Context Engineering
Beim Prompt Engineering geht es um die Worte, die du wählst. Beim Context Engineering geht es um den Arbeitsbereich, den du dem Modell übergibst — was darin enthalten ist, in welcher Reihenfolge es steht und was du bewusst weggelassen hast.
Diese Unterscheidung ist wichtig, weil ein Kontextfenster kein Notizblock ist. Es ist eine begrenzte, teure, aufmerksamkeitsbezogene Ressource. Wie du es füllst, verändert, worauf sich das Modell konzentriert, wie viel es dich kostet und ob es nützlich bleibt, während Sitzungen länger werden.
- Context Engineering vom Prompt Engineering unterscheiden — und verstehen, warum sich das Feld weiterentwickelt hat
- Das Kontextfenster als Aufmerksamkeitsbudget behandeln, nicht als Lagerraum
- Context Rot und das Lost-in-the-Middle-Phaenomen erkennen, bevor sie eine lange Sitzung ruinieren
- Anweisungen dort platzieren, wo die Aufmerksamkeit tatsaechlich landet — oben, am Ende, niemals in der Mitte vergraben
- Die drei zentralen Taktiken anwenden: Compaction, Notizen machen und Just-in-time-Retrieval
Das Kontextbudget
Jedes Modell hat eine maximale Kontextgröße — eine harte Obergrenze, gemessen in Tokens. Stell es dir als Budget vor. Du gibst es aus für:
- Deinen System-Prompt und feste Anweisungen
- Abgerufene Dokumente, Codebasis-Ausschnitte, Tool-Definitionen
- Den Gesprächsverlauf
- Die Ausgabe des Modells (die in mehrstufigen Sitzungen ebenfalls gegen das Fenster zählt)
Wenn es ausgeht, muss etwas weichen. Entweder werden alte Inhalte verworfen, oder die Sitzung stößt an eine Wand.
Die meisten Einsteiger-Anleitungen behandeln das Kontextfenster nach dem Motto "mehr ist besser". Context Engineering behandelt es als Ressource, die sorgfältig zugeteilt werden muss: Gib es für das aus, was das Modell für diesen Schritt wirklich braucht, nicht für alles, was relevant sein könnte. Anthropic fasst die gesamte Disziplin als Suche nach der "kleinstmöglichen Menge an Tokens mit hohem Signalwert" auf — jedes Token, das du hinzufügst, konkurriert um ein endliches Aufmerksamkeitsbudget, eine direkte Folge davon, wie ein Transformer jedes Token zu jedem anderen in Beziehung setzt.
Context Rot und das Lost-in-the-Middle-Phänomen
Es gibt ein gut dokumentiertes Phänomen bei LLMs mit langem Kontext: Modelle schenken Inhalten nahe dem Anfang und dem Ende ihres Kontexts unverhältnismäßig viel Aufmerksamkeit, während ihre Erinnerung an Inhalte, die in der Mitte vergraben sind, nachlässt. Forscher, die diesen Effekt untersuchten, nannten ihn "lost in the middle".
Die praktische Konsequenz: Wenn du einen Kontext mit 100.000 Tokens mit Dokumenten vollstopfst und die wichtigste Anweisung an Position 60.000 vergräbst, ignoriert das Modell sie womöglich effektiv — nicht weil es nicht in der Lage ist, so weit zu lesen, sondern weil die Aufmerksamkeit nicht gleichmäßig über das Fenster verteilt ist.
"Context Rot" ist das übergeordnete Muster: Wenn eine Sitzung länger wird, neigt die Qualität der Antworten dazu, abzudriften. Frühe Anweisungen werden verwässert. Wiederholtes Hin und Her verdrängt die ursprüngliche Aufgabe. Das Modell fängt an, sich abzusichern, sich zu wiederholen oder den Faden dessen zu verlieren, worum du eigentlich gebeten hast.
Das sind keine Fehler, die du mit einem besseren Prompt vollständig beheben kannst. Es sind strukturelle Eigenschaften der Funktionsweise von Aufmerksamkeit im großen Maßstab. Die ingenieurmäßige Antwort besteht darin, den Kontext kleiner und schärfer zu halten, statt ihn zu füllen und zu hoffen.
