Context Engineering

Context Engineering statt Prompt-Zufall

0:00 Es gibt eine verbreitete Vorstellung, gute KI-Nutzung sei eine Frage der richtigen Zauberformel. Dieses Modul räumt damit auf. Nicht der längere Prompt gewinnt, sondern der passendere Kontext — also die Auswahl dessen, was das Modell bei einem Aufruf überhaupt sieht. Das ist eine handwerkliche Fähigkeit, und sie lässt sich lernen.

0:19 Wir schauen uns an, woraus Kontext besteht, wie man ihn gezielt füllt und klein hält, wie man große Codebasen navigierbar macht — und warum das Zerlegen von Aufträgen die wirksamste Maßnahme gegen falsche Antworten ist.

Kontext gestalten

0:32 Acht Kapitel, die einer inneren Logik folgen: erst verstehen, was Kontext ist, dann ihn füllen, dann ihn begrenzen. Ein Hinweis zur Einordnung: Dieses Modul erklärt das Prinzip, das nächste macht es dauerhaft. Was Sie hier von Hand steuern, schreiben Sie in Modul sechs als Projektanweisung fest — dann gilt es ohne Zutun.

0:51 Und noch etwas: Alles, was hier über Sparsamkeit gesagt wird, ist keine Sparsamkeit um ihrer selbst willen. Weniger Ballast heißt präzisere Antworten. Das ist der eigentliche Gewinn. Vier Fragen. Was landet eigentlich im Kontextfenster — und was kostet dort nur Platz? Wie navigiert man in großen Projekten, ohne halbe Dateibäume in den Prompt zu schaufeln?

1:14 Wie zerlegt man Aufträge, damit jeder Schritt prüfbar bleibt? Und wie erkennt man Kontextverlust, bevor die Antworten abdriften? Der letzte Punkt ist der unauffälligste: Wenn ein Agent plötzlich Absprachen ignoriert, liegt es meist nicht am Modell, sondern daran, dass die Absprache längst aus dem Fenster gewandert ist.

Warum guter Kontext wichtiger als lange Prompts sein kann

1:33 Beginnen wir mit dem Grundverständnis. Kontext ist kein diffuses Etwas, sondern eine ziemlich konkrete Menge an Text — und diese Menge hat eine Obergrenze. Kontext ist alles, was das Modell bei einem Aufruf sieht: der Systemprompt, die automatisch geladenen Projektanweisungen, der Gesprächsverlauf, die Ausgaben der Werkzeuge und die Dateien, die Sie genannt haben.

1:56 Und das Kontextfenster ist endlich. Stellen Sie sich einen Schreibtisch vor: Sie können darauf ausbreiten, was Sie brauchen, aber irgendwann fällt hinten etwas herunter. Pi verwaltet diesen Schreibtisch, indem es Älteres zusammenfasst — die sogenannte Compaction, zu der wir in Modul elf kommen. Bis dahin gilt: Auswahl ist Ihre Aufgabe.

2:16 Der erste Satz ist der wichtigste: Jede unnötige Zeile verdrängt eine nötige. Das klingt banal, hat aber praktische Folgen — vor allem bei Werkzeugausgaben. Testläufe und Logs füllen den Kontext viel schneller als Prosa, und sie tun es unauffällig. Präzise Verweise auf Dateien schlagen deshalb ausführliche Beschreibungen.

2:35 Und die automatische Zusammenfassung greift, sobald der Kontext das Fenster minus eine Reserve übersteigt — die Standardreserve liegt bei etwa 16.000 Tokens, damit für die Antwort noch Platz bleibt. Die Logik dieser Tabelle steckt in der rechten Spalte: Für jeden Anteil gibt es einen anderen Hebel. Beim Systemprompt ist es eine Projektdatei.

2:55 Bei den Projektregeln ist es Kürze — und wir werden im nächsten Modul sehen, wie schnell diese Datei aus dem Ruder läuft. Bei den Dateien ist es Ihre Auswahl. Und bei den Werkzeugausgaben ist es die Wahl des Kommandos: Ein Test mit knapper Ausgabe kostet ein Zehntel eines vollständigen Protokolls. Wer diese vier Hebel kennt, diskutiert nicht mehr über Prompt-Länge.

Relevante Dateien gezielt bereitstellen

3:17 Jetzt zur häufigsten Frage im Alltag: Welche Dateien gebe ich mit? Und die Antwort ist unbequem, weil sie Denkarbeit verlangt: möglichst wenige, aber die richtigen. Dateien kommen per At-Zeichen in den Prompt — auf der Kommandozeile wie im Editor. Alles Weitere findet der Agent selbst über seine Lese- und Suchwerkzeuge, und das ist meist sparsamer, als vorsorglich Dateien mitzugeben.

3:41 Der Vergleich: Sie geben dem Handwerker den Bauplan des betroffenen Raums, nicht den Bauplan des ganzen Hauses. Er kann nachfragen, wenn er mehr braucht — und dann bekommt er genau das Stück, das fehlt. Diese Haltung spart Kontext und macht Antworten präziser. Genannte Dateien sind garantiert im Kontext, gesuchte nur wahrscheinlich — das ist der Kern.

4:02 Suchwerkzeuge liefern Fundstellen statt vollständiger Dateien, was ein enormer Unterschied im Verbrauch ist. Generierte Ordner haben im Prompt grundsätzlich nichts zu suchen; sie enthalten keine Information, nur Volumen. Und ein Tipp, der oft unterschätzt wird: Schnittstellen und Typdefinitionen tragen mehr Information pro Zeile als Implementierungen.

4:23 Wenn Sie zwei Dateien wählen dürfen, nehmen Sie die Verträge, nicht die Innereien. Worauf es hier ankommt, ist die Kombination: zwei ausgewählte Dateien plus eine präzise Frage. Beachten Sie, dass die Frage nicht lautet „Erklär mir das Modul", sondern nach einer konkreten Stelle fragt. Diese Präzision ist der eigentliche Kontexthebel — sie sagt dem Agenten, wonach er in den gegebenen Dateien suchen soll.

4:47 Und die Fußnote beschreibt den Ablauf, den ich empfehle: zuerst suchen lassen, dann die Treffer nachschieben. So bezahlen Sie nur für die Dateien, die tatsächlich relevant sind. Diese Übung ist ein Selbstversuch. Stellen Sie dieselbe Frage zweimal: einmal mit vielen Dateien im Kontext, einmal mit zwei gezielten. Dann vergleichen Sie die Antwortqualität.

5:09 Meine Erfahrung: Die zweite Antwort ist oft konkreter, weil das Modell nicht zwischen zwanzig Möglichkeiten abwägen muss. Aber verlassen Sie sich nicht auf meine Erfahrung — machen Sie den Test in Ihrem Projekt. Und benennen Sie den Unterschied in einem Satz. Diese Formulierung ist der Lerngewinn, nicht das Ergebnis selbst.

Anforderungen eindeutig formulieren

5:29 Kommen wir zum Auftrag selbst. Auch hier gilt: Nicht Länge zählt, sondern Struktur. Und diese Struktur hat genau drei Teile, die Sie sich leicht merken können. Eine brauchbare Anforderung nennt drei Dinge: was entstehen soll, welche Grenzen gelten — Dateien, Bibliotheken, Stil — und woran das Ergebnis geprüft wird. Auftrag, Grenze, Nachweis. Fehlt der Nachweis, ist jedes Ergebnis „fertig", und Sie verhandeln hinterher.

5:56 Das ist übrigens keine KI-Weisheit: Genau dieselben drei Teile machen auch ein gutes Ticket aus. Der Unterschied ist nur, dass ein Sprachmodell nicht nachfragt, wenn etwas fehlt — es füllt die Lücke mit einer plausiblen Annahme. Und diese Annahmen sind das Problem: Der Agent füllt Lücken mit plausiblen Werten, nur eben nicht mit Ihren.

6:18 Grenzen verhindern Umbauten an Stellen, die niemand angefragt hat — der klassische Fall, in dem man plötzlich einen Diff über zwölf Dateien liest. Ein Nachweis macht die Abnahme zur Sache von Sekunden statt zur Diskussion. Und der vierte Punkt weist voraus: Wenn Sie merken, dass Sie dieselbe Formulierung ständig tippen, gehört sie in ein Prompt Template. Dazu kommt Modul neun.

