:format(webp)){kind=small}
:format(webp))
Am Ende entscheidet weniger der Prompt oder das Modell über die Relevanz eines Outputs, sondern das, worauf die KI zugreift, bevor sie zu antworten beginnt.
Genau darum geht es beim Kontext Engineering.
Was Kontext Engineering ist
Kontext ist alles, was die KI braucht, um eine Aufgabe zu verstehen und angemessen zu lösen: Chat-Verlauf, Long-Term Memory, Systemanweisungen, Skills, verfügbare Tools und den Prompt. Wo früher Prompt-Engineering die bessere Anweisung suchte, setzt Kontext Engineering am größeren Hebel an. Tobi Lütke, CEO von Shopify, beschreibt es als “the art of providing all the context for the task to be plausibly solvable by the LLM”. Die Kunst liegt darin, das begrenzte Arbeitsgedächtnis des Modells sinnvoll zu nutzen: nur das laden, was für die Anfrage wirklich relevant ist.
Guten Kontext baut man auf zwei Ebenen
Als Anwender:in beeinflusst du Kontext direkt im Prompt: Zweck, Zielgruppe, Format, Beispiele und das einbezogene Wissen. Wiederkehrendes gehört nicht in jeden Prompt, sondern ins Gedächtnis, in einen Skill oder in ein Projekt.
Als Unternehmen kommt eine zweite Ebene hinzu: Rollen und Rechte regeln, wer welchen Kontext sehen darf. Kuration verhindert, dass irrelevantes Wissen einfließt. Und über Konnektoren oder MCP erhält die KI Zugriff auf das Wissen, das in Wikis, Ticketsystemen und externen Systemen existiert. Guter Kontext ist damit weniger eine Frage des cleveren Prompts als eine Frage von Zugriff und Datenhygiene.
Mehr Kontext bedeutet nicht automatisch bessere Ergebnisse
Der intuitive Reflex, der KI einfach alles zu geben, kippt schnell ins Negative. LLMs arbeiten mit einem begrenzten Kontextfenster, und eine Studie von Chroma zeigt, dass die Genauigkeit oft schon nachlässt, bevor das technische Limit erreicht ist. Gutes Kontext Engineering lädt deshalb nur, was die KI braucht um eine Anfrage zu bearbeiten.
Mini-Selbstcheck: Woran du fehlenden Kontext erkennst
Die KI klingt professionell, liegt aber inhaltlich daneben.
Du korrigierst bei jeder Anfrage dieselben Dinge.
Antworten ignorieren interne Begriffe, Kunden oder Entscheidungen.
Du kopierst regelmäßig dieselben Infos ins Promptfenster.
Trifft mehreres zu, fehlt der KI wahrscheinlich der richtige Kontext.
Vom Prinzip zum System
Guter Kontext entsteht nicht durch einen einzelnen Prompt, sondern durch ein System, das Wissen einordnet, Zugriffe steuert und relevante Informationen im richtigen Moment bereitstellt. Wer Arbeitsergebnisse zurückspielt, baut nach und nach ein System, das mit jedem Arbeitstag relevantere Antworten liefert, statt täglich bei null zu starten.
Das Whitepaper zu Kontext Engineering lesen
Das komplette Kontext Engineering Whitepaper zeigt Schritt für Schritt, wie ihr besseren Kontext aufbaut: die fünf Schritte zum eigenen Kontext-System, das Prompt-Gerüst mit Rollen und Grenzen, die vier typischen Fehlermuster (Poisoning, Distraction, Confusion, Clash) und wie ihr Context Rot vermeidet.
Whitepaper lesen