Context Engineering ist die Praxis, bewusst alles zu konstruieren, was ein Sprachmodell zur Inferenzzeit sieht, einschließlich Systemanweisungen, abgerufener Dokumente, Tool-Ausgaben, Konversationsverlauf und Arbeitsgedächtnis, um zuverlässiges Verhalten von einem KI-Agenten zu erhalten, der über viele Schritte hinweg arbeitet. Der Begriff gewann 2025 an Bedeutung als Nachfolge-Rahmenwerk für Prompt-Engineering und spiegelt eine Verschiebung des Schwerpunkts wider – vom Verfassen einer einzelnen ausgeklügelten Anweisung hin zur Verwaltung des vollständigen, dynamisch zusammengesetzten Zustands, der in das begrenzte Kontextfenster eines Modells eingespeist wird.
Befürworter des Begriffs, darunter der KI-Forscher Andrej Karpathy, argumentierten, dass sich mit dem Übergang von Einzelgesprächen zu mehrstufigen Agenten die Hauptfehlerquelle von schlechter Prompt-Formulierung zu schlechtem Kontextmanagement verlagerte: irrelevante oder fehlende Informationen, veraltete Tool-Ausgaben und Kontextfenster, die mit minderwertigem Inhalt überladen sind.
Techniken
Zu den gängigen Techniken des Context Engineering gehören die Auswahl und Komprimierung abgerufener Inhalte, üblicherweise über Retrieval-Augmented Generation, sodass nur das relevanteste Material den knappen Kontextraum belegt. Dazu gehört auch die Strukturierung von Tool-Definitionen, Ausgaben und Fehlermeldungen, damit ein Agent ohne Mehrdeutigkeit darauf reagieren kann – ein Bereich, in dem das offene Model Context Protocol als gemeinsame Infrastruktur entstand, um Tools und Daten konsistent über Modelle hinweg bereitzustellen. Die Verwaltung des Gedächtnisses über Turns oder Sitzungen hinweg – also die Entscheidung, was zusammengefasst, verworfen oder beibehalten wird – ist ein weiterer Kernbestandteil, da selbst Modelle mit sehr großen Kontextfenstern eine verminderte Aufmerksamkeit für Informationen zeigen, die in der Mitte eines langen Kontexts platziert sind. Auch die bewusste Anordnung und Formatierung von Informationen ist wichtig, da nachweislich das Modellverhalten davon abhängt, wo Schlüsselfakten innerhalb eines Prompts stehen – ein Effekt, der informell manchmal als „lost in the middle“ beschrieben wird.
Beziehung zum Prompt-Engineering
Context Engineering ersetzt Prompt-Engineering nicht, sondern erweitert dessen Umfang: Das Schreiben einer guten Anweisung bleibt notwendig, wird aber als eine Komponente eines größeren Systems behandelt, das auch bestimmt, über welche Daten, Tools und Verläufe die Anweisung operiert. Die Unterscheidung spiegelt einen breiteren Wandel im Feld wider – von einmaligen Vervollständigungen hin zu agentischen Systemen, die viele Modellaufrufe in Sequenz ausführen, wobei sich die kumulative Wirkung des Kontextmanagements über Schritte hinweg verstärkt, was ein einzelner gut formulierter Prompt nicht beheben kann. Bis 2026 war der Begriff in Stellenausschreibungen und interner Tooling-Dokumentation von KI-Unternehmen verbreitet, obwohl seine Abgrenzung zu verwandten Praktiken wie Retrieval-Systemdesign und Agenten-Orchestrierung weiterhin lose definiert blieb.