Ich sagte der KI „Nicht anhalten“ – und sie hielt trotzdem an: OpenAI dokumentiert GPT-6 Astras unnötige Freigabepausen und übertriebene Tests selbst
1. Alles begann mit der Frage: „Ist das wirklich offiziell?“
In sozialen Medien wurde ein angeblich offizieller OpenAI-Leitfaden vorgestellt, mit dem GPT-6 Astra autonomer arbeiten soll.
Die Hinweise waren verdächtig konkret: Absicht und Arbeitsumfang aus dem Kontext ableiten; für bereits erlaubte Lesevorgänge, Reviews und reversible Änderungen nicht immer wieder um Erlaubnis bitten; und wenn eine Aktion tatsächlich eine Freigabe braucht, zuerst alles Mögliche erledigen, ein konkretes prüfbares Ergebnis vorbereiten und erst beim letzten Schritt fragen.
Außerdem hieß es, Astra könne sehr empfindlich auf Anweisungen in Dateien wie SKILL.md und AGENTS.md reagieren, und kleine Codeänderungen könnten zu breiteren Tests führen, als die Aufgabe eigentlich erfordert.
Das klang weniger wie allgemeine Dokumentation und mehr wie eine Liste genau der KI-Gewohnheiten, die Nutzer zur Weißglut treiben.
Also wurde die OpenAI-Quelle direkt geprüft.
Sie existiert.
2. OpenAI nennt es tatsächlich „Unnecessary approval pauses“
Die GPT-6-Astra-Modellrichtlinie erklärt, dass Astra eher als frühere Modelle nachfragt, wenn zusätzliche Informationen das Ergebnis wesentlich verändern könnten.
Als Kollaborationsverhalten ist das sinnvoll.
Bei langen Aufgaben entsteht daraus aber leicht Folgendes:
Nutzer: „Untersuche und behebe alle Probleme.“
KI: „Die Analyse ist fertig. Soll ich die Änderungen anwenden?“
Nutzer: „Ich habe gesagt, du sollst nicht anhalten.“
KI: „Verstanden. Hier ist der Änderungsplan. Soll ich fortfahren?“
Glückwunsch: Wir haben ein Perpetuum mobile erfunden, das mit Freigaben betrieben wird.
Im Migration quickstart von OpenAI steht tatsächlich Unnecessary approval pauses.
Das ist also nicht bloß ein Gefühl des Nutzers. Der Hersteller hat dem Symptom einen Namen gegeben.
3. Warum „Nicht anhalten“ zu ungenau war
Der Satz gibt eine Richtung vor, definiert aber nicht, welche Entscheidungen der Agent selbst treffen darf.
Der Standardreflex bleibt: „Wenn eine weitere Frage das Ergebnis verbessern könnte, sollte ich fragen.“
Deshalb ist die offizielle Empfehlung konkreter. Absicht und Umfang aus Anweisungen und vorherigem Gespräch ableiten; Handlungswünsche tatsächlich als Arbeitsauftrag behandeln; nicht bei „Ja, das kann ich“, einem Plan oder einer Teilantwort stoppen, nur um Zeit oder Tokens zu sparen; und für reine Lesevorgänge, Reviews, reversible Korrekturen oder bereits erlaubte Arbeit nicht erneut um Freigabe bitten.
„Nicht anhalten“ ist ein Motivationsplakat. Der offizielle Leitfaden ist die Karte der Halteverbotszonen.
4. Freigabe sollte der letzte rote Knopf sein, nicht die Eintrittskarte
Die praktischste Idee ist, echte Freigaben ans Ende zu verschieben.
Angenommen, eine Website soll korrigiert und veröffentlicht werden, und nur die eigentliche Veröffentlichung braucht eine Bestätigung.
