So bringen Sie Ihren KI-Coding-Agenten wieder in Gang, wenn er denselben Fehler wiederholt

Sie sagen Ihrem KI-Coding-Agenten, er solle aufhören, eine veraltete Funktion zu verwenden. Er entschuldigt sich, schreibt den Code neu – und verwendet dieselbe veraltete Funktion erneut. Sie korrigieren ihn ein drittes Mal. Gleiches Ergebnis. Das ist die "Doom-Schleife", und jeder, der baut, gerät irgendwann hinein. Die gute Nachricht: Sobald Sie verstehen, warum es passiert, ist die Lösung schnell und wiederholbar.

Warum Agenten stecken bleiben

Ein KI-Coding-Agent erinnert sich nicht an Ihre letzte Korrektur, wie ein Mensch es tut. Er arbeitet aus seinem Kontext – dem laufenden Protokoll Ihres Gesprächs plus den Dateien, die er gelesen hat. In einer langen Sitzung gehen zwei Dinge schief:

• Fehler potenzieren sich. Wenn eine falsche Annahme früh in den Kontext gerät, baut jede spätere Antwort darauf auf. Ihre Korrektur ist nur eine weitere Nachricht, die mit dem ganzen früheren Text konkurriert, der immer noch das Falsche sagt.
• Context Rot. Wenn sich das Fenster im Laufe einer langen Sitzung füllt, verschlechtert sich die Ausgabequalität allmählich. Der Agent verliert allmählich den Überblick über Anweisungen, die Sie vor zwanzig Nachrichten gegeben haben.

Wenn ein Agent also einen Fehler wiederholt, ist er meist nicht stur – er ertrinkt in einem verschmutzten Kontext. Reparieren Sie den Kontext, nicht die Einstellung des Agenten.

Schritt 1: Zurücksetzen statt erneut erklären

Ihr Instinkt ist, die Korrektur nachdrücklicher zu erklären. Widerstehen Sie ihm. Jede zusätzliche Nachricht vergrößert den verschmutzten Kontext. Schneiden Sie stattdessen den schlechten Kontext heraus:

• In Claude Code rollt /rewind das Gespräch und die Dateiänderungen auf einen früheren Prüfpunkt zurück – nutzen Sie es, wenn die letzten paar Schritte schiefgingen, die frühere Arbeit aber erhaltenswert ist (zweimaliges Tippen auf Esc öffnet dasselbe Menü). /clear löscht das Gespräch vollständig und beginnt von vorn, während Ihr Code unangetastet bleibt – nutzen Sie es, wenn die gesamte Sitzung entgleist ist. /compact fasst den Verlauf in eine kürzere Form zusammen, wenn Sie mit einem leichteren Fußabdruck weitermachen möchten. (Siehe die Best Practices für Claude Code.)
• In Cursor oder einem chat-basierten Werkzeug starten Sie für die festgefahrene Aufgabe einen neuen Chat, statt den vergifteten fortzusetzen.

Ein sauberer Kontext mit einer klaren Anweisung schlägt einen langen Kontext mit fünf zunehmend frustrierten.

Schritt 2: Geben Sie der Korrektur ein dauerhaftes Zuhause

Eine Korrektur, die Sie in den Chat tippen, verschwindet, wenn die Sitzung endet. In der nächsten Sitzung macht der Agent denselben Fehler – weil Sie die Lösung aus seinem Gedächtnis entfernt haben, indem Sie das Fenster geschlossen haben. Legen Sie dauerhafte Regeln dorthin, wo der Agent sie jedes Mal liest:

• Claude Code: eine CLAUDE.md-Datei im Wurzelverzeichnis Ihres Repos.
• Cursor: eine Regeldatei (z. B. .cursor/rules/).
• Jeder Agent: eine AGENTS.md-Datei, die inzwischen weithin unterstützt wird.

Schreiben Sie die Regel als klare, überprüfbare Aussage. Nicht "versuche, sauberen Code zu schreiben", sondern: "Verwende fetch, niemals axios. Dieses Projekt hat keine axios-Abhängigkeit."

Schritt 3: Machen Sie die Vorgabe unmöglich zu übersehen

Hier ein konkretes Beispiel. Angenommen, Ihr Agent importiert ständig eine Datumsbibliothek, die Sie entfernt haben:

// Agent keeps writing this:
import moment from 'moment'
const now = moment().format('YYYY-MM-DD')

Sie haben ihm dreimal gesagt, er solle stattdessen die eingebaute Intl-API verwenden. Statt einer vierten Korrektur fügen Sie eine Zeile zu CLAUDE.md hinzu:

## Dates
Never import `moment` or `dayjs` — they are not installed.
Format dates with the built-in `Intl.DateTimeFormat`. Example:
`new Intl.DateTimeFormat('en-CA').format(new Date())` → "2026-07-04"

Der Unterschied: Sie haben eine Regel plus ein funktionierendes Beispiel gegeben. Agenten folgen einem kopierbaren Beispiel weitaus zuverlässiger als einer abstrakten Anweisung, und nun lädt die Regel zu Beginn jeder Sitzung automatisch.

Schritt 4: Geben Sie dem Agenten eine Möglichkeit, sich selbst zu überprüfen

Agenten wiederholen Fehler, die sie nicht sehen können. Schließen Sie den Kreis, indem Sie dem Agenten ein Signal geben, das er lesen kann:

• Eine Linter-Regel oder ein Test, der bei genau diesem Fehler fehlschlägt. Wenn moment von Ihrem Linter verboten ist, führt der Agent den Linter aus, sieht den Fehler und behebt ihn – ohne Sie in der Schleife.
• Eine kurze "Definition of Done"-Checkliste in Ihrem Prompt: "Bevor du fertig bist, führe npm run lint und npm test aus und bestätige, dass beide bestehen."

Dies ist das mit Abstand größte Upgrade. Ein Fehler, den der Agent selbst erkennen kann, hört auf, ein Fehler zu sein, den Sie abfangen müssen.

Schritt 5: Verkleinern Sie die Aufgabe

Wenn ein Agent bei einer großen, vagen Anfrage in einer Schleife hängt ("überarbeite das Auth-System"), hat er sich oft im Umfang verloren, nicht im Detail. Zerlegen Sie die Arbeit in jeweils einen kleinen, überprüfbaren Schritt – "extrahiere die Token-Refresh-Logik in ihre eigene Funktion, ändere das Verhalten nicht" – und bestätigen Sie jeden, bevor Sie weitermachen. Kleine Aufgaben lassen weniger Raum zum Abschweifen.

Das Muster

Wenn Ihr Agent nicht aufhört, einen Fehler zu wiederholen, arbeiten Sie die Liste ab: setzen Sie den Kontext zurück, schreiben Sie die Regel dort auf, wo sie bestehen bleibt, zeigen Sie ein Beispiel, geben Sie ihm eine Überprüfung, die er selbst ausführen kann, und grenzen Sie die Aufgabe ein. Ihnen wird das Thema auffallen – Sie streiten nicht mit dem Agenten, Sie reparieren, was er sehen kann. Tun Sie das, und die Doom-Schleife wird zu einem Zwei-Minuten-Umweg statt zu einem verlorenen Nachmittag.