10.06.2025 AI Engineering 5 Minuten Lesezeit

Context Engineering: Die Ablösung der Prompt-Tricks

Nicht mehr die Formulierung des Prompts entscheidet über Systemqualität, sondern der Inhalt des Kontextfensters. Der Artikel definiert Context Engineering Mitte 2025: was ins Fenster gelangt, wie Kompaktierung, Retrieval, Tool-Ergebnisse und Memory-Dateien wirken, warum beworbene Kontextlängen täuschen und wie messbare Token-Budgets Kontext zu einer planbaren Ingenieurgröße machen.

Der Prompt war nie das ganze Problem

Zwei Jahre lang bestand die Arbeit mit Sprachmodellen vor allem aus Formulierungskunst: Rollenanweisungen, Trennzeichen-Tricks, Chain-of-Thought-Floskeln. Das war angemessen, solange ein Modell einen Prompt sah und eine Antwort lieferte. Produktivsysteme sehen Mitte 2025 anders aus. Das Kontextfenster eines Agenten enthält zu jedem Zeitpunkt einen System-Prompt, Tool-Definitionen, abgerufene Dokumente, Tool-Ausgaben, Gesprächsverlauf und Memory-Dateien. Der Satz, den ein Nutzer eintippt, ist ein kleiner Bruchteil der Eingabe.

Context Engineering ist die Disziplin, die entscheidet, was in dieses Fenster gelangt — in welcher Form, an welcher Position und zu welchen Kosten. Sie ist keine neue Modellfähigkeit und macht kein Modell klüger. Sie verändert ausschließlich die Eingabeverteilung. In unserer Projektarbeit liegt dort inzwischen der größte Teil der Qualitätsvarianz.

Was tatsächlich ins Fenster gelangt

Eine Anfrage an einen modernen Agenten setzt sich aus mehreren Kategorien zusammen: einem System-Prompt mit Anweisungen und Richtlinien, Tool- und Funktionsdefinitionen, deren Schemata bei jedem Aufruf Tokens kosten, abgerufenen Dokumentabschnitten, Gesprächsverlauf, Tool-Ergebnissen und persistenten Memory-Dateien. Jede Kategorie hat einen anderen Verantwortlichen, eine andere Änderungsfrequenz und einen anderen Fehlermodus. Zusammen übersteigen sie die eigentliche Nutzernachricht regelmäßig um eine Größenordnung.

Die meisten Teams können nicht beziffern, wie viele Tokens jede Kategorie in einer typischen Anfrage belegt. Genau das ist das erste Arbeitsergebnis von Context Engineering: eine Buchführung. Was nicht gemessen wird, lässt sich nicht budgetieren — und was nicht zugeordnet ist, lässt sich nicht kürzen.

Lange Fenster sind nicht gratis

Die Fenster sind schnell gewachsen. GPT-4.1 von OpenAI (14. April 2025) akzeptiert 1.047.576 Tokens als Eingabe. Googles Gemini 2.5 Pro bietet eine Million. Metas Llama 4 Scout bewirbt zehn Millionen. Claude Opus 4 von Anthropic (22. Mai 2025) bleibt bei 200.000 und zählt dennoch zu den stärksten Coding-Modellen. Die Tabelle zeigt den Stand zur Veröffentlichung.

Beworbene Kapazität ist keine nutzbare Kapazität. Liu et al. zeigten 2023, dass die Genauigkeit sinkt, wenn relevante Information in der Mitte eines langen Kontexts steht. NVIDIAs RULER-Benchmark (April 2024) stellte fest: Von 17 Modellen mit deklarierten 32K Tokens oder mehr hielt nur rund die Hälfte ihre Leistung bei 32K — und fast alle fielen unterhalb der deklarierten Länge ab. Auch die Latenz summiert sich: OpenAI nennt für GPT-4.1 bei einer vollen Million Tokens rund eine Minute bis zum ersten Token. Ein Fenster ist Kapazität, kein Ziel.

Kompaktierung hält Sitzungen am Leben

Agenten-Sitzungen akkumulieren Verlauf schneller, als jedes Fenster wächst. Kompaktierung ersetzt alte Gesprächsrunden durch eine strukturierte Zusammenfassung und setzt die Sitzung darauf fort. MemGPT (Oktober 2023) fasste das als virtuellen Speicher: Information wird zwischen Fenster und externem Speicher ausgelagert, wie ein Betriebssystem RAM auslagert. Claude Code, seit dem 22. Mai 2025 allgemein verfügbar, kompaktiert nahe der Grenze automatisch und bietet /compact und /clear als manuelle Steuerung.

Kompaktierung ist verlustbehaftet. Exakte Bezeichner, Fehlermeldungen und Diffs können aus einer Zusammenfassung verschwinden; der Agent zahlt dann doppelt — einmal für den Verlust, einmal für das erneute Einlesen. Unsere Arbeitsregel: Erzählung kompaktieren, Artefakte — Dateipfade, Kommandos, Entscheidungen — wörtlich erhalten.

