Metapher

Model, Harness, Rider

Ein KI-Modell ist wie ein Pferd: stark, schnell, manchmal erstaunlich — aber erst durch Harness und Reiter entsteht gerichtete Arbeit.

Nicht perfekt als technische Analogie, aber nützlich, um Rollen zu trennen: Modell ≠ Harness ≠ Mensch.

1. Model

Ein Pferd als Metapher für ein KI-Modell — Das Pferd ist das Modell: die rohe Fähigkeit. Es kann viel leisten, aber es weiß noch nicht automatisch, welche Arbeit gemeint ist, welche Grenzen gelten oder welcher Weg sinnvoll ist.

2. Harness

Ein Pferd mit Geschirr als Metapher für ein Agent-Harness — Das Harness macht aus Modell-Power ein steuerbares System. In der KI-Welt ist das der tatsächliche Harness: Pi, Claude Code, Codex, Cursor oder ein eigener Agent Runner. Er gibt dem Modell Tools, Kontext, Regeln, Permissions und Feedback.

3. Rider

Ein Reiter auf einem Pferd mit Harness als Metapher für den Menschen im System — Jetzt kommt der Mensch dazu. Der User nutzt das Harness, um mit dem Modell zu kommunizieren, Richtung zu geben, Grenzen zu setzen und Kontrolle auszuüben. Gute Arbeit entsteht nicht nur durch ein starkes Pferd, sondern durch ein gutes Zusammenspiel.

4. Different Models

Mehrere unterschiedliche Pferde als Metapher für verschiedene KI-Modelle — Verschiedene Modelle sind wie verschiedene Pferde: manche sind schnell, manche stark, manche ausdauernd, manche ruhig und zuverlässig. Es gibt nicht das eine beste Modell — es gibt ein passendes Modell für eine bestimmte Aufgabe, Kostenstruktur und Risikolage.

5. Different Harnesses

Verschiedene Geschirre als Metapher für verschiedene Agent-Harnesses — Auch Harnesses unterscheiden sich. Pi ist bewusst minimal: wenige Werkzeuge, klare Kontrolle, wenig Magie. Claude Code und ähnliche Systeme bringen sehr viele Tools und Komfortfunktionen mit — mächtig, aber auch komplexer. Mehr Werkzeugfläche heißt nicht automatisch bessere Kontrolle.

6. Context Window

Ein Pferd zieht eine Kutsche als Metapher für das Kontextfenster — Die Kutsche ist das Kontextfenster: das, was das Modell gerade mit sich trägt. Nicht alles, was existiert, ist im Kopf des Pferdes — nur das, was im aktuellen Wagen liegt.

7. Low Context Load

Eine Kutsche mit wenig Inhalt als niedrig gefülltes Kontextfenster — Ein wenig Material im Kontext ist gut: genug, um Orientierung zu geben, aber noch leicht zu tragen. Das Modell hat Platz, um zu denken, zu priorisieren und neue Informationen aufzunehmen.

8. Medium Context Load

Eine Kutsche mit mittlerer Ladung als mittel gefülltes Kontextfenster — Mehr Kontext kann helfen — bis zu einem Punkt. Bei mittlerer Last sind mehr Details verfügbar, aber die Auswahl, Reihenfolge und Qualität des Materials werden wichtiger.

9. Dumb Zone

Eine überfüllte Kutsche mit Büchern und Papieren als volles Kontextfenster — Wenn die Kutsche voll mit Büchern, Papieren und alten Details ist, wird das Pferd müde. Das Kontextfenster ist überladen: die Dumb Zone ist erreicht. Mehr Kontext macht das System dann nicht schlauer, sondern schwerfälliger.

10. Harness Tools

Ein Pferd mit einem Harness voller Werkzeuge — Tools hängen am Harness. Jedes Tool erweitert die Handlungsmöglichkeiten, aber es verlängert auch die Systembeschreibung und erhöht die Entscheidungsfläche. Deshalb hat Pi nur vier eingebaute Tools: read, write, edit, bash.

11. Too Many Tools

Ein Pferd mit einem überladenen Harness voller unnötiger Werkzeuge — Ins Extreme gezogen: zu viele, teils nutzlose Tools am Harness. Das Problem ist nicht nur Unordnung, sondern Kontrollverlust: wenn der Anbieter Tooling hinzufügt, entfernt oder verändert, verschiebt sich das Verhalten des Systems.

12. Orchestration

Mehrere Pferde ziehen gemeinsam eine Kutsche als Metapher für Orchestration — Mehrere Pferde können gemeinsam ziehen: Orchestration. Die Metapher ist hier nicht ganz sauber, weil echte Agenten oft getrennte Kontextfenster haben — nicht eine perfekt geteilte Kutsche. Trotzdem hilft das Bild für die Idee: mehrere Modelle oder Agenten arbeiten koordiniert an einer Aufgabe.