Die 99-Prozent-Falle

Neunundneunzig Prozent klingt nach dem Ende der Ingenieursarbeit. Es ist die Zahl, die den Pilotversuch abschließt, der Wert auf der Anbieterfolie, der Moment, in dem ein Team den Agenten für einsatzbereit erklärt. Gib diesem Agenten nun etwas Langes. Eine Aufgabe mit 1.000 Schritten, jeder einzelne in 99 von 100 Fällen korrekt ausgeführt, endet sauber mit einer Wahrscheinlichkeit von 0,99 tausendmal mit sich selbst multipliziert: rund 0,004 Prozent. Vier saubere Durchläufe auf hunderttausend Versuche. Das ist die Falle. Ein Agent, der fast immer richtig liegt, wird an einer ausreichend langen Aufgabe zu einer Maschine, die fast immer scheitert.

Dies ist eine Feldsynthese mit einem ungewöhnlichen Evidenzprofil, und wir benennen es vorab präzise. Die Arithmetik, die die erste Hälfte dieses Textes trägt, ist unsere eigene: schlichte Multiplikation, auf jedem Taschenrechner nachprüfbar, ganz ohne Autorität. Das Ergebnis, das die zweite Hälfte trägt, ist der berichtete Befund eines einzelnen Forschungsteams, auf einem synthetischen Benchmark, in einem Preprint, das noch keine Begutachtung durchlaufen hat. Das Erste verwenden wir als Fakt, das Zweite als Prinzip. Zusammen erklären sie die häufigste Enttäuschung in der Arbeit mit KI-Agenten: warum ein System, das sich in der Demo zuverlässig anfühlt, an fast jedem langen Auftrag scheitert, den man ihm tatsächlich gibt.

Abschnitt EinsDie Rechnung, die niemand aufmacht

Beginnen wir mit der einzigen Gleichung dieses Textes. Wenn jeder Schritt einer Aufgabe unabhängig mit derselben Wahrscheinlichkeit gelingt, ist die Chance auf einen sauberen Gesamtdurchlauf diese Wahrscheinlichkeit, einmal pro Schritt mit sich selbst multipliziert. Alles Weitere folgt daraus, diesem Produkt beim Zerfallen zuzusehen.

Nimm einen Agenten, der jeden einzelnen Schritt in 99 Prozent der Fälle richtig ausführt. Zwei Schritte: 0,99 × 0,99, etwa 98 Prozent. Zehn Schritte: etwa 90 Prozent. So weit hält die Intuition: kleine Verluste, noch immer eine funktionierende Maschine. Dann kippt die Kurve. Bei 69 Schritten fällt die Gesamtwahrscheinlichkeit unter die Hälfte: Der „zuverlässige" Agent ist jetzt ein Münzwurf. Bei 1.000 Schritten, der Größenordnung eines wirklich langen Agenten-Laufs, liegt die Erfolgswahrscheinlichkeit bei 0,99 hoch tausend: etwa 0,0000432, also 0,004 Prozent. Tipp 0,99^1000 in einen beliebigen Taschenrechner. Wir warten.

Man braucht keine tausend Schritte, damit die Falle zuschnappt. Ein Prozess mit zwanzig Schritten (eine Rechnungsannahme, ein Kunden-Onboarding, ein Monatsbericht aus einem Dutzend Systemen) endet bei einem Agenten mit 95 Prozent Trefferquote pro Schritt in etwa 36 Prozent der Fälle sauber (0,95²⁰ ≈ 0,3585). Grob zwei von drei Durchläufen reißen irgendwo in der Kette.

Und die Schrittgenauigkeit anzuheben hilft kaum. Ein Agent, der in 999 von 1.000 Fällen richtig liegt (ein Wert, um den die meisten Produktivsysteme ihn beneiden würden), beendet eine Aufgabe mit tausend Schritten trotzdem nur in etwa 37 Prozent der Fälle (0,999^1000). Um bei 1.000 Schritten auch nur auf einen Münzwurf zu kommen, muss die Genauigkeit pro Schritt bei rund 99,93 Prozent liegen. All das ist bewusst unsere eigene Arithmetik: Hier gibt es nichts zu glauben und nichts zu begutachten. Es ist Multiplikation.

