Zum Inhalt springen
News

Pydantic AI: Wiederholungen in KI-Agenten früher erkennen

Pydantic AI erweitert die Erkennung repetitiver Antworten. Was kleine IT-Dienstleister bei Abbruch, Teilantworten und menschlicher Übernahme prüfen sollten.

Hemmerich Consulting Redaktion6 Min. Lesezeit
Redaktionelle Illustration zu DetectLoops: Drei gleiche Dokumente und ein Werkzeugsymbol liegen auf einem Wiederholungspfad. Ein violetter Stoppbalken unterbricht den Pfad; rechts zeigen getrennte Dokumente eine neue Fortschrittsrichtung. Keine Produktansicht und keine allgemeine Sicherheitsgarantie.
Illustration · Hemmerich Consulting

Pydantic AI hat die Version 2.69.0 veröffentlicht. Eine für betriebliche KI-Agenten wichtige Änderung betrifft DetectLoops: Die Funktion erkennt nun auch Wiederholungen innerhalb einer einzelnen Antwort, etwa in laufend ausgegebenem Text oder in den Argumenten eines Werkzeugaufrufs. Das steht in den Versionshinweisen. Der Release-Titel nennt den 16. November; der tatsächliche Veröffentlichungszeitpunkt auf GitHub liegt am 17. November 2026.

Für kleine Softwarehäuser und Dienstleister mit selbst entwickelten KI-Abläufen ist das ein konkreter Prüfpunkt. Ein Agent kann nicht nur dieselbe Suche mehrfach ausführen. Er kann bereits beim Formulieren einer einzigen Antwort denselben Absatz wiederholen. Genau diese zweite Ebene adressiert die Neuerung. Wer lediglich eine fertige Chat-Anwendung nutzt, erhält damit allerdings keinen universellen Schalter für seine bestehenden Werkzeuge.

Was sich innerhalb einer Antwort erkennen lässt

Die Dokumentation zum veröffentlichten Code-Stand unterscheidet Wiederholungen zwischen Werkzeugaufrufen und solche innerhalb einer Antwort. Zu Letzteren gehören wiederholte Textpassagen, vom Modell ausgegebene Denkpassagen und wiederkehrende Inhalte in Werkzeugargumenten. Bei gestreamten Antworten kann die Prüfung den laufenden Ausgabestrom unterbrechen. Eine erst vollständig angelieferte Antwort wird dagegen nach ihrem Eingang geprüft. Die Funktion macht eine Anwendung nicht von sich aus zu einer Streaming-Anwendung.

Die Standarderkennung arbeitet mit einer Heuristik, also festen Erkennungsregeln. Sie betrachtet identische, direkt aufeinanderfolgende Passagen. Ihre Voreinstellungen verlangen unter anderem mindestens acht Wiederholungen und insgesamt mindestens 2.000 Zeichen wiederholten Inhalts. Diese Grenzen sollen legitime Wiederholungen nicht vorschnell als Fehler behandeln. Sie sind keine Aussage darüber, ab welcher Textlänge eine Antwort fachlich schlecht wird.

Auch die bereits dokumentierte Erkennung wiederholter Werkzeugaufrufe bleibt relevant. Sie betrachtet beispielsweise denselben Aufruf mit demselben Ergebnis oder zwei abwechselnd ausgeführte Aufrufe. Für die technische Betreuung sind das unterschiedliche Fehlerbilder: Ein Prozess kann zwischen Schritten festhängen oder schon während eines Schritts nicht weiterkommen.

Erkennen ist noch keine verlässliche Wiederaufnahme

Die Reaktion auf einen Fund muss zum Ablauf passen. Laut Dokumentation gibt die Voreinstellung nudge dem Modell einen Hinweis, seinen Ansatz zu ändern. Bei einer erkannten Wiederholung innerhalb einer Antwort wird der Ausgabestrom gestoppt und ein erneuter Versuch veranlasst. Solche Versuche sind begrenzt. Mit action='error' lässt sich stattdessen ein Fehler auslösen, der den Lauf beendet.

Eine wichtige Einschränkung betrifft run_stream(): Hat die Ausgabe des Ergebnisses bereits begonnen, kann diese Schnittstelle die Anfrage nicht einfach erneut stellen. Eine dann erkannte Schleife beendet den Lauf mit einem Fehler, nachdem möglicherweise schon ein Teil des Ergebnisses ausgegeben wurde. Eine sichtbare Teilantwort ist deshalb nicht automatisch ein freigegebenes Arbeitsergebnis.

