Context Engineering
Auch bekannt als: Context-Engineering, Kontext-Engineering
Context Engineering ist die Disziplin, einem KI-Modell den richtigen Kontext in der richtigen Form bereitzustellen, damit Antworten präziser, faktentreuer und anwendungsspezifischer werden.
Context Engineering geht über einzelne Prompts hinaus. Es beschreibt das systematische Design der gesamten Informationslage, die ein Modell bei einer Anfrage sieht: Rolle, historische Turns, abgerufene Dokumente, Tool-Outputs, Anweisungen, Beispiele.
Warum es wichtig ist
Sprachmodelle haben kein Langzeitgedächtnis. Jeder Aufruf ist ein Neustart, alles, was das Modell "weiß", muss im Kontext stehen. Wer den Kontext nicht aktiv gestaltet, überlässt die Qualität dem Zufall.
Die vier Hebel
- Auswahl: welche Dokumente, Daten, Beispiele kommen rein?
- Reihenfolge: was steht am Anfang, was am Ende? (Ende hat stärkeres Gewicht)
- Format: Markdown, XML, Tabellen, Listen, jedes beeinflusst Verlässlichkeit anders
- Kompression: lange Kontexte verdünnen die Aufmerksamkeit, weniger ist oft mehr
Abgrenzung zu Context Management
In der Fachdiskussion ist Context Engineering meist mit Agent- und RAG-Architekturen verbunden (Retrieval-Strategien, Chunking, Tool-Integration). Für den Einstieg ohne diese Brille gibt es den verwandten Begriff Context Management: dieselbe Grundidee, ohne Architektur-Fokus, mit Business-Praxis als Ausgangspunkt.