Der Agent wurde bei Schritt 400 nicht dümmer. Die Wahrscheinlichkeit ging ihm aus.

Abschnitt ZweiEine Eigenschaft des Systems, nicht des Modells

Der Reflex, den diese Rechnung gewöhnlich auslöst, heißt Warten: Das nächste Modell wird klüger sein, und das Problem löst sich auf. Die Multiplikation sagt etwas anderes. Modellfortschritt hebt die Zahl pro Schritt, und die Zahl pro Schritt ist der falsche Hebel: den Schaden richtet der Exponent an. Solange ein einziger Fehler irgendwo den ganzen Lauf versenken kann, lebt jede lange Aufgabe auf dem steilen Teil der Zerfallskurve, egal mit welchem Modell.

Das heißt: Die Zuverlässigkeit einer langen Aufgabe war nie eine Eigenschaft des Modells. Sie ist eine Eigenschaft des Systems um das Modell herum: wie die Arbeit in Schritte geschnitten ist, was zwischen den Schritten geprüft wird und was passiert, wenn ein Schritt schiefgeht. Das sind keine Machine-Learning-Fragen. Es sind die ältesten Fragen der Unternehmensführung (Arbeitsgestaltung, Qualitätskontrolle, Eskalation) in neuer Hardware.

Abschnitt DreiEine Million Schritte, null Fehler

Im November 2025 stellte ein Team des Cognizant AI Lab und der University of Texas at Austin um Elliot Meyerson ein Preprint online, dessen zentrale Behauptung gegen die obige Rechnung wie ein Tippfehler wirkt: Sie beschreiben, in ihren eigenen Worten, „the first system that successfully solves a task with over one million LLM steps with zero errors" Auf Deutsch: das erste System, das eine Aufgabe mit über einer Million LLM-Schritten fehlerfrei löst. Nicht eine Million Schritte mit vertretbaren Verlusten. Null Fehler.

arXiv, E. Meyerson et al. (Cognizant AI Lab & UT Austin), „Solving a Million-Step LLM Task with Zero Errors", arXiv:2511.09030, eingereicht am 12. November 2025.

Das System heißt MAKER, und das Akronym ist die Methode: Maximal Agentic decomposition, first-to-ahead-by-K Error correction und Red-flagging. Aus dem Paper-Sprech übersetzt: Die Aufgabe wird in die kleinsten Schritte zerlegt, die die Autoren definieren konnten, jeder von einem eigenen Mikroagenten bearbeitet; die Antwort jedes Schritts wird per Abstimmung mehrerer unabhängiger Versuche entschieden und erst akzeptiert, wenn eine Antwort K Stimmen Vorsprung hat; und Versuche mit verdächtigen Anzeichen werden verworfen und neu gestartet, statt mit ihnen zu verhandeln. Die Ein-Satz-Zusammenfassung der Autoren ist die Zeile, die man behalten sollte: „The high level of modularity resulting from the decomposition allows error correction to be applied at each step through an efficient multi-agent voting scheme."

Zwei Einschränkungen, klar benannt, weil sie zählen. Die Benchmark-Aufgabe ist synthetisch (so konstruiert, dass sich eine Million Schritte überhaupt definieren und verifizieren lassen), und das Paper ist ein Preprint, noch nicht begutachtet. Wir zitieren es nicht als Beweis, dass dein Workflow morgen fehlerfrei läuft. Wir zitieren es für das Prinzip, das es demonstriert: Die Lücke zwischen 0,004 Prozent und einem sauberen Millionen-Schritte-Lauf wurde ohne ein klügeres Modell geschlossen. Die beteiligten Modelle waren gewöhnlich. Die Architektur war es nicht.

Die Lücke wurde nicht durch Intelligenz geschlossen. Sondern dadurch, dass kein Fehler je weiterreisen durfte.

Abschnitt VierDie Übersetzung in Führung

Nimmt man das Akronym weg, sind MAKERs drei Züge drei Führungsentscheidungen. Jede davon hat eine fähige Operations-Leitung schon einmal getroffen, nur eben nie über Software.

