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) · Prinzip: Der Kontext ist der Vermögenswert; eine zweimal geschriebene Definition ist ein Dokumentationsfehler · dominanter_zeitraum: 2025 · Rolle: Stellhebel für eine kontrollierte Einführung (Governance des Automatisierbaren, Kriterien POC→Produktion)

Rod Johnson bezeichnete Context Engineering am 23. Juli 2025 als "a valuable advance over prompt engineering" und argumentierte anschließend, die Definition sei unvollständig: Das Füllen des Kontextfensters mit relevanten Informationen sage nichts darüber aus, was aus dem Modell herauskommt, noch über die Geschäftssysteme, in die eine LLM-Anwendung eingebunden werden muss. Seine Erweiterung, DICE, strukturiert sowohl Eingaben als auch Ausgaben mithilfe eines Domänenmodells.

2025 ist die dominierende Periode, und der Begriff steht seither unter Druck. Bei BFM Business skizzierte Rémi Jacquet im Mai 2026 einen Wendepunkt: Prompt Engineering im Jahr 2024, Context Engineering im Jahr 2025, Harness Engineering im Jahr 2026. Lushbinarys Leitfaden schichtet dieselbe Abfolge, statt ihre Stufen abzulösen: zunächst Prompt, dann Context, dann Loop Engineering, wobei jede Schicht die vorherige enthält, die Komplexität gleich bleibt und sich nur der Hebel verschiebt.

Das Google-Whitepaper von Addy Osmani, Shubham Saboo und Sokratis Kartakis nennt sechs Kontexttypen (instructions, knowledge, memory, examples, tools, guardrails), aufgeteilt in stets geladenen statischen Kontext und bedarfsweise geladenen dynamischen Kontext. Hugo Lassiège gliedert seinen Kontext nach dem Zeitpunkt des Ladens: eine kurze, dauerhaft vorhandene CLAUDE.md, pfadaktivierte Regeln, Personas, die nur bei Bedarf geöffnet werden. Assaf Elovic hat gemessen, was Filterung auf der Retrieval-Seite wert ist: Sein Jev-Filter sendet 4,500 Token statt 7,600, bei einer gleichwertigen Menge relevanten Textes.

Matthieu Grymonprez liefert die Grenze. "Un agent n'a pas de bon sens": Eine mittelmäßige Definition wird exakt so angewendet, wie sie geschrieben ist, auch dort, wo sie für Frankreich gilt und nicht für Spanien.

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)
Prinzip
Der Kontext ist der Vermögenswert; eine zweimal geschriebene Definition ist ein Dokumentationsfehler
dominanter_zeitraum
2025
Rolle
Stellhebel für eine kontrollierte Einführung (Governance des Automatisierbaren, Kriterien POC→Produktion)
Relationen
12
Zitiert in
7 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 ↗

→ gilt für

Sémantique data CONCEPT hohe Konfidenz zeitlos

← ist Teil von

filtre de contexte METHODOLOGIE hohe Konfidenz zeitlos

Zitiert in (7)