Google veröffentlicht Harness2 als Open Source: KI-Agenten sollen ihr eigenes Gerüst umschreiben

Google Research hat Harness2, ein Open-Source-Framework für KI-Agenten, unter der Apache-2.0-Lizenz veröffentlicht. Das Tool wurde am 18. Oktober 2026 angekündigt. Es schreibt das Gerüst, das einen Agenten umgibt, während des Tests neu, anstatt diese Struktur unverändert zu lassen.

Laut der veröffentlichten Zusammenfassung verbesserte ein einziger Verfeinerungsschritt das Ergebnis des Modells GLM-5 im WorkBuddy-Bench um 11,5 Punkte. Dieser Zugewinn sei angeblich ohne Aktualisierung der Gewichte des Modells erzielt worden.

Warum das Harness wichtig ist

In Agentensystemen ist das Harness die Schicht um ein Modell herum: seine Anweisungen, die Werkzeuge, die es aufrufen kann, und die Steuerlogik, die bestimmt, wie eine Aufgabe abläuft. Dasselbe Modell kann je nach diesem Aufbau sehr unterschiedliche Ergebnisse liefern. Harness2 verfolgt einen rekursiven Ansatz und lässt das System diese Schicht selbst neu gestalten, statt sie von Ingenieuren von Hand abstimmen zu lassen.

Da kein erneutes Training nötig ist, deutet der Ansatz darauf hin, wie sich mit bestehenden Modellen mehr Leistung herausholen lässt, ohne kostspielige Trainingsläufe. Das könnte für Teams interessant sein, denen die Ressourcen fehlen, um eigene Modelle zu bauen oder zu feinabzustimmen.

Offene Fragen

Öffentlich verfügbare Details sind bislang begrenzt. Ungeklärt ist, ob ähnliche Gewinne bei anderen Modellen und Benchmarks auftreten, was über mehrere Verfeinerungsschritte passiert und wie viel zusätzliche Rechenleistung der Prozess benötigt. Die gemeldete Verbesserung um 11,5 Punkte bezieht sich auf ein einziges Modell in einem einzigen Benchmark.

Die freizügige Lizenz erlaubt es externen Forschenden allerdings, die Behauptungen selbst zu überprüfen. Die Veröffentlichung passt zu einer wachsenden Sicht im Feld, nach der die Leistung von Agenten nicht nur vom zugrunde liegenden Modell abhängt, sondern auch von der Struktur darum herum. Harness2 ist ein konkreter Versuch, genau diesen Teil der Arbeit zu automatisieren.