Zerlegung ist Arbeitsgestaltung. Schneide die Arbeit, bis jeder Schritt so klein ist, dass sich „korrekt" auf einen Blick prüfen lässt: eine Entscheidung, eine Umformung, eine Antwort. Ein Schritt, den du nicht verifizieren kannst, ist ein Schritt, den du dich entschieden hast nicht zu führen.

Abstimmung ist unabhängige Prüfung. Kein Ergebnis zählt, weil der Bearbeiter sagt, es sei fertig. Mehrere unabhängige Versuche müssen übereinstimmen, bevor eine Antwort in die Akte geht. Diese Redundanz klingt teuer, bis man die Alternative durchrechnet: Zu Maschinenkosten ist es billig, einen kleinen Schritt fünfmal laufen zu lassen; einen gescheiterten Lauf über tausend Schritte zu wiederholen ist es nicht.

Red-Flagging ist eine Stoppbedingung. Sieht ein Versuch falsch aus (missgeformt, übermäßig selbstsicher, aus dem Muster gefallen), überredet das System ihn nicht zur Korrektur. Es beendet den Versuch und beginnt neu. Wegwerfen wird billiger gemacht als Überreden.

Der praktische Zug für alle, die heute Agenten betreiben, ist nicht, MAKER nachzubauen. Es ist, seine Haltung zu übernehmen. Schreib die Schritte auf. Definiere „fertig" pro Schritt, nicht pro Projekt. Setz zwischen die Schritte eine Prüfung, die der Bearbeiter nicht überspringen kann. Und mach es billiger, einen schlechten Lauf zu verwerfen, als mit ihm zu diskutieren. Jede dieser Entscheidungen kann eine Führungskraft diese Woche treffen, mit den Modellen, die schon im Haus sind.

Abschnitt FünfZerlegung ist Lesbarkeit

Hier ist der rote Faden zu allem anderen, was wir veröffentlichen. Eine Aufgabe, an der ein Agent tatsächlich erfolgreich sein kann, ist eine Aufgabe, deren Schritte, Prüfungen und Stoppbedingungen klein und lesbar gemacht wurden. Das ist kein Zufall der Technik; es ist dieselbe Eigenschaft, auf die wir von außen bei Unternehmen zeigen. Zerlegung ist Lesbarkeit: die Disziplin, Arbeit für die Maschine lesbar zu machen, die sie erledigen soll.

Wir betreiben unser eigenes Studio mit Agenten, und wir betreiben es nach dieser Rechnung. Die Aufgaben, die hier gelingen, sind nie die heroischen Tausend-Schritte-Prompts; es sind die nummerierten Stufen mit einem menschlichen Prüfpunkt dazwischen, jede Stufe klein genug, dass ein Fehler sichtbar wird, bevor er weiterreist. Wenn ein Lauf scheitert, haben wir gelernt, nicht zu fragen „warum war der Agent dumm", sondern „welcher Schritt durfte so lang sein". Die Antwort ist meist unbequem und immer behebbar.

Zum SchlussDie Maschine liest, bevor sie arbeitet

Maschinen können nur auf das reagieren, was sie klar lesen können. Außerhalb deines Unternehmens entscheidet das darüber, ob KI-Assistenten deine Marke überhaupt sehen, wenn ein Käufer fragt. Innerhalb deines Unternehmens entscheidet es jetzt darüber, ob deine Agenten zu Ende bringen, was du ihnen gibst: Eine lesbare Aufgabe überlebt ihre eigene Länge, eine unlesbare wird von der Multiplikation gefressen. Die Gewinner der Agenten-Ära werden nicht die Teams mit dem klügsten Modell sein. Es werden die Teams sein, deren Arbeit lesbar genug war, um Schritt für kleinen, prüfbaren Schritt erledigt zu werden.

Wenn du wissen möchtest, wie lesbar du für die Maschinen draußen heute schon bist, kannst du es unter /de/signal-index/ messen. Oder schreib uns unter /de/kontakt/.