Dann kann der Agent zuerst untersuchen, bearbeiten, bauen, die nötigen Tests ausführen und einen prüfbaren Diff vorbereiten. Erst danach lautet die konkrete Frage: „Alles ist fertig; nur die Veröffentlichung fehlt.“
Das ist etwas anderes als:
„Darf ich untersuchen?“
„Darf ich ändern?“
„Darf ich testen?“
„Darf ich noch einmal testen?“
Der Nutzer wollte ein Ergebnis, keine Verwaltungsstempel-Schnitzeljagd.
5. OpenAI dokumentiert auch das Problem „zu viel testen“
Der Abschnitt Testing and verification ist genauso vertraut.
OpenAI schreibt, dass Astra Codeänderungen gründlich testet, bevor eine Aufgabe als abgeschlossen gilt. Bei kleineren Aufgaben kann das zu umfangreicheren Tests führen, als die Änderung benötigt.
Eine Zeile ändern.
Relevanten Test ausführen.
Bestanden.
Noch einen Test „zur Sicherheit“ hinzufügen.
Bestanden.
Noch einen Regressionstest mit geringem Wert hinzufügen, der die Implementierung fast nur spiegelt.
Auch bestanden.
Die eigentliche Aufgabe ist trotzdem noch nicht ausgeliefert.
Testen ist von Qualitätssicherung zum Hobby geworden.
OpenAI empfiehlt, die Verifikation an die Änderung anzupassen: keine Tests für reversible Änderungen mit geringer Auswirkung schreiben, wenn sie lediglich die Implementierung spiegeln; sinnvolle Tests und vorgeschriebene Checks durchführen; und nach erfolgreichem Abschluss nur dann erweitern oder wiederholen, wenn neue Änderungen, Fehler oder ungelöste Bedenken dies rechtfertigen.
Tests sind nicht das Ziel. Sie sind die Warenkontrolle vor dem Versand.
6. „Dann macht das doch gleich zum Standard“ ist eine ziemlich natürliche Reaktion
Wenn OpenAI das Verhalten so genau versteht, liegt die Frage nahe: Warum ist stärkeres Follow-through nicht einfach Standard?
Es gibt einen echten Zielkonflikt. Astra soll auch Aufgabengrenzen respektieren und fragen, wenn eine wichtige Unklarheit das Ergebnis verändern kann. Ein allgemeiner Assistent, der „Repariere meine Website“ automatisch als Erlaubnis zum Veröffentlichen interpretiert, würde andere Unfälle erzeugen.
Frust entsteht dann, wenn der Nutzer bereits klar gesagt hat „mach es fertig“ und „reversible Schritte darfst du ausführen“, das Modell aber trotzdem an jeder Kreuzung stoppt.
Deshalb erklärt der offizielle Leitfaden, wie man autonomere Ausführung promptet.
Eine vorsichtige Voreinstellung ist nachvollziehbar.
Power-User denken trotzdem:
„Gut. Dann baut den Autonomous-Schalter in die Einstellungen ein, statt ihn im Handbuch zu verstecken.“
7. Codex behält die vollständige globale Autonomie-Regel
Für Codex reichen zwei Zeilen nicht. Es muss eventuell ein Repository lesen, Dateien ändern, Konflikte lösen, testen, PRs oder Deployments vorbereiten und lange weiterarbeiten.
Deshalb bleibt der vollständige globale Prompt für alle Codex-Sitzungen unverändert.
Er verlangt zunächst die Prüfung der aktuellen OpenAI-Dokumentation und das tatsächliche Lesen der Umgebung: $CODEX_HOME, config.toml, AGENTS.md, Skills und globale Anweisungen. Einstellungen wie developer_instructions gelten als Kandidaten für eine kanonische Quelle, während bestehende Konfigurationen erhalten bleiben und die Integration idempotent sein muss.
Danach definiert er Absichts- und Umfangsableitung, kein Stoppen bei einem bloßen Plan, bereits autorisierte reversible Arbeit, approval-last, clarification-last, Transparenz bei Anweisungskonflikten, Nennung der genauen SKILL.md, die einen Stopp verursacht hat, keine erfundene Freigabebürokratie aus hypothetischen Risiken, echte Grenzen für destruktive oder irreversible Aktionen, sinnvollen Subagent-Einsatz, angemessene Tests, Readback je Ausführungsoberfläche, Smoke Tests, Idempotenz und klare Abschlusskriterien.
Codex bekommt also nicht nur „lauf weiter“, sondern:
„Hier ist die gesamte Straßenverkehrsordnung; nur diese Ampeln sind wirklich rot; wenn du woanders hältst, zeig mir die Datei, die es angeordnet hat.“
Das bleibt erhalten.
8. ChatGPT brauchte dagegen nur zwei dauerhafte Regeln
Für den täglichen ChatGPT-Einsatz ist nicht die gesamte Codex-Verfassung nötig.
Markdown ist kein Problem.
Listen sind kein Problem.
Eine detaillierte Subagent-Politik ist auch nicht die tägliche Hauptnervensäge.
Die beiden wiederkehrenden Probleme sind einfach:
Für Bestätigung anhalten, obwohl Auftrag und Umfang bereits klar sind.
Tests weiter ausweiten, obwohl die notwendige Verifikation längst ausreichend ist.
Deshalb wird die dauerhafte ChatGPT-Regel auf genau diese zwei Punkte reduziert.
Wenn Absicht und Umfang hinreichend klar sind, die Arbeit nicht mit „Soll ich weitermachen?“ zerstückeln, außer es gibt eine echte übergeordnete Sicherheits-, Berechtigungs- oder Irreversibilitätsgrenze.
Tests passend zur Änderung ausführen. Sobald die nötigen Checks erfolgreich sind, Tests nicht wiederholen oder vermehren, außer neue Änderungen, Fehler oder ungelöste Bedenken geben einen Grund dafür.
Repariere nicht, was nicht kaputt ist; sonst wird die Regel selbst zur neuen Störquelle.
9. Das ist eher „Stillstandsverluste reduzieren“ als „Astra-Kontingent sparen“
Der Social-Media-Beitrag stellte diese Empfehlungen als Methode dar, Astra-Nutzung zu sparen.
Die Intuition ist nachvollziehbar, aber OpenAI präsentiert sie als Prompting best practices zur Verhaltenssteuerung des Modells. Es gibt keine Zusage, dass diese Anweisungen den Verbrauch um einen festen Prozentsatz senken.
Ein Agent, der wirklich bis zum Ende arbeitet, kann in einem einzelnen Lauf sogar länger aktiv sein.
Was sich reduzieren lässt, ist:
Frage → auf Menschen warten → fortsetzen → erneut fragen.
Die treffendere Beschreibung lautet:
Weniger Laufzeit für Genehmigungstheater, mehr Laufzeit für Fertigstellung.
10. Fazit: weiterarbeiten, ausreichend prüfen, fertig werden
Nach einer Untersuchung hochmoderner KI-Betriebsregeln ist die Schlussregel erstaunlich gewöhnlich.
Schau nicht nach jedem Schritt zum Menschen zurück.
Wenn die Prüfung bestanden ist, verschicke das Produkt.
Codex bekommt die komplette Straßenverkehrsordnung. ChatGPT bekommt zwei Schilder an die Wand.
Und das Lustigste daran: Das ist nicht bloß ein selbst erfundener Trick zum „KI-Erziehen“. Ein großer Teil der Diagnose und der Gegenmaßnahmen steht ausdrücklich in OpenAIs eigener offizieller Anleitung.
Wir wollten die Zukunft der KI untersuchen und landeten bei der Morgenbesprechung eines Fabrikleiters.
Quellen (2)
- OpenAI, “Model guidance — Using GPT-6 Astra / Prompting best practices”: https://developers.openai.com/api/docs/guides/latest-model
- OpenAI, “Unrolling the Codex agent loop”: https://openai.com/index/unrolling-the-codex-agent-loop/
