DeepSeek setzt auf AI‑Harness‑Teams im Rennen um autonome KI‑Agenten

Der nächste Schritt im KI‑Wettlauf

Der Wettbewerb in der KI‑Branche verschiebt sich. Lange ging es vor allem darum, das leistungsfähigste Basismodell zu trainieren. Doch inzwischen zeigt sich: Der eigentliche Nutzen entsteht oft erst durch die Software, die diese Modelle in konkrete Werkzeuge verwandelt.

Genau hier setzt DeepSeek an. Berichten zufolge hat das chinesische KI‑Startup den früheren Jane‑Street‑Engineer Cui Tianyi eingestellt und ein eigenes Team aufgebaut, das sich mit sogenannter AI‑Harness‑Technologie beschäftigt.

Dieses Team soll Produkte entwickeln, die KI‑Modelle zu autonomen Agenten machen – ähnlich wie das Coding‑Tool Claude Code des US‑Unternehmens Anthropic.

Parallel arbeitet DeepSeek weiterhin an seinen Modellen. Die neueren Versionen der V4‑Reihe wurden laut Unternehmen gezielt darauf ausgelegt, bessere „agentische“ Fähigkeiten zu besitzen – also komplexe Aufgaben und Workflows selbstständig ausführen zu können.

Was ein AI‑Harness eigentlich ist

Der Begriff klingt technisch, beschreibt aber eine entscheidende Architektur‑Ebene.

Ein AI‑Harness ist die Software‑Umgebung, die ein KI‑Modell mit Werkzeugen und Handlungsmöglichkeiten verbindet. Ohne diese Schicht kann ein Modell im Grunde nur Text generieren.

Mit einem Harness kann die KI dagegen zum Beispiel:

• Dateien und ganze Codebasen analysieren
• Terminal‑ oder Systembefehle ausführen
• Code schreiben oder verändern
• externe Datenquellen durchsuchen
• mehrstufige Aufgaben planen und iterativ lösen

Diese Infrastruktur bildet eine Agent‑Schleife („agent loop“) mit Werkzeugen, Kontextverwaltung und Entscheidungslogik, sodass ein Modell selbstständig Schritte ausführen kann, um ein Ziel zu erreichen.

Moderne Coding‑Agenten arbeiten genau so. Laut Anthropic kann Claude Code etwa eine komplette Codebasis verstehen, Änderungen über mehrere Dateien hinweg vornehmen und Entwicklungsaufgaben automatisieren.

Warum diese Schicht plötzlich strategisch wichtig ist

Die Popularität von KI‑Agenten hat den Fokus der Branche verschoben.

Bei Tools wie Claude Code beschreibt ein Entwickler lediglich ein Ziel – etwa einen Bug zu beheben oder eine Funktion zu implementieren. Der Agent übernimmt anschließend viele Schritte automatisch:

• analysiert das Projekt
• schreibt oder verändert Code
• führt Tests aus
• iteriert so lange, bis die Aufgabe funktioniert

Damit wird KI von einem reinen Vorschlags‑System zu einem aktiven Software‑Agenten, der mit Entwicklern zusammenarbeitet.

Der wirtschaftliche Effekt ist bemerkenswert. Anthropic erklärte 2026, dass das Unternehmen inzwischen einen jährlichen Umsatzlauf von etwa 30 Milliarden US‑Dollar erreicht hat – nach extrem schnellem Wachstum bei Nutzung und Umsatz.

Einige Branchenberichte schätzen zudem, dass Claude Code allein etwa 2,5 Milliarden US‑Dollar jährlichen Umsatz generieren könnte, auch wenn solche Zahlen aus externen Analysen stammen und vorsichtig interpretiert werden sollten.

Der neue Wettkampf: Modelle vs. Agent‑Plattformen

Diese Entwicklung verändert die Struktur des KI‑Marktes.

Während früher die Modellqualität das wichtigste Differenzierungsmerkmal war, rücken nun andere Faktoren in den Vordergrund:

• leistungsfähige Entwickler‑Tools
• stabile Agent‑Workflows
• Integration in Entwicklungsumgebungen
• Automatisierung komplexer Aufgaben

Mit anderen Worten: Die Plattform um das Modell herum wird zum eigentlichen Produkt.

Für DeepSeek ist der Aufbau eines Harness‑Teams daher mehr als ein technisches Detail. Er zeigt, dass das Unternehmen seine starken Modelle in vollwertige autonome Produkte verwandeln will, die Entwickler täglich nutzen.

Der KI‑Wettlauf verlagert sich damit von reiner Modellforschung hin zu Agent‑Engineering. Und wer diese Infrastruktur am besten beherrscht, könnte die nächste Generation von KI‑Software prägen.