Die Reihenfolge ist wichtig
Wo du Inhalte platzierst, ist genauso wichtig wie das, was du einbeziehst. Etablierte gute Praxis:
| Position | Was dort hingehört |
|---|---|
| Ganz oben (System-Prompt) | Stabile, dauerhafte Anweisungen. Persona, Regeln, Formatvorgaben. |
| Nach dem System-Prompt | Die aktuelle Aufgabe, in klaren Worten. |
| Direkt vor dem letzten User-Turn | Der wichtigste, spezifischste Kontext für genau diese Anfrage. |
| Mitte | Unterstützende Dokumente, abgerufene Abschnitte — geordnet nach Relevanz, nicht nach Chronologie. |
| Gesprächsverlauf | Nur das, was für die Kontinuität nötig ist. Aggressiv kürzen. |
Die allgemeine Regel: Je näher am aktuellen Schritt, desto mehr Aufmerksamkeit erhält der Inhalt. Kritische Anweisungen, die nur in der Mitte eines langen Verlaufs stehen, sind gefährdet.
Die "richtige Flughöhe" für Anweisungen
Ein System-Prompt kann auf zwei gegensätzliche Arten scheitern. Zu niedrig, und du verdrahtest spröde Wenn-dann-Logik fest, die in dem Moment bricht, in dem die Realität abweicht. Zu hoch, und du schreibst vage Leitlinien, die Kontext voraussetzen, den das Modell nicht hat. Anthropic nennt das Ziel die "richtige Flughöhe" — die Goldlöckchen-Zone, die "spezifisch genug ist, um Verhalten effektiv zu lenken, und zugleich flexibel genug, um starke Heuristiken zu liefern". Ziele darauf ab: konkrete Regeln und Beispiele, kein Entscheidungsbaum und kein bloßes Bauchgefühl.
Retrieval statt Vollstopfen
Die Versuchung ist, alles hineinzupacken: alle Dokumente, die vollständige Codebasis, das gesamte Gespräch. Widersteh ihr.
Der bessere Ansatz ist selektives Retrieval: Identifiziere, was das Modell für diese konkrete Anfrage wirklich braucht, und füge nur das ein. Ein gut abgerufener Abschnitt von 2.000 Tokens aus dem richtigen Dokument schlägt eine Halde von 40.000 Tokens, in der die Antwort irgendwo in der Mitte steckt.
Genau deshalb gibt es Retrieval-Augmented Generation (RAG) — nicht nur, um Kontextgrenzen zu überwinden, sondern um die Qualität zu verbessern, indem der Kontext kuratiert bleibt. Die agentische Variante ist Just-in-time-Retrieval: Statt jedes Dokument vorzuladen, hält der Agent leichtgewichtige Bezeichner (Dateipfade, IDs, Abfragen) und zieht den eigentlichen Inhalt erst in dem Moment in den Kontext, in dem er gebraucht wird.
Für interaktive Sitzungen gilt dieselbe Logik: Statt alles anzusammeln, verdichte oder lösche den Verlauf regelmäßig, um Inhalte zu entfernen, die für die aktuelle Aufgabe nicht mehr relevant sind. Die Befehle /compact und /clear von Claude Code sind Context-Engineering-Werkzeuge, nicht bloß Sitzungsverwaltung. Über die API wird dasselbe Muster durch Memory und Context Editing automatisiert — alte Tool-Ergebnisse werden aus dem Fenster entfernt, während das Wichtige in einen dauerhaften Memory-Speicher geschrieben wird.
Die drei zentralen Taktiken
Für Arbeit mit langem Horizont erledigen drei Techniken den Großteil der Schwerstarbeit. Sie lassen sich kombinieren — die meisten echten Agenten nutzen alle drei.
- Wenn eine Sitzung sich der Fenstergrenze nähert, fasse sie zusammen und initialisiere sie mit der destillierten Version neu. Bewahre die tragenden Details — Architekturentscheidungen, ungelöste Bugs, zentrale Implementierungsentscheidungen — und lass die Detailchronik fallen. Genau das macht /compact in Claude Code.
- Lass den Agenten dauerhafte Fakten in einen externen Speicher schreiben (eine Datei, einen Scratchpad, eine CLAUDE.md) und sie später wieder einlesen. Das verschafft persistentes Gedächtnis bei minimalem Aufwand im Fenster — die Notizen leben außerhalb des Budgets, bis sie gebraucht werden.
- Stopfe nicht jedes Dokument vorab hinein. Halte leichtgewichtige Verweise und lade den eigentlichen Inhalt zur Laufzeit, nur für den Schritt, der ihn braucht. Ein gezielter Abruf von 2.000 Tokens schlägt eine Halde von 40.000 Tokens.
