Kontext macht KI brauchbar
Warum Qualität häufig vor der eigentlichen Antwort entsteht.
Eine KI kann sprachlich überzeugen und trotzdem am Unternehmen vorbeiarbeiten. Ursache ist häufig nicht das Modell, sondern fehlender, veralteter oder ungeordneter Kontext. Professionelle Architektur liefert die richtigen Informationen – nicht möglichst viele.
Qualität beginnt vor der Antwort.
Kernpunkte
Kontext ist Arbeitsgedächtnis
Das Modell nutzt nur, was im aktuellen Rahmen verfügbar und verständlich ist.
Mehr Daten sind nicht automatisch besser
Relevanz, Aktualität und klare Grenzen sind wichtiger als Masse.
Stabil und variabel trennen
Grundlagen bleiben wiederverwendbar; Falldaten werden gezielt ergänzt.
Fünf Arten von Kontext
| Art | Beispiele | Nutzen |
|---|---|---|
| Unternehmen | Leistung, Positionierung, Ton. | Verhindert generische Antworten. |
| Rolle | Geschäftsführung, Vertrieb, Projektleitung. | Bestimmt Verantwortung und Perspektive. |
| Aufgabe | Ziel, Empfänger, Format, Frist. | Macht die Anfrage konkret. |
| Wissen | Freigegebene Fakten, Dokumente, Beispiele. | Erhöht fachliche Passung. |
| Grenzen | Sensible Daten, Zusagen, Freigaben. | Schützt Unternehmen und Kunden. |
Context Engineering in fünf Schichten
- Stabiler Grundkontext: Rolle, Unternehmenssprache, Leistungsrahmen und Qualitätsregeln.
- Situativer Kontext: Kunde, Ziel, Verlauf, gewünschtes Ergebnis und Einschränkungen.
- Abrufbares Wissen: Nur relevante Ausschnitte aus freigegebenen Quellen.
- Sensible Informationen: Daten minimieren, anonymisieren und unnötige Details weglassen.
- Aktualität: Preise, Richtlinien und Zuständigkeiten regelmäßig pflegen.
Ohne Kontext entsteht eine allgemeine Entschuldigung. Mit Leistungsumfang, bisheriger Kommