Beim Kontext-Engineering geht es im Kern darum, dem richtigen Modell die richtigen Informationen zu geben und dabei zu entscheiden, was deterministischer Code erledigt und was ein probabilistisches Modell. Genau diesen Gedanken gab es diese Woche als Kurzvortrag auf der AGNTCon, festgehalten in einem Beitrag vom 24. Oktober 2026 auf dbreunig.com. Der Autor plant außerdem ein Handbuch zum Thema, über das er laut Text schon im Juni 2025 mit O’Reilly gesprochen hat. Die Verlagsfrage damals: Woher wissen wir, dass das nicht in wenigen Wochen veraltet ist? Ich hab bei dieser Frage kurz schlucken müssen, weil sie berechtigt ist, auch wenn sie wehtut.
Die Antwort des Autors gefällt mir: Klare, konsistente und rauschfreie Anweisungen bleiben bei KI eine Dauerbaustelle, egal wie gut die Modelle werden. Bei uns Menschen klappt das nämlich auch nicht besser. Wir haben Kolleginnen und Partner, die längst den Turing-Test bestehen, und bekommen trotzdem kaum eine eindeutige Aufgabenbeschreibung hin. Der Vergleich steht so in der Quelle und ist der beste Satz des Ganzen.
Warum machen lange Kontextfenster das Kontext-Engineering nicht überflüssig?
Lange Kontextfenster nehmen nicht nur mehr Information auf, sondern genauso Fehler und widersprüchliche Beispiele, und ein Modell kann sich an einen falschen Fakt festbeißen, wie die Quelle berichtet. Ein größeres Fenster ist damit eher eine größere Ablenkungsfläche als ein Qualitätsgewinn. Wer alles in die Eingabe kippt, muss damit rechnen, dass das Modell genau an der falschen Stelle hängen bleibt.
Einseitig ist die Meldung damit nicht: Kontext weglassen wäre nämlich auch keine Lösung, dann fehlt dem Modell die Grundlage. Dieses ständige Abwägen, was reingehört und was als harter Code läuft, ist genau der Job, den die Quelle beschreibt. Der Vortrag ist mit Folien und leicht bearbeitetem Transkript veröffentlicht, schreibt der Autor; eine Zahlengrundlage liefert der Beitrag nicht.
Warum schreibt jemand ein Handbuch über KI-Themen, obwohl es schnell veraltet?
Weil das Handwerk selbst nicht veraltet, so die Logik des Beitrags: Anweisungen klar und konsistent zu halten bleibt eine Dauerbaustelle, egal wie gut die Modelle werden. Der Autor spricht seit dem Gespräch im Juni 2025 mit O’Reilly über das Handbuch und setzt auf Optimismus statt auf Garantien. Auf die Verlagsfrage nach der Halbwertszeit hat er nämlich einfach geantwortet: keine Ahnung, aber optimistisch.
Und dann wird es technisch: Modelle sind keine Menschen. Man darf ihnen zwar zuschreiben, wie sie „denken“, aber es hilft enorm zu verstehen, wie sie gebaut sind. In der Diskussion um Kontext-Tricks finde ich den Part unterbelichtet.
Kurz beantwortet
Was ist Kontext-Engineering laut dem AGNTCon-Vortrag? Die richtige Information für das richtige Modell, plus die Entscheidung, was deterministischer Code übernimmt und was das Sprachmodell. Der Vortrag lief diese Woche auf der AGNTCon.
Was sagt die Quelle über lange Kontextfenster? Sie sammeln neben mehr Information auch Fehler und Widersprüche ein, und Modelle können sich an falsche Fakten festbeißen.
Offene Frage zum Schluss: Wenn große Kontextfenster laut Quelle zusätzlich Fehler und Widersprüche ins Modell tragen, was misst dein nächstes Agent-Setup als Erfolgszahl: die Menge an Kontext oder die Dichte an Widersprüchen darin?