Retrieval und Tool-Ergebnisse als Zulieferer

Retrieval verschwindet in diesem Bild nicht; es wird eine Zulieferlinie unter mehreren und konkurriert um Budget mit agentischer Dateisuche und direkten Tool-Aufrufen. Das Model Context Protocol, von Anthropic am 25. November 2024 veröffentlicht und im März 2025 von OpenAI übernommen, standardisiert, wie externe Systeme Kontext und Tools bereitstellen. Die Standardisierung hat einen Preis: Jeder verbundene Server injiziert seine Tool-Definitionen in jede Anfrage — bevor das Modell irgendetwas getan hat.

Tool-Ergebnisse sind die am wenigsten disziplinierte Kategorie. Eine geschwätzige API-Antwort oder ein ungefilterter Log-Auszug gelangt vollständig ins Fenster. Die Korrektur gehört an die Tool-Grenze: Kürzen, filtern und paginieren Sie in der Integration — und verlassen Sie sich nicht darauf, dass das Modell Rauschen ignoriert. Das tut es nicht zuverlässig.

Memory-Dateien als persistenter Kontext

Persistente Memory-Dateien sind heute der günstigste Kontextmechanismus in Produktion: Anweisungsdateien, die im Repository eingecheckt und beim Sitzungsstart geladen werden. Claude Code liest CLAUDE.md, Cursor liest .cursor/rules, GitHub Copilot liest .github/copilot-instructions.md. Sie werden versioniert, reviewt und geteilt wie Code. Anthropics Best-Practices-Leitfaden vom 18. April 2025 nennt die zentrale Randbedingung: Halten Sie die Datei kurz und iterieren Sie — sie wird jeder Sitzung vorangestellt.

Memory-Dateien lernen nicht. Sie sind statischer Kontext, kosten in jeder Anfrage Tokens, und eine aufgeblähte Datei begräbt ihre eigenen Regeln. Behandeln Sie sie als Prompts unter Versionskontrolle — mit derselben Review-Disziplin und einem Verantwortlichen, der regelmäßig kürzt.

Messbare Kontext-Budgets

Ein Kontext-Budget weist jeder Kategorie einen Anteil am Fenster zu und macht diese Zuweisung überprüfbar. Die Metriken sind unspektakulär: Tokens pro Kategorie und Anfrage, Füllstand des Fensters bei Aufgabenabschluss, Kompaktierungsfrequenz pro Sitzung, Cache-Trefferquote. Wir verfolgen diese Werte je Agent so, wie wir Latenz-Perzentile je Service verfolgen.

Caching belohnt stabile Budgets unmittelbar. Anthropics Prompt Caching berechnet Cache-Lesezugriffe mit rund 10 Prozent des Basis-Eingabepreises; OpenAI listet gecachte GPT-4.1-Eingabe mit 0,50 statt 2,00 US-Dollar pro Million Tokens. Beides setzt byte-stabile Präfixe voraus — was die nützliche Gewohnheit erzwingt, Kontext von stabil nach volatil zu ordnen. Die unbudgetierte Alternative hat einen sichtbaren Preis: Eine volle Million-Token-Anfrage an GPT-4.1 kostet bei jedem Cache-Miss rund zwei US-Dollar allein an Eingabe-Tokens.

Der Ausblick vom Juni 2025

Von unserem Standpunkt im Juni 2025 aus erscheinen vier Entwicklungen wahrscheinlich. Erstens wird sich der Begriff selbst durchsetzen: Context Engineering benennt Arbeit, die Teams bereits ohne Namen leisten — und Vokabular folgt der Praxis meist innerhalb von Monaten. Zweitens wird Kontext-Observability — Token-Buchführung je Kategorie in Traces — zur Standardfunktion von LLM-Tooling statt einer selbstgebauten Tabelle.

Drittens wandert Gedächtnis von statischen Dateien zu verwalteten Speichern, die Agenten sitzungsübergreifend lesen und schreiben; MemGPT hat die Mechanik skizziert, die Produkte sind nah. Viertens verschieben sich Benchmarks von deklarierter zu effektiver Kontextlänge als der ehrlichen Zahl. Die Fenster werden weiter wachsen. Was hineingelangt, bleibt eine Ingenieursentscheidung — mehr Kapazität ändert, was hineinpasst, nicht, ob Kuratieren nötig ist.

Quellen

• Lost in the Middle: How Language Models Use Long Contexts (Liu et al., arXiv, 6 Jul 2023)
• MemGPT: Towards LLMs as Operating Systems (Packer et al., arXiv, 12 Oct 2023)
• RULER: What's the Real Context Size of Your Long-Context Language Models? (Hsieh et al., NVIDIA, arXiv, 9 Apr 2024)
• Introducing the Model Context Protocol (Anthropic, 25 Nov 2024)
• Introducing GPT-4.1 in the API (OpenAI, 14 Apr 2025)
• Claude Code: Best practices for agentic coding (Anthropic, 18 Apr 2025)