6:40 Das Prinzip dieser Gegenüberstellung ist Prüfbarkeit. Lesen Sie die linke Spalte und fragen Sie sich: Woran würde ich merken, dass es erledigt ist? Bei „mach das schneller" gibt es keine Antwort. Rechts steht jeweils dieselbe Absicht, nur mit einer Messgröße, einem Ort oder einem Kommando. Achten Sie besonders auf die letzte Zeile: „Fixe den Bug" wird zu einem konkreten Testaufruf, der grün werden muss.

7:05 Das ist keine Bürokratie, das ist die Definition von Fertigsein — und sie kostet zehn Sekunden mehr Tippen.

Kontext klein und aussagekräftig halten

7:12 Jetzt zur Kontexthygiene. Das ist ein unspektakuläres Thema, aber es entscheidet darüber, ob eine lange Arbeitssitzung präzise bleibt oder langsam abdriftet. Kontexthygiene heißt: nur das im Fenster halten, was zur aktuellen Aufgabe beiträgt — und Ballast aktiv entfernen. Dafür gibt es drei Wege: eine neue Sitzung beginnen, gezielt zusammenfassen lassen, oder von Anfang an engere Kommandos wählen.

7:37 Der Vergleich: Sie räumen den Schreibtisch ab, bevor Sie die nächste Aufgabe beginnen. Nicht aus Ordnungsliebe — sondern weil die alten Unterlagen sonst Ihre Aufmerksamkeit binden. Bei einem Sprachmodell ist dieser Effekt sogar messbar: Alte Irrwege im Verlauf beeinflussen neue Antworten. Vier Punkte. Alte Irrwege wirken weiter — das Modell weiß nicht, dass Sie den Ansatz verworfen haben, wenn Sie es nicht sagen.

8:03 Riesige Testausgaben verdrängen genau den Code, um den es geht. Ein Themenwechsel verdient meist eine neue Sitzung, und der Befehl dafür kostet einen Tastendruck. Und die manuelle Zusammenfassung kann einen Fokus mitbekommen: Sie sagen, worauf es Ihnen ankommt, und behalten damit das Wesentliche. Diese Fokus-Angabe wird erfahrungsgemäß viel zu selten genutzt.

8:25 Der rote Faden: Aufräumen beginnt vor dem Arbeiten. Sie grenzen die Aufgabe ab, bevor die erste Datei in den Prompt geht. Sie wählen Kommandos so, dass die Ausgabe kurz bleibt — ein knapper Testbericht oder ein abgeschnittenes Protokoll statt alles. Bei Themenwechsel starten Sie neu, statt weiterzureden. Bei langem Verlauf fassen Sie mit Fokus zusammen.

8:47 Und der fünfte Schritt ist der strategische: Dauerhaftes nicht wiederholen, sondern in die Projektanweisungen schreiben. Ein technisches Detail dazu: Die Zusammenfassung schneidet nie zwischen Werkzeugaufruf und Ergebnis.

Große Codebasen für Pi navigierbar machen

9:00 Jetzt der Fall, der in der Praxis am meisten schmerzt: ein großes, gewachsenes Projekt. Hier entscheidet nicht die Größe des Kontextfensters, sondern die Navigierbarkeit. In großen Projekten zählen drei Dinge: klare Einstiegspunkte, ein knapper Architekturüberblick in den Projektanweisungen und Suchwerkzeuge statt vollständigen Lesens.

9:21 Praktisch hilfreich: Pi liest Kontextdateien auch aus übergeordneten Verzeichnissen — in einem Monorepo können Sie also allgemeine Regeln oben ablegen und je Paket eine eigene Datei führen. Das Bild dazu: ein Wegweiser an der Kreuzung statt eines vollständigen Stadtplans in der Tasche. Ein guter Wegweiser ersetzt hunderte gelesene Dateien.

