Was ist Context Engineering?
Was weiß die KI eigentlich, wenn sie dir antwortet? Nur das, was gerade in ihrem Kontextfenster steht: deine Frage, ein paar Anweisungen, vielleicht Dateien und der bisherige Chat. Context Engineering ist die Arbeit, dieses Fenster gezielt zu füllen — mit genau dem, was für die nächste Aufgabe gebraucht wird.
Bekannt wurde der Begriff im Juni 2025. Shopify-Chef Tobi Lütke schrieb, er möge ihn lieber als „Prompt Engineering“. Der KI-Forscher Andrej Karpathy legte nach: Context Engineering sei die Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für den nächsten Schritt zu füllen.
Was alles zum Kontext gehört:
- Anweisungen und der System Prompt — Rolle, Ziel, Regeln
- Beispiele für das gewünschte Ergebnis
- Wissen aus Dokumenten, etwa per RAG nachgeladen
- Werkzeuge, die die KI aufrufen darf, etwa über das Model Context Protocol
- Verlauf und Notizen aus früheren Schritten
Warum weniger oft mehr ist
Die naheliegende Idee: Gib der KI einfach alles, was du hast. Das geht schief. Anthropic beschreibt das Kontextfenster als begrenztes Aufmerksamkeitsbudget — jedes zusätzliche Token zieht etwas davon ab. Das Ziel sei die kleinstmögliche Menge an Informationen mit hohem Signal.
Die Datenbank-Firma Chroma hat das 2025 an 18 Modellen der großen Anbieter getestet. Ergebnis: Mit wachsender Eingabelänge werden die Antworten immer unzuverlässiger, selbst bei einfachen Aufgaben. In einem Test bekamen die Modelle dieselbe Frage einmal mit dem ganzen Gesprächsverlauf von rund 113.000 Tokens und einmal nur mit dem passenden Ausschnitt von rund 300 Tokens. Mit dem kurzen Ausschnitt schnitten alle deutlich besser ab.
Schlimmer noch: Schon ein einziger ähnlicher, aber falscher Textabschnitt senkte die Trefferquote. Den Leistungsabfall bei langem Kontext nennt man Context Rot.
Ein Beispiel aus dem Marketing
Angenommen, ein KI-Agent soll Produkttexte für deinen Shop schreiben. Zwei Wege, ihn zu briefen:
Baustein
Gutes Briefing
Rolle & Ziel
Texterin für einen Bio-Shop, Ziel: Kauf
Zielgruppe
Eltern, 30–45, wenig Zeit
Tonalität
Du-Form, kurze Sätze, eine Seite aus dem Styleguide
Beispiele
Zwei bis drei Texte, die gut liefen
Fakten
Datenblatt nur dieses Produkts
Format
Überschrift, 80 Wörter, drei Stichpunkte
Tabu
Keine Heilversprechen, keine Preise
Der schlechte Weg: das komplette Markenhandbuch, alle alten Produkttexte und den ganzen Mailverlauf mit der Agentur in den Chat kippen. Klingt gründlich, bringt aber Widersprüche und Ablenkung. Hat das alte Briefing „Sie“ verlangt und das neue „du“, weiß die KI nicht, wem sie glauben soll.
Häufige Fehler
Fehler 1 · Alles reinkippen
Auch ein Kontextfenster mit einer Million Tokens ist kein Freibrief. Wie die Chroma-Studie zeigt, verschlechtert unpassendes Material die Antwort messbar.
Fehler 2 · Widersprüche stehen lassen
Alte und neue Vorgaben im selben Kontext, ein Fehler aus einem früheren Schritt, der immer wieder aufgegriffen wird — räum den Kontext auf, bevor du die nächste Aufgabe stellst. Manchmal ist ein neuer Chat die beste Lösung.
Fehler 3 · Regeln statt Beispiele
Anthropic empfiehlt wenige, vielfältige, typische Beispiele statt langer Listen mit Sonderfällen. Zwei gute Beispieltexte erklären deine Tonalität besser als zwanzig Verbote.
Fehler 4 · Zu viele Werkzeuge
Ein Agent, der aus vielen ähnlichen Werkzeugen wählen muss, greift öfter daneben. Anthropic nennt einen aufgeblähten Werkzeugkasten mit überlappenden Funktionen als häufigen Fehler. Gib ihm nur, was die Aufgabe braucht.
So setzt du Context Engineering um
Du brauchst dafür keine Programmierkenntnisse. Projekte in Claude, eigene GPTs oder Gems in Gemini mit festen Wissensdateien sind schon Context Engineering. LangChain fasst die Strategien in vier Verben zusammen:
- Auslagern: Notizen und Zwischenstände außerhalb des Chats speichern statt alles mitzuschleppen.
- Auswählen: nur das hineinholen, was zur aktuellen Aufgabe passt.
- Verdichten: lange Verläufe zusammenfassen, bevor es weitergeht.
- Aufteilen: große Aufgaben an Teil-Agenten geben. Laut Anthropic kann ein Teil-Agent zehntausende Tokens durchgehen und gibt nur eine Zusammenfassung von 1.000 bis 2.000 Tokens zurück.
Häufige Fragen
Was ist der Unterschied zwischen Prompt Engineering und Context Engineering?
Prompt Engineering formuliert eine einzelne gute Anweisung. Context Engineering gestaltet alles, was die KI bei einem Schritt sieht: Anweisungen, Beispiele, Dokumente, Werkzeuge und Verlauf. Der Prompt ist ein Teil davon.
Ist Prompt Engineering jetzt überflüssig?
Nein. Eine klare Anweisung bleibt wichtig. Sie reicht aber nicht, wenn die KI die falschen oder zu vielen Informationen bekommt. Context Engineering erweitert den Blick vom Satz auf die ganze Informationslage.
Warum wird eine KI schlechter, wenn ich ihr mehr Informationen gebe?
Weil ihre Aufmerksamkeit begrenzt ist. Studien wie die von Chroma zeigen, dass die Qualität mit wachsender Eingabelänge sinkt und schon ein ähnlicher, aber falscher Abschnitt ablenkt. Man spricht von Context Rot.
Brauche ich für Context Engineering Programmierkenntnisse?
Nein. Wer in Claude-Projekten, eigenen GPTs oder Gemini-Gems gezielt Wissensdateien und Anweisungen hinterlegt, betreibt schon Context Engineering. Programmierung braucht es erst bei eigenen Agenten mit Werkzeugen und Datenbanken.
Wer hat den Begriff Context Engineering geprägt?
Populär wurde er Mitte Juni 2025 durch Shopify-Chef Tobi Lütke. Eine Woche später griff ihn der KI-Forscher Andrej Karpathy auf, danach verbreitete er sich schnell in der KI-Szene.
