Context Engineering: Der Kontext zählt mehr als der Prompt

Zwei Jahre lang lautete der allgemeine Ratschlag für bessere Antworten von einem KI-Modell (AI) immer gleich: Schreib einen besseren Prompt. Kurse, Leitfäden und Sammlungen fast magischer Formeln entstanden, als gäbe es die perfekte Wortkombination, die die richtige Antwort freischaltet. Dann änderte sich etwas. Wer wirklich professionell mit diesen Systemen arbeitet, hat aufgehört, an einzelnen Sätzen zu feilen, und begonnen, den Kontext rund um die Frage aufzubauen.

Dieser Wandel hat einen Namen: vom Prompt Engineering zum Context Engineering. Der Prompt ist die Frage; der Kontext ist alles, was das Modell beim Antworten vor Augen hat. Und fast immer zählt Letzteres mehr als Ersteres. Zu verstehen, warum das so ist, hilft, diese Werkzeuge besser zu nutzen, und erklärt viel darüber, wohin sich die gesamte Technologie entwickelt.

Was wir unter Kontext verstehen

Jedes Modell schreibt mit Blick auf ein Kontextfenster (context window): den Arbeitsbereich, in den alles passt, was das System ihm im Moment der Antwort vorlegt. Nicht nur die Frage. In diesem Fenster stecken die Anweisungen zum Verhalten, eventuell für den Anlass abgerufene Dokumente, der Gesprächsverlauf, Beispiele, verfügbare Werkzeuge, einzuhaltende Einschränkungen.

Prompt Engineering kümmert sich nur um einen dieser Punkte: die Formulierung der Frage. Context Engineering kümmert sich um alles Übrige — entscheiden, welche Informationen in das Fenster gelangen, in welcher Form und in welcher Reihenfolge. Es ist der Unterschied zwischen dem sorgfältigen Formulieren eines Satzes und dem sorgfältigen Vorbereiten des Raums, in dem dieser Satz ausgesprochen wird.

Warum der Kontext mehr zählt als die Formel

Ein Modell erzeugt Text ausgehend von dem, was es in diesem Moment sieht. Ist die richtige Information im Kontext vorhanden, führt sogar eine banale Frage zu einer guten Antwort. Fehlt sie, lässt keine noch so geschickte Formulierung sie aus dem Nichts erscheinen: Das Modell füllt die Lücke bestenfalls mit etwas Plausiblem. Stell dir einen hervorragenden Berater vor, der ohne die Unterlagen zu deinem Fall in einem Raum eingeschlossen ist: Wie geschickt er auch sein mag, er kann nur improvisieren.

Es gibt aber auch das gegenteilige Übermaß. Jede verfügbare Datei in das Fenster zu kippen, verbessert nichts, sondern verschlechtert die Sache. Zu viel Material wird zu Rauschen: Das Modell tut sich schwer, das Wesentliche zu erkennen, und neigt dazu, Informationen zu verlieren, die zwischen vielen anderen vergraben sind — ein Effekt, der als Verlust in der Mitte bekannt ist (lost in the middle). Deshalb ist Context Engineering keine Anhäufung, sondern Auswahl: was man einschließt, was man weglässt, in welcher Reihenfolge man es anordnet, damit das Wesentliche sichtbar bleibt.

Die Kompetenz verschiebt sich damit von einer Frage zur anderen. Nicht mehr nur wie ich frage, sondern was ich dem Modell zur Verfügung stelle, noch bevor ich frage. Das ist ein tieferer Perspektivwechsel, als es scheint: Er verwandelt die Nutzung von KI von einem Wortspiel in die Gestaltung des Arbeitsmaterials.

Wohin sich die Welt bewegt

Diese Idee gestaltet die Art und Weise, wie KI-Systeme gebaut werden, neu. Die ausgereiftesten Techniken der letzten Monate — das Abrufen von Dokumenten aus Quellen, das Gedächtnis, das Relevantes zwischen Sitzungen bewahrt, die Werkzeuge, die das Modell befragen kann — sind allesamt Formen von Context Engineering. Sie machen das Modell nicht intelligenter: Sie legen ihm die richtigen Dinge zur richtigen Zeit vor.

Der Ablauf verändert dadurch seine Natur. Es ist nicht mehr eine knappe Frage gefolgt von einer Antwort, sondern eine Schleife, in der das System Material sammelt, auswählt, ordnet und erst dann schreibt — und die Runde oft wiederholt, um das Nötige zu verfeinern. Es ist dieselbe grundlegende Bewegung der KI-Revolution dieser Monate: Die Intelligenz lebt nicht vollständig in einem einzelnen Modell, auch nicht im perfekten Satz, den man ihm vorsetzt, sondern entsteht daraus, wie der Kontext um es herum aufgebaut wird. Der Prompt bleibt nützlich; aber der eigentliche Vorteil liegt heute darin, zu steuern, was das Modell vor sich hat.

Arena: der Kontext als Vergleich von Perspektiven

Es gibt eine letzte Kontextebene, an die selten gedacht wird. Selbst mit den richtigen, gut geordneten Dokumenten bleibt eine einzelne Antwort nur eine Lesart des Problems, mit nur einem Blickwinkel. Der reichste Kontext besteht nicht nur aus Daten: Er besteht auch aus unterschiedlichen Perspektiven auf denselben Punkt.

Genau hier wird der Vergleich zu einer Form von Context Engineering, angewandt auf das Urteilsvermögen. AI Arena lässt dich das Team aus 7 sich ergänzenden Spezialisten wählen und stellt ergänzende Perspektiven auf dasselbe Problem gegenüber: Jede schreibt ihre Antwort aus dem eigenen Blickwinkel, du wählst die nützlichsten aus, und ein Meta-Layer, der Orchestrator, fasst die Fäden zusammen und bringt dich mit einem abschließenden Bericht zum nächsten Schritt. Statt den Kontext einer einzigen Stimme zu pflegen, stellst du mehrere gegenüber: Wo sie übereinstimmen, ist der Boden solide; wo sie auseinandergehen, weißt du, wo du genauer hinschauen musst. Das ist der nützlichste Kontext von allen — kein zusätzliches Dokument, sondern mehrere Arten, dasselbe Problem zu lesen.

AI Arena ist die Plattform, die mehrere KI-Identitäten mit unterschiedlichen Perspektiven auf dasselbe Problem gegenüberstellt, dich die nützlichsten Antworten auswählen lässt und einen Orchestrator einsetzt, um dich zum nächsten Schritt zu bringen — sie ersetzt deine Entscheidung nicht, sie lässt dich sie bewusster treffen.

Tritt Arena bei.