9:41 Suchen findet Fundstellen, ohne den Baum zu laden — das ist der technische Kern. Ein einziger Absatz zur Ordnerstruktur spart dutzende Suchläufe, weil der Agent gar nicht erst falsch abbiegt. Je Paket eine eigene Anweisungsdatei hält Regeln nah am Code, wo sie auch gepflegt werden. Und der vierte Punkt wird oft vergessen: Markieren Sie generierte Artefakte ausdrücklich als irrelevant.

10:04 Sonst verbringt der Agent Zeit damit, kompilierte Ausgaben zu analysieren — und Sie zahlen für Tokens, die niemand braucht. Diese Übung erzeugt ein Artefakt, das Sie behalten. Sie schreiben einen Abschnitt in die Projektanweisungen, der Struktur, Einstiegspunkte und irrelevante Ordner nennt. Und dann kommt der eigentliche Test: eine Frage, die ohne Suchumwege korrekt beantwortet werden muss. Genau daran merken Sie, ob Ihr Wegweiser funktioniert.

10:31 Nebenbei ist das eine erstaunlich gute Übung für die Onboarding-Dokumentation — was einem Agenten hilft, hilft neuen Kolleginnen und Kollegen meistens genauso.

Arbeitsaufträge in sinnvolle Schritte zerlegen

10:41 Jetzt kommt aus meiner Sicht die wirksamste Einzelmaßnahme dieses Moduls. Wenn Sie nur eine Sache aus Context Engineering mitnehmen, dann diese: Zerlegen. Zerlegen heißt, eine Aufgabe in Teilschritte zu schneiden, die je einzeln prüfbar sind — statt einen großen Auftrag zu erteilen und am Ende alles gleichzeitig bewerten zu müssen.

11:01 Der Vergleich: Sie prüfen beim Kochen jede Komponente, statt am Ende ein fertiges Gericht zu probieren und zu rätseln, welche Zutat nicht stimmt. Und der Nebeneffekt ist ein Kontexteffekt: Wenn nur der aktuelle Schritt zählt, bleibt das Fenster klein und die Antworten präzise. Fehler zeigen sich früh und lokal — das ist der Hauptgewinn. Jeder Schritt liefert einen Zustand, den Sie committen können, was den Rückweg offen hält.

11:25 Der Kontext bleibt klein, weil nur der aktuelle Schritt im Fenster steht. Und der vierte Punkt ist eine bewusste Einordnung: Für dieses Zerlegen brauchen Sie keine Unter-Agenten. Pi hat sie nicht eingebaut, und in den meisten Fällen brauchen Sie sie auch nicht. Sequentielles Zerlegen ist unspektakulär und funktioniert zuverlässig.

11:46 Der Zweck dieser Schrittfolge ist, das Zerlegen selbst zu einer Routine zu machen. Ziel in einem Satz, Nachweis in einem Satz — das ist die Eingangshürde. Dann schneiden Sie: je Schritt eine Datei oder eine Verantwortung. Die Reihenfolge ergibt sich aus den Abhängigkeiten, nicht aus Ihrer Vorliebe. Dann gehen Sie Schritt für Schritt vor und prüfen nach jedem. Und der letzte Punkt ist ein Erlaubnissatz: Wenn sich das Ziel geändert hat, darf der Rest verworfen werden.

12:13 Bricht ein Schritt aus, war das Zerlegen zu grob.

Planen, obwohl Pi keinen klassischen Plan Mode benötigt

12:17 Jetzt zu einer der bewussten Weglassungen. Andere Werkzeuge haben einen Planungsmodus. Pi hat keinen — und ich finde die Lösung, die daraus entsteht, sogar praktischer. Das Projekt führt „no plan mode" ausdrücklich unter den bewusst weggelassenen Funktionen. Planung passiert deshalb als Arbeitsschritt: Erst erzeugen und prüfen Sie den Plan, dann setzen Sie um — bei Bedarf in getrennten Sitzungen oder in Zweigen desselben Sitzungsbaums.

