Context Engineering

Context Engineering bezeichnet die systematische Gestaltung, Erprobung und iterative Verbesserung aller Informationen, die einem KI-Agenten als Kontext bereitgestellt werden. Es geht damit über klassisches Prompt Engineering hinaus: Während Prompting einzelne Anfragen optimiert, befasst sich Context Engineering mit der gesamten Informationsarchitektur eines agentenbasierten Systems.

Was Context Engineering umfasst

Das Zusammenspiel dieser Ebenen bestimmt, ob ein Agent zuverlässig und vorhersagbar handelt. Fehlendes oder unklares Context Engineering führt dazu, dass er abbricht, falsche Werkzeuge wählt, Schritte überspringt oder Ausgaben halluziniert.

Ein Fallbeispiel: Der Deep-Research-Agent

Problem 1: Unvollständige Aufgabenausführung: Der Agent erstellt drei Suchaufgaben, führt aber nur zwei davon aus, ohne Begründung. Ursache: Der System-Prompt enthielt keine explizite Anforderung, alle geplanten Aufgaben auszuführen.

Problem 2: Inkonsistente Statuswerte: Der Agent verwendete spontan verschiedene Statusbezeichnungen (pending, to-do, done, completed, finished). Ursache: Erlaubte Statuswerte waren nicht definiert worden.

Beide Probleme sind keine Modellfehler, sondern Kontext-Fehler. Das Modell hat das getan, was seine Instruktionen erlaubten.

AUSFÜHRUNGSREGELN:
- Erlaubte Statuswerte: todo | in_progress | done | failed
- Alle geplanten Suchaufgaben müssen ausgeführt oder explizit begründet abgebrochen werden.
- Keine Aufgaben stillschweigend überspringen.

Kernprinzipien wirksamen Context Engineerings

1. Ambiguität eliminieren

Ungeeignet:

Führe eine Recherche zum genannten Thema durch.

Besser:

Führe eine Recherche durch, indem du:
1. Die Anfrage in 3 bis 5 spezifische Suchanfragen zerlegst
2. Für JEDE Suchanfrage das Such-Werkzeug verwendest
3. Ergebnisse in der Aufgabenliste dokumentierst
4. Alle Ergebnisse zu einem strukturierten Bericht zusammenfasst

2. Erwartungen explizit formulieren

Anforderungen an Qualität, Format und Entscheidungslogik müssen explizit benannt werden, nicht als Kommentar, sondern als Regel.

3. Fehlerverhalten definieren

FEHLERBEHANDLUNG:
- Wenn eine Suche fehlschlägt: einmal mit umformulierter Anfrage wiederholen.
- Wenn der zweite Versuch scheitert: Aufgabe als "failed" markieren.
- Den Nutzer über fehlgeschlagene Aufgaben am Ende informieren.

4. Iterativ vorgehen

5. Flexibilität und Kontrolle abwägen

Häufige Fehler im Context Engineering

Über-Spezifikation: Zu viele starre Regeln machen den Agenten unflexibel. Das Ziel ist präzise Orientierung, kein lückenloses Regelwerk.

Unter-Spezifikation: Vage Anweisungen führen zu unvorhersagbarem Verhalten, besonders bei kritischen Entscheidungen wie Statuswerten oder Abbruchbedingungen.

Fehlende Fehlerbehandlung: Ohne explizite Instruktionen für Fehlerfälle bricht der Agent entweder ab oder setzt stillschweigend fort; beides ist in produktiven Systemen inakzeptabel.

Ignorierte Beobachtungen: Wer seinen Agenten nicht systematisch beobachtet, verbessert ihn nicht.

Messung der Wirksamkeit