Der Kostenaspekt
Tokens, die du sendest, sind Tokens, für die du zahlst — sowohl in Geld als auch in Latenz. Den Kontext mit lose relevantem Material vollzustopfen, treibt beides in die Höhe. Context Engineering und Kosteneffizienz sind dasselbe Problem.
Konkreter:
- Ein aufgeblähter System-Prompt, den du aus einer Vorlage kopierst, wird bei jedem einzelnen Aufruf bezahlt.
- Alter Gesprächsverlauf, den du mitschleppst, weil er "nützlich sein könnte", wird bei jedem einzelnen Aufruf bezahlt.
- Dokumente, die du "für alle Fälle" einfügst, werden bei jedem einzelnen Aufruf bezahlt.
Wegzulassen, was nicht da sein muss, ist gleichzeitig besser für die Qualität und günstiger im Betrieb.
Praktische Taktiken für Claude-Nutzer
In Claude.ai:
- Nutze getrennte Gespräche für getrennte Aufgaben. Lass nicht einen Nachmittag voller Abschweifungen den Kontext eines fokussierten Projekts verschmutzen.
- Fasse lange Threads zusammen, bevor du eine komplexe Frage stellst, die von ihnen abhängt. Eine explizite Zusammenfassung ist oft nützlicher als der rohe Verlauf.
- Setze das Konkrete, das du willst, ans Ende einer langen Nachricht, nicht in die Mitte vergraben.
In Claude Code:
- Halte deine
CLAUDE.md-Datei schlank. Jede Zeile darin wird in jede Sitzung eingefügt. Siehe CLAUDE.md und Context Management. - Nutze
/clear, wenn du zu einer wirklich anderen Aufgabe wechselst. Nutze/compact, wenn du fortfahren willst, aber die Sitzung wächst. - Verweise auf Dateien per Pfad, statt ihren Inhalt einzufügen, wenn die vollständige Datei für den aktuellen Schritt nicht gebraucht wird.
Auf API-Ebene:
- Gestalte System-Prompts so, dass sie nur das enthalten, was jede Anfrage wirklich braucht. Verschiebe aufgabenspezifische Anweisungen in den User-Turn.
- Bei dokumentenlastigen Anwendungsfällen rufe die relevanten Abschnitte ab und füge sie ein, statt einen ganzen Korpus hochzuladen.
- Strukturiere den Prompt so, dass der stabile, wiederverwendbare Anfang zuerst kommt — das ermöglicht auch Prompt Caching, einen natürlichen Begleiter des Context Engineering.
Wenn du Claude ein langes Dokument übergeben willst, schlägt die Platzierungsregel jedes Mal das reine Volumen:
Anweisung zuerst, am Ende erneut genannt
Aufgabe: Finde jede Klausel, in der dieser Vertrag unsere Haftung begrenzt, und zitiere jede einzelne wortwörtlich mit ihrer Abschnittsnummer. [... füge hier den vollständigen 40-seitigen Vertrag ein ...] Erinnerung an die Aufgabe: Liste oben jede Haftungsbegrenzungsklausel auf, exakt zitiert, mit Abschnittsnummern. Falls es keine gibt, sage das ausdrücklich.
Dieselbe Anweisung steht oben und unten — den beiden Positionen, die die Aufmerksamkeit bevorzugt — und überlebt so selbst eine sehr lange Mitte.
Der Wandel in der Denkweise
Prompt Engineering fragt: "Was soll ich sagen?" Context Engineering fragt: "Was soll das Modell sehen, in welcher Reihenfolge, und was soll ich bewusst weglassen?"
Die zweite Frage ist schwieriger, aber sie ist diejenige, die im großen Maßstab tatsächlich die Qualität bestimmt.
Check yourself
0/3- Das Kontextfenster ist ein Aufmerksamkeitsbudget, kein Speicher — gib es nur für Tokens mit hohem Signalwert aus.
- Position schlägt Volumen: kritische Anweisungen gehören an den Anfang und direkt vor den letzten Turn, niemals in der Mitte vergraben.
- Compaction, Notizen machen und Just-in-time-Retrieval sind die drei Taktiken, die lange Agenten kohärent halten.
- Kontext zu kuratieren ist derselbe Hebel wie Kosten zu senken — weniger Tokens, bessere Antworten, niedrigere Rechnung.