Außerdem setzt die Funktion weder bereits erfolgte Aktionen zurück noch stellt sie automatisch einen früheren Prozesszustand wieder her. Für einen betrieblichen Einsatz sollten Sie daher getrennt festlegen, was nach einem Abbruch gespeichert, verworfen oder einem Menschen vorgelegt wird.

Ein hypothetischer Pilot für einen IT-Dienstleister

Angenommen, ein kleiner IT-Dienstleister entwickelt einen Agenten, der interne Anleitungen durchsucht und einen Lösungsvorschlag für das Serviceteam formuliert. Der folgende Pilot ist ein Vorschlag, kein durchgeführter Kundentest.

Das Team würde eine Testumgebung mit erfundenen Vorgängen und ausschließlich lesendem Zugriff auf Testdokumente anlegen. Automatische Kundenantworten, Änderungen an Tickets und produktive Zugangsdaten blieben ausgeschlossen. Anschließend würde es drei Fälle vorbereiten: eine normale Antwort, eine absichtlich repetitive Ausgabe und einen berechtigten wiederholten Statusabruf.

Bei der Abnahme ginge es nicht nur darum, ob ein Erkennungssignal erscheint. Das Team würde auch prüfen, ob der Lauf tatsächlich endet, wie eine Teilantwort gekennzeichnet wird und ob ein Mitarbeitender den Vorgang mit verständlichem Fehlerhinweis übernehmen kann. Der Statusabruf wäre die Gegenprobe: Regelmäßiges Nachfragen kann beabsichtigt sein und trotzdem die dokumentierten Schwellen für wiederholte Werkzeugaufrufe erreichen. Die Einstellungen müssten deshalb zum jeweiligen Werkzeug passen.

Vorab sollten die Verantwortlichen außerdem festlegen, was sie messen: korrekt erkannte Wiederholungen, unnötige Abbrüche und den Zustand des Testvorgangs nach einem Fehler. Ohne diese Gegenproben wäre ein erfolgreicher Abbruch nur ein Einzelereignis, kein Nachweis für einen belastbaren Ablauf.

Grenzen und nächster Schritt

Die Standardregeln erkennen keine beliebig ähnlich klingenden Schleifen. Verändert sich die Wiederholung bei jedem Durchgang etwas, kann sie unentdeckt bleiben. Die Dokumentation nennt dafür optional eine zusätzliche modellgestützte Prüfung. Auch diese wäre gesondert zu bewerten. Ebenso wenig ersetzt die Erkennung Berechtigungen, fachliche Abnahme oder Laufzeit- und Nutzungsgrenzen. Für gestoppte Ausgabeströme weist die Dokumentation ausdrücklich auf Besonderheiten der Nutzungszählung hin; eine vollständige Kostenkontrolle darf daraus nicht abgeleitet werden.

Wir haben diese Version nicht installiert oder praktisch getestet. Gemessene Einsparungen und nachgewiesene Zuverlässigkeitswerte liegen diesem Beitrag nicht zugrunde. Zudem befindet sich das betreffende Harness-Paket laut Dokumentation noch in einer 0.x-Versionsreihe, deren Schnittstelle sich zwischen kleineren Versionen ändern kann.

Wenn Sie bereits Pydantic-AI-Agenten betreiben, lassen Sie Ihre technische Betreuung einen solchen Abbruchfall in einer isolierten Testumgebung nachvollziehen. Vereinbaren Sie zuerst, wie ein unvollständiger Lauf sicher an einen Menschen übergeben wird. Erst danach sollten Sie entscheiden, ob die Neuerung in Ihren Ablauf gehört.

Quellen

Mit KI-Unterstützung erstellt. Die Quellen sind im Beitrag verlinkt.

Blog abonnieren

Neue Blogartikel erscheinen im RSS-Feed, sobald sie veröffentlicht sind. Unser separater KI-Newsletter bündelt ausgewählte KI-Neuigkeiten und Praxiswissen für Unternehmen, ohne festen Versandrhythmus. Die freiwillige Anmeldung erfolgt mit Bestätigung und ist jederzeit widerrufbar. Sie löst keinen E-Mail-Versand jedes Blogartikels aus.

Was bedeutet das für Ihren Betrieb?

Wir besprechen Ihre Aufgabe und ordnen gemeinsam ein, welcher nächste Schritt sinnvoll ist.

Vorhaben besprechen