12:44 Der Vorteil gegenüber einem Modus: Ein Plan als Text ist prüfbar, korrigierbar und wiederverwendbar. Ein Modus verschwindet, wenn Sie ihn verlassen. Ein geschriebener Plan können Sie ins Ticket kopieren oder im Team diskutieren. Vier Punkte. Der Plan als Text ist prüfbar und wiederverwendbar. Und jetzt der Trick, den ich besonders mag: Wenn Sie in der Planungsphase nur Lesewerkzeuge freigeben, kann der Agent gar nicht anfangen zu bauen — die Planphase wird technisch erzwungen statt nur erbeten.

13:14 Mit einem Sitzungs-Fork lassen sich zwei Umsetzungswege desselben Plans vergleichen; dazu mehr in Modul elf. Und wenn sich die Planung wiederholt, wird ein Prompt Template daraus. Das Muster kennen Sie jetzt schon. Worauf es hier ankommt: Der eigentliche Inhalt dieses Aufrufs ist nicht der Prompt, sondern die Werkzeugliste.

13:33 Vier lesende Werkzeuge, keine Schreibmöglichkeit — und im Prompt zusätzlich die ausdrückliche Anweisung, nichts zu ändern. Doppelt gesichert, technisch und sprachlich. Beachten Sie außerdem den Prompt selbst: Er verlangt fünf Schritte und je Schritt einen Nachweis. Das ist genau das Muster aus dem vorigen Kapitel, hier angewandt auf die Planung.

13:54 Und erst nach Ihrer Freigabe arbeiten Sie mit vollen Werkzeugen weiter.

Kontextverlust und unnötigen Tokenverbrauch vermeiden

13:59 Zum Abschluss das Phänomen, das die meisten Rätsel aufwirft: Der Agent „vergisst" etwas, das doch vereinbart war. Schauen wir uns an, warum das passiert und was dagegen hilft. Kontextverlust zeigt sich daran, dass Vereinbarungen vergessen werden oder der Agent auf überholte Zwischenstände zurückgreift. Die Ursache ist meist ein überfüllter Verlauf: Die automatische Zusammenfassung hat gebündelt, was Sie noch für präsent hielten.

14:24 Das ist wie bei einem Protokoll, das eine Stunde Diskussion auf fünf Sätze eindampft — die Beschlüsse stehen drin, die Nuance ist weg. Wenn Sie das wissen, ist es kein Rätsel mehr, sondern ein bekanntes Verhalten mit klarer Gegenmaßnahme. Zusammenfassungen behalten Bedeutung, nicht jeden Wortlaut — das erklärt die Symptome.

14:43 Ein Einstellwert bestimmt, wie viel jüngster Verlauf ungekürzt bleibt; in der Voreinstellung sind das etwa 20.000 Tokens Nahgedächtnis. Der wichtigste Satz kommt danach: Dauerhafte Regeln überleben nur in Dateien, nicht im Verlauf. Wer eine Regel im Chat vereinbart, hat sie nicht vereinbart, sondern erwähnt. Und die häufigste Ursache für Tokenverbrauch sind große Werkzeugausgaben, nicht Ihre Prompts.

15:08 Diese vier Fehler kennen wir jetzt alle im Ansatz. Verabredungen im Chat treffen statt sie festzuschreiben — der teuerste, weil er sich täglich wiederholt. Volle Testausgaben in den Kontext holen, statt gefiltert zu prüfen. Über Stunden in einer Sitzung bleiben, obwohl das Thema längst gewechselt hat. Und hohe Denktiefen für mechanische Aufgaben bezahlen.

15:29 Alle vier sind Bequemlichkeitsfehler, keine Wissenslücken — und deshalb hilft dagegen keine weitere Erklärung, sondern eine Gewohnheit.

Kontext ist Handwerk

15:38 Drei Sätze zum Mitnehmen. Kontext ist ein Budget, und Auswahl schlägt Menge — das gilt für Dateien wie für Werkzeugausgaben. Eine gute Anforderung besteht aus Auftrag, Grenze und Nachweis; wenn einer der drei Teile fehlt, verhandeln Sie hinterher. Und Dauerhaftes gehört in Dateien, Flüchtiges in die Sitzung. Genau an diesem letzten Punkt setzt das nächste Modul an: Wir schreiben die Projektanweisungen, die in jeder Sitzung gelten — und lernen dabei, wie man sie kurz hält.