Glossar Data

Was ist Context Engineering?

Context Engineering ist die Praxis, einem KI-Modell die Informationen zu geben, die es braucht, um eine Aufgabe korrekt zu erledigen: die Geschäftsdefinitionen, die relevanten Daten, die Regeln, die es befolgen muss, und die Tools, die es nutzen darf. Es legt fest, was in den Kontext des Modells gelangt, damit die Antworten dazu passen, wie das Unternehmen misst und entscheidet.

Auch bekannt als: AI Context Engineering, Kontextmanagement für KI

Was ist Context Engineering?

Ein KI-Modell weiß viel über die Welt und nichts über Ihr Unternehmen. Jede nützliche Antwort hängt vom Kontext ab, den es erhält: welche Daten, welche Definitionen, welche Regeln und welche Tools.

Bei Prompt Engineering geht es darum, wie Sie fragen. Bei Context Engineering geht es darum, was das Modell weiß, wenn es antwortet. Für geschäftliche Arbeit ist Letzteres meist wichtiger.

Wie funktioniert Context Engineering?

  • Instructions. The system prompt, the standing instructions a model gets before any question, plus examples of good answers when the task needs them. Giving examples is called few-shot prompting, and giving none is zero-shot.
  • Definitionen. Was jede Kennzahl bedeutet und wie sie berechnet wird, damit das Modell die Rechenlogik des Unternehmens nutzt.
  • Data. The current, relevant records for the question, retrieved from trusted sources.
  • Regeln. Richtlinien und Leitplanken, etwa Markenrichtlinien oder was ein Mensch freigeben muss.
  • Tools. Die Aktionen, die das Modell ausführen darf, und die Berechtigungen, mit denen sie laufen.
  • Grenzen. Nur das, was die Aufgabe braucht, denn zusätzlicher Kontext kann Antworten verschlechtern.

Was ist ein Beispiel für Context Engineering?

Beispiel

Zwei Antworten auf dieselbe ROAS-Frage

Asked for ROAS by channel, an assistant with no business context picks its own formula and its own date range. The answer looks confident and matches no report in the company.

Mit der ROAS-Definition des Unternehmens, seiner Kanaltaxonomie und seinem Geschäftsjahreskalender liefert derselbe Assistent die Zahl, die auch das Finanzteam berechnen würde. Nur der Kontext hat sich geändert.

Context Engineering vs. Prompt Engineering vs. Fine-Tuning

ThemaPrompt EngineeringContext EngineeringFine-Tuning
Was es verändertWie die Anfrage formuliert istWas das Modell beim Antworten weißDie Gewichte des Modells
Aktualisiert sich, wenn sich Daten ändernNeinJa, bei jeder AnfrageErst nach erneutem Training
Am besten fürTonalität und FormatGenaue, aktuelle Antworten zum GeschäftSpezieller Stil oder spezielle Aufgaben

Warum ist Context Engineering wichtig?

Die meisten falschen KI-Antworten im Geschäftsalltag liegen nicht am Modell. Das Modell hatte die falschen Daten, eine veraltete Definition oder gar keine Definition. Den richtigen Kontext herzustellen ist der direkteste Weg zu belastbaren KI-Antworten.

So setzt Alli das um

Wie setzt Alli das um?

Alli Semantic Layer, Teil von Alli by PMG, ist der Ort, an dem die Geschäftslogik des Marketings einmal definiert wird: gemeinsame KPI-Definitionen, harmonisierte Benennungen über alle Plattformen und Regionen sowie ein gemeinsames Data Dictionary. Jedes Team, jedes Tool und jeder KI-Agent in Alli arbeitet mit diesen Definitionen, sodass die KI auf der Logik aufbaut, auf die sich die Teams bereits geeinigt haben.

Alli Data liefert die kontrollierten, aktuellen Daten darunter, und Alli4u-Skills bündeln die Anweisungen und Tools, die ein Assistent für eine bestimmte Aufgabe braucht.

Alli Semantic Layer entdecken 
Read the analysis
Marketing Why teams ignore AI insights AI can now tell a team what to change. Often nobody has been given the job of deciding whether to. By Nathan Barling · October 31, 2026 

FAQ zu Context Engineering

Wie unterscheidet sich Context Engineering von Prompt Engineering?

Prompt Engineering bestimmt, wie eine Anfrage formuliert ist. Context Engineering legt fest, welche Informationen, Definitionen, Regeln und Tools das Modell beim Antworten hat. Für die geschäftliche Genauigkeit ist das meist wichtiger.

Ist RAG eine Form von Context Engineering?

Ja. Retrieval-Augmented Generation ruft relevante Dokumente oder Daten ab und fügt sie dem Kontext des Modells hinzu. Context Engineering umfasst zusätzlich Definitionen, Regeln und Tools.

Kann zu viel Kontext KI-Antworten verschlechtern?

Ja. Zusätzliche, irrelevante Informationen können ein Modell ablenken und Antworten ungenauer machen. Guter Kontext beschränkt sich auf das, was die Aufgabe braucht.

Wie hilft ein Semantic Layer der KI?

Er gibt der KI die unternehmenseigenen Kennzahldefinitionen und Benennungen, sodass das Modell Zahlen so berechnet wie das Unternehmen, statt zu raten.

What is a context window?

It's how much a model can take in at once, measured in tokens. It covers the instructions, the conversation, and any retrieved data. Windows have grown large, but models still tend to use what's at the start and end of a long context better than what's in the middle. So a bigger window doesn't remove the need to choose what goes in.

Last updated Back to the glossary

Sehen Sie diese Ideen mit Ihren Daten in Aktion.

Vereinbaren Sie einen Rundgang, und wir zeigen Ihnen live, wie Alli Ihre Daten verbindet, definiert und nutzbar macht.

Kennenlernen vereinbaren