WissenKI-Begriffe für Solos
Context Engineering einfach erklärt, der Nachfolger von Prompt Engineering
Prompt Engineering formuliert die eine Frage gut. Context Engineering baut die ganze Informationsumgebung drumherum, aus der ein KI-Modell überhaupt schöpfen kann.
Wenn du einen neuen Kollegen einarbeitest, reicht kein einziger perfekter Einarbeitungssatz. Er braucht Zugriff auf die richtigen Ordner, auf bisherige Projekte, auf die Vorlagen, die im Unternehmen wirklich benutzt werden. Genau das ist der Unterschied zwischen Prompt Engineering und Context Engineering. Prompt Engineering ist der perfekte Satz. Context Engineering ist der Ordner drumherum, aus dem ein KI-Modell überhaupt erst schöpfen kann.
Kurz gesagt
Context Engineering bedeutet, die gesamte Informationsumgebung eines KI-Modells aufzubauen und zu pflegen: Systemregeln, verfügbare Werkzeuge, frühere Nachrichten, angebundene Dokumente. Nicht nur die einzelne Formulierung einer Anfrage. Prompt Engineering fragt "wie formuliere ich die Anweisung am besten", Context Engineering fragt "welches Wissen und welche Werkzeuge braucht das Modell, um die Aufgabe zuverlässig zu lösen". Der Begriff setzte sich ab 2025 durch, weil reine Prompt-Tricks bei komplexeren Agenten-Aufgaben nicht mehr ausreichten.
Warum Prompt Engineering allein nicht mehr reicht
Am Anfang der Chatbot-Zeit ging es fast ausschließlich um die richtige Formulierung: welches Wort, welche Reihenfolge, welches Beispiel bringt die beste Antwort. Das funktioniert bei einer einzelnen Frage gut. Sobald ein KI-Agent aber über mehrere Schritte hinweg arbeitet, Werkzeuge aufruft, sich an frühere Ergebnisse erinnern muss und mit deinen eigenen Dokumenten arbeitet, reicht die beste Formulierung allein nicht mehr. Ohne den passenden Kontext rät das Modell, egal wie gut der Prompt formuliert ist.
Woraus Kontext tatsächlich besteht
Kontext ist mehr als der Text, den du eintippst. Dazu zählen die Systemregeln im Hintergrund, die festlegen, wie sich ein Agent verhalten soll, die Werkzeuge, die er nutzen darf, etwa über einen MCP-Server, der bisherige Gesprächsverlauf und die Dokumente, die er über RAG durchsuchen kann. Context Engineering heißt, all das bewusst zusammenzustellen, statt zu hoffen, dass das Modell schon irgendwie das Richtige findet.
Ein Beispiel aus dem Alltag
Frag Claude nach deinem letzten Kundengespräch, ohne dass irgendein Kontext dazu vorhanden ist, und du bekommst eine allgemeine Vermutung. Verbindest du stattdessen deine Notizen, dein Kalendertool und eine klare Regel, wie ein Gesprächsprotokoll bei dir aussehen soll, bekommst du eine Antwort, die tatsächlich auf deinem echten Gespräch basiert. Der Unterschied liegt nicht in der Formulierung der Frage, sondern allein darin, was an Kontext überhaupt bereitstand.
Die Grenze: mehr Kontext ist nicht automatisch besser
Ein Kontextfenster ist trotzdem begrenzt, mehr dazu bei Tokens. Zu viel unwichtiger Kontext verwässert die Antwort genauso wie zu wenig Kontext sie raten lässt. Ein vollgestopftes Kontextfenster mit veralteten Notizen oder irrelevanten Zwischenschritten führt oft zu schlechteren Antworten als ein knapper, aber sauber kuratierter Kontext. Die eigentliche Arbeit bei Context Engineering ist deshalb Kuratieren: nur das reinlassen, was für die konkrete Aufgabe wirklich gebraucht wird, und den Rest draußen lassen. Das gilt besonders, wenn mehrere KI-Agenten zusammenarbeiten, dort entscheidet die Kontextverteilung zwischen den Agenten oft über Erfolg oder Chaos.
Quellen: Context engineering vs. prompt engineering (Elastic Labs) · Why AI teams are moving from prompt engineering to context engineering (Neo4j)
Häufige Fragen
Ist Context Engineering nur ein neuer Name für Prompt Engineering?
Nein. Prompt Engineering optimiert die einzelne Formulierung einer Anfrage. Context Engineering baut die gesamte Informationsumgebung drumherum auf, aus Werkzeugen, Dokumenten und Gesprächsverlauf, aus der das Modell überhaupt schöpfen kann.
Brauche ich Context Engineering auch bei einem einfachen Chatbot?
Bei einer einzelnen Frage ohne Werkzeuge und ohne eigene Dokumente reicht meist ein guter Prompt. Sobald ein Agent mehrere Schritte ausführt oder auf deine eigenen Daten zugreift, wird Context Engineering wichtig.
Macht mehr Kontext die Antwort automatisch besser?
Nein. Ein Kontextfenster ist begrenzt, und zu viel unwichtiger Kontext verwässert die Antwort genauso wie zu wenig Kontext sie raten lässt.
Willst du das bei dir umsetzen?
In der Community zeige ich, was bei mir hält. Im Erstgespräch schauen wir uns dein Vorhaben konkret an.