehr durch, und der Workflow endet für diesen Durchlauf, bis der nächste Trigger-Tick wieder alles neu prüft. Genau so „stoppt“ der Loop von selbst.
Ausschnitt aus unserem produktiv laufenden YouTube-Transkript-Workflow
/goal-Befehl nötig, kein bezahlter Plan.
Der Unterschied zu /goal: n8n prüft nicht mit einem KI-Modell, ob „fertig“ erreicht ist, sondern mit klassischer Logik, zum Beispiel der Anzahl offener Einträge in der Statustabelle. Für viele wiederkehrende Aufgaben reicht das völlig aus, und du zahlst nur für die einzelnen KI-Aufrufe innerhalb des Workflows, nicht für eine zusätzliche Loop-Funktion obendrauf.
Was kostet Loop Engineering wirklich?
Keiner der bisherigen deutschsprachigen Artikel zum Thema nennt konkrete Zahlen. Hier die ehrliche Einordnung:
| Weg | Grundkosten | Laufende Kosten |
|---|---|---|
| Claude Code /goal + Routines | Bezahlter Claude-Plan nötig | Token-Verbrauch pro Runde, mehrere Runden pro Loop |
| n8n (selbst gehostet) | Software kostenlos, Hosting separat (eigener Server oder kleiner VPS) | Nur die einzelnen API-Aufrufe im Workflow (z.B. Claude- oder OpenAI-API) |
Wer nicht selbst hosten will, bekommt n8n auch als bezahlte Cloud-Version direkt vom Anbieter, dann entfällt der eigene Server, dafür kommt eine monatliche Gebühr dazu.
Ein Loop, der zehn Runden braucht, verbraucht auch zehnmal die Tokens eines einzelnen Prompts, manchmal mehr, weil bei jeder Runde erneut Kontext mitgeschickt wird. Deshalb ist die Guardrail aus dem /goal-Beispiel oben kein Nice-to-have, sondern der Unterschied zwischen einer kontrollierten Aufgabe und einer Rechnung, die aus dem Ruder läuft.
Wann lohnt sich ein Loop, wann reicht ein normaler Prompt?
Ein Loop lohnt sich, wenn eine Aufgabe sich wiederholt, wenn du klar sagen kannst, wie „fertig“ aussieht, und wenn du bereit bist, dem System für einige Runden die Kontrolle zu überlassen. Typische Kandidaten: Belege sortieren, eine Warteschlange abarbeiten, eingehende E-Mails vorsortieren, oder eine Liste von Dateien der Reihe nach zusammenfassen.
Ein normaler Prompt reicht, wenn die Aufgabe einmalig ist, wenn „fertig“ schwer zu definieren ist, oder wenn du jeden Zwischenschritt selbst sehen willst, bevor der nächste beginnt. Für die meisten spontanen Fragen im Alltag bleibt ein sauber formulierter Prompt schneller und günstiger als ein Loop drumherum zu bauen.
Ein klares Warnsignal, dass ein Loop die falsche Wahl war: Die KI dreht sich im Kreis, ohne dem Ziel näherzukommen, oder sie erklärt nach jeder Runde etwas anderes als „fertig“. Das ist meistens kein Problem der KI, sondern ein Zeichen, dass die Prüfbedingung zu vage formuliert war. Eine bessere Prüfbedingung ist fast immer die Lösung, nicht ein leistungsfähigeres Modell.
Fazit: Lohnt sich Loop Engineering für dich?
Wenn du regelmäßig dieselbe Art von Aufgabe erledigst, egal ob Belege sortieren, eine Warteschlange abarbeiten oder Inhalte prüfen, lohnt sich ein Loop. Fang klein an: ein Auslöser, eine Prüfung, eine Guardrail. Mit Claude Code testest du das über /goal oder /loop, als kostenlose Alternative ohne bezahlten Plan über n8n mit einem einfachen Schedule-Trigger-Workflow.
Mehr zu Claude Code und was du sonst noch damit automatisieren kannst, findest du im Claude-Pillar-Artikel und im Claude-Skills-Cluster. Wenn du n8n noch gar nicht kennst, ist der n8n-Einstiegsartikel der richtige nächste Schritt, danach lohnt sich ein Blick auf die wichtigsten n8n-Nodes. Wer den n8n-Loop lieber mit echten KI-Agenten statt einfacher Filter-Logik bauen will, findet das im Artikel zu KI-Agenten in n8n. Und wer den Workflow komplett selbst hosten möchte statt in der Cloud, liest vorher am besten den Guide zu n8n Self-Hosting.
Häufige Fragen zu Loop Engineering
Was ist Loop Engineering bei KI?
Loop Engineering ist das Gestalten eines Systems, das eine KI wiederholt gegen ein Ziel arbeiten lässt, inklusive Auslöser, Prüfung und Stopp-Bedingung, statt dass ein Mensch jeden Schritt einzeln promptet.
Was bedeutet ein Loop in diesem Zusammenhang?
Ein Loop ist ein Kreislauf aus drei Schritten: die KI arbeitet, ein Prüfmechanismus bewertet das Ergebnis, und je nach Ergebnis läuft entweder die nächste Runde oder der Loop stoppt.
Wie erstelle ich meinen ersten Loop?
Schreib zuerst einen Satz auf: Was soll passieren, woran erkennt man „fertig“, und wie oft soll es maximal laufen. Danach setzt du das entweder mit Claude Codes /goal-Befehl um oder, als kostenlose Alternative ohne bezahlten Plan, mit einem einfachen n8n-Workflow aus Schedule Trigger, Statustabelle und Filter-Prüfung.
Was ist der Unterschied zwischen /goal und /loop?
/goal startet die nächste Runde, sobald die vorherige fertig ist, und stoppt, sobald ein KI-Modell eine von dir festgelegte Bedingung als erfüllt bestätigt. /loop startet die nächste Runde nach einem festen oder selbst gewählten Zeitintervall und läuft weiter, bis du es beendest oder Claude die Arbeit für erledigt hält. /goal passt zu einmaligen Aufgaben mit klarem Ende, /loop zu wiederkehrender Überwachung.
Was ist ein Loop LLM?
Damit ist meist ein Sprachmodell gemeint, das innerhalb eines Loops läuft, also wiederholt aufgerufen wird, bis eine Prüfbedingung erfüllt ist, statt nur einmal auf einen Prompt zu antworten.
Brauche ich Programmierkenntnisse für Loop Engineering?
Nein, nicht zwingend. Mit n8n lässt sich das Grundprinzip aus Auslöser, Zustandsspeicher und Prüfung komplett per Drag-and-Drop bauen, ganz ohne eigenen Code.
