Die Schleife, zum Zusehen

Hier läuft eine vollständige Agentenschleife im Browser. Jeder Schritt ist sichtbar: was zum Modell geht, was zurückkommt, welches Werkzeug aufgerufen wird und was es liefert.

An der Stelle des Sprachmodells steht hier kein Modell. Es ist ein kurzer regelbasierter Beantworter, der auf Schlüsselwörter reagiert — damit die Vorführung ohne Download und auf jedem Rechner läuft. Die Schleife drumherum ist echt und entspricht Zeile für Zeile dem Python-Beispiel im vorigen Abschnitt. Wie man ein wirkliches Modell anschließt, steht darunter.

Drei Rechner, drei Aufgaben. Das Modell entscheidet und tut nichts. Der Agent führt aus, aber nur was im Werkzeugordner liegt. Die Brücke reicht als einziges Werkzeug über den Server hinaus — und baut die Verbindung selbst auf, von unten nach oben.

es antwortet der eingebaute Beantworter

Was ist das für ein Modell — und was schafft es?

Geladen wird Qwen2.5-0.5B-Instruct — ein Sprachmodell mit rund einer halben Milliarde Parametern, die kleinste Stufe einer Modellfamilie, die es bis in den zweistelligen Milliardenbereich gibt.

Größe	Wert	wofür das steht
Parameter	0,5 Milliarden	die gelernten Zahlen des Modells. Große Modelle haben hundert- bis tausendmal mehr.
Speicherbedarf	rund 280 MB	in 4 Bit je Zahl gepackt statt in 16 — das kostet etwas Genauigkeit und spart das Vierfache an Platz
Rechenwerk	WebGPU	die Grafikeinheit des eigenen Rechners, über die Schnittstelle, die Browser seit 2023 dafür bereitstellen
Geschwindigkeit	40…180 Zeichenfolgen je Sekunde	auf gewöhnlicher Hardware; bis etwa 80 % dessen, was dasselbe Modell nativ erreicht
Wohin die Daten gehen	nirgendwohin	Modell und Rechnung bleiben im Browser. Nur der Download kommt von außen.

Warum gerade dieses

Es ist das kleinste Modell, das die drei Dinge zugleich kann, auf die es hier ankommt: Anweisungen befolgen, strukturierte Ausgaben erzeugen und klein genug sein, dass der Download zumutbar bleibt. Alles darunter beherrscht die Form nicht mehr; alles darüber sprengt den Rahmen einer Seite, die man nebenbei öffnet.

Was ein Modell dieser Größe nicht kann

Es hat kein Weltwissen im eigentlichen Sinn, es rechnet unzuverlässig, und bei Werkzeugaufrufen liegt es häufig daneben — dazu die Messung unten. Es ist kein kleiner Ersatz für ein großes Modell, sondern etwas anderes: ein Modell, das Form beherrscht und bei Bedeutung schnell an die Grenze kommt.

Warum das für diese Seite genügt. Vorgeführt wird nicht die Klugheit des Modells, sondern die Schleife. Dafür reicht ein Modell, das die Form trifft — und wo es sie verfehlt, zeigt die Vorführung genau das, was ein Erbauer wissen muss.

Was es wirklich schafft — gemessen am 1. Oktober 2026

Am 1. Oktober 2026 mit Qwen2.5-0.5B-Instruct über WebLLM durchgespielt, auf einem gewöhnlichen Rechner im Browser. Das Laden der rund 280 MB lief ohne Zwischenfall.

Aufgabe	was das Modell tat	Ergebnis
Was steht in messung.csv?	rief `lies_datei {"name":"messung.csv"}` auf — richtiges Werkzeug, richtige Eingabe, sauberes JSON	gelungen
Wie groß ist die Platine? braucht zwei Durchgänge	lieferte gar kein JSON, sondern den Satz: „Falls du eine Datei im Projekt oder ein Befehl am Arbeitsplatz auswählst, wird die Größe der Datei oder Befehlszeile angezeigt."	gescheitert

Die Grenze liegt dort, wo es mehrdeutig wird. Ein Auftrag mit einem offensichtlichen Werkzeug gelingt. Sobald zwei Durchgänge nötig sind oder mehrere Werkzeuge in Frage kommen, fällt das Modell in die Rolle zurück, die es am besten beherrscht: Es beschreibt, was man tun könnte, statt es zu tun.

Ein Fehler lag allerdings beim Erbauer, nicht beim Modell. Im ersten Versuch erfand das Modell ein Werkzeug namens messung, das es nicht gab, verpackte seine Antwort in einen Codeblock und erklärte sie ausführlich. Drei Änderungen genügten, damit derselbe Auftrag gelang: die erlaubten Werkzeugnamen zuerst und ausdrücklich in die Anweisung, ein Beispiel für die erwartete Form, und ein Auswerter, der JSON auch aus einem Codeblock herausholt. Das bestätigt die dritte Vorschrift für Agenten — die Werkzeugbeschreibung ist die Bedienungsanleitung, und sie zu kürzen spart nichts.

Zwei der fünf Aufgaben wurden bei diesem Durchlauf nicht beobachtet; die Tabelle führt nur, was selbst gesehen wurde.

Der sechste Fall ist kein erfundener. Er stellt nach, was Qwen2.5-0.5B am 1. Oktober 2026 wirklich getan hat: Aus dem Dateinamen „messung.csv" machte es ein Werkzeug namens messung, das es nicht gibt. Die Schleife bricht deswegen nicht ab — sie gibt die Fehlermeldung samt der erlaubten Namen zurück, und im nächsten Durchgang wählt das Modell richtig. Genau so muss ein Agent mit einem Fehlgriff umgehen. Dieser eine Fall laeuft immer mit dem eingebauten Beantworter — er ist eine Nachstellung, kein Lauf.

Was man dabei sieht

Der Verlauf wächst mit jedem Schritt und wird jedes Mal vollständig mitgeschickt.
Das Modell führt nichts aus — es nennt nur Name und Eingaben eines Werkzeugs.
Ein Fehler geht als Text zurück, nicht als Absturz; das Modell kann darauf reagieren.
Der Auftrag an den Arbeitsplatz unterscheidet sich für das Modell in nichts von einem Dateizugriff — nur die Antwort braucht länger.
Ein abgelehnter Auftrag wird von der Brücke abgewiesen, nicht vom Modell.
Ein Fehlgriff des Modells beendet nichts: Der Agent antwortet mit der Liste der erlaubten Werkzeuge, und der nächste Durchgang kann es besser machen.

Ein wirkliches Modell anschließen

Wer die Schleife mit einem echten Sprachmodell sehen will, hat zwei Wege:

Weg	Aufwand	Eignung für Werkzeugaufrufe
Im Browser — WebLLM über WebGPU, Modell Qwen2.5-0.5B-Instruct, 4 Bit, rund 280 MB Download	eine Bibliothek einbinden, Modell lädt beim ersten Aufruf	eingeschränkt, und die eigene Messung oben bestätigt es: der einfache Fall gelingt, der mehrdeutige nicht. Ein verwandtes Modell mit 1,7 Milliarden Parametern erreicht im einschlägigen Vergleich 27 %.
Lokal auf dem Rechner — ein Modell mit 3 bis 8 Milliarden Parametern über eine der üblichen Laufzeitumgebungen	Installation, einige GB Speicher	brauchbar ab etwa 3 Milliarden Parametern mit ausdrücklicher Unterstützung für Funktionsaufrufe
Über eine Schnittstelle — ein großes Modell beim Anbieter	Schlüssel eintragen, sonst nichts	zuverlässig; das ist der Weg, den der Code im vorigen Abschnitt zeigt

Für den ersten Versuch empfehle ich den dritten Weg. Nicht weil die anderen nicht gingen, sondern weil man beim Lernen den Fehler im eigenen Code sucht und nicht im Modell. Ist die Schleife erst sicher, kann man sie an ein kleineres hängen und sehen, wo es klemmt.