Seit einiger Zeit taucht der Begriff "Context Engineering" überall auf. LinkedIn-Posts, KI-Newsletter, Konferenzfolien. Angeblich das heiße Upgrade von Prompt Engineering.
„Meine Reaktion? Gesunder Menschenverstand mit einem schicken Namen."
Wer KI ernsthaft im Unternehmen einsetzt, kennt das Prinzip bereits: Die Qualität dessen, was man ins System gibt, bestimmt die Qualität, was herauskommt. Wenn ich KI aufsetze, um Studienanfragen oder Geburtstagsreservierungen im FU Café zu bearbeiten, werfe ich nicht einfach Prompts drauf. Ich lade es mit den richtigen Informationen: Kursverfügbarkeit, Preisunterschiede, Anmeldefristen, Visaregeln. Mit anderen Worten: Kontext.
Was es wirklich bedeutet
Karpathy hat es treffend erklärt: Das LLM ist die CPU, das Kontextfenster ist der RAM. Die Kunst besteht darin, zu entscheiden, was bei jedem Schritt in den Speicher geladen wird.
Auf X folgen →Gute Analogie. Aber ist das wirklich neu? Jedes LLM hat bereits eine "Projekte"-Funktion oder ähnliches: eine Möglichkeit, relevanten Kontext zu bündeln, damit man nicht ständig dieselben Informationen einfügen muss. Das ist keine Raketenwissenschaft, sondern einfach guter Workflow.
Warum es trotzdem wichtig ist
Kontext ist wichtig. Ein KI-gesteuertes Marketingkampagnensystem produziert nicht einfach Werbetexte. Es zieht Zielgruppendemografien, aktuelles Kaufverhalten, saisonale Trends, Kampagnenbudgets und vergangene Performance-Daten heran. Ohne diesen Kontext wäre der Output generisch und wirkungslos.
Das Prinzip ist einfach: Gib dem System die richtigen Informationen, halte sie aktuell, und überlade es nicht mit Datenmüll. Unternehmer verstehen das intuitiv. Sie wenden es an, ohne zu wissen, dass es einen Namen hat.
Die angeblichen Strategien
Die großen "Entdeckungen" des Context Engineering laufen auf vier Punkte hinaus. Was eigentlich nur... Organisation ist:
Das sind dieselben Prinzipien, die man beim Einarbeiten eines neuen Mitarbeiters anwendet. Nichts Revolutionäres.
Was wirklich zählt
Kein neues Buzzword lernen. Stattdessen diese vier Fragen beantworten:
Das eigentliche Handwerk
Welche Informationen braucht deine KI wirklich, um ihre Arbeit gut zu machen?
Wie hältst du diese Informationen aktuell, wenn sich Dinge ändern?
Kannst du die Kontextvorbereitung automatisieren, damit sie ohne manuellen Aufwand läuft?
Verschwendest du Platz mit irrelevanten Details, die den Output verwässern?
Ja, Kontextmanagement wird wichtiger, je komplexer KI wird, mit Agenten, langen Gesprächen und Multi-Tool-Workflows. Aber es "Context Engineering" zu nennen, macht es komplizierter klingen als es ist.
Du machst das wahrscheinlich schon. Nur ohne es jemals "Engineering" zu nennen.