Zum Inhalt springen
Methodik

context engineering

context engineering — Methodik. Anwendung: Den gesamten notwendigen Kontext zum richtigen Zeitpunkt bereitstellen, gestaffelt nach Ladezeitpunkt: kurz und permanent, pfadabhängig konditional, spezialisiert bei Bedarf · Kategorie: Engineering des Kontexts, der KI-Agenten bereitgestellt wird · Definition: KI-Agenten mit reichhaltigem, strukturiertem Kontext versorgen (6 Typen; statisch vs. dynamisch) · dominanter_zeitraum: 2025 · Rolle: Stellhebel für eine kontrollierte Einführung (Governance des Automatisierbaren, Kriterien POC→Produktion)

Hier ist die deutsche Übersetzung:

Rod Johnsons Essay vom Juli 2025 behandelt „Context Engineering“ als echten Fortschritt gegenüber Prompt Engineering, argumentiert dann aber, dass die Definition unvollständig sei: Sie erfasse, was an das Modell gesendet wird, nicht was zurückkommt, und ignoriere die Integration mit bestehenden Business-Systemen. Seine Antwort, Domain-Integrated Context Engineering (DICE), nutzt ein Domänenmodell, um sowohl Eingaben als auch Ausgaben zu strukturieren, und macht so aus dem, was er eine heikle Kunst nennt, etwas, das verfeinert, durchdacht und getestet werden kann.

Das von Addy Osmani, Shubham Saboo und Sokratis Kartakis unterzeichnete Google-Whitepaper macht dies zur zentralen Fähigkeit: Die Qualität hänge weniger vom Prompt ab als vom bereitgestellten Kontext. Sechs Kontexttypen (Instructions, Knowledge, Memory, Examples, Tools, Guardrails) teilen sich auf in statischen Kontext, immer geladen und teuer, und dynamischen Kontext, bei Bedarf abgerufen. Agent Skills sind das Vorzeigemuster für dynamischen Kontext.

Hugo Lassiège zeigt, wie sich das auf Ebene des Toolchains eines einzelnen Entwicklers darstellt. Er schreibt über Produktionsprodukte, deren Code inzwischen fast vollständig generiert wird, und bezeichnet seine Praxis als «Context Engineering» statt als «vibe coding», das er «Andrej Karpathy» als Experimentieren zuschreibt. Sein Kontext ist nach Ladezeitpunkt geschichtet: eine kurze permanente `CLAUDE.md`, pfadausgelöste Regeln, Personas in `.agents/*.md`.

Der Begriff wird auch als bereits vergehende Phase eingeordnet. Bei BFM Business datierte Rémi Jacquet im Mai 2026 eine Abfolge: Prompt Engineering 2024, Context Engineering 2025, Harness Engineering 2026. Lushbinary ordnet ihn anders ein, als mittlere Schicht unter «Loop Engineering».

Typ
Methodik
Anwendung
Den gesamten notwendigen Kontext zum richtigen Zeitpunkt bereitstellen, gestaffelt nach Ladezeitpunkt: kurz und permanent, pfadabhängig konditional, spezialisiert bei Bedarf
Kategorie
Engineering des Kontexts, der KI-Agenten bereitgestellt wird
Definition
KI-Agenten mit reichhaltigem, strukturiertem Kontext versorgen (6 Typen; statisch vs. dynamisch)
dominanter_zeitraum
2025
Rolle
Stellhebel für eine kontrollierte Einführung (Governance des Automatisierbaren, Kriterien POC→Produktion)
Relationen
10
Zitiert in
6 fiches

Nachbarschaft

← basiert auf

DICE METHODOLOGIE hohe Konfidenz stabil Quelle ↗
Loop Engineering METHODOLOGIE hohe Konfidenz zeitlos

← hat erschaffen

Andrej Karpathy PERSONNE hohe Konfidenz stabil Quelle ↗

← verbessert

DICE METHODOLOGIE hohe Konfidenz zeitlos Quelle ↗

→ verbessert

prompt engineering METHODOLOGIE hohe Konfidenz zeitlos Quelle ↗
qualité du code généré par IA CONCEPT hohe Konfidenz zeitlos Quelle ↗

→ steht im Gegensatz zu

vibe coding METHODOLOGIE hohe Konfidenz zeitlos Quelle ↗

← ist eine Variante von

Harness engineering METHODOLOGIE hohe Konfidenz zeitlos Quelle ↗

→ ersetzt

Prompt Engineering METHODOLOGIE hohe Konfidenz stabil Quelle ↗

← ersetzt

Harness Engineering METHODOLOGIE hohe Konfidenz stabil Quelle ↗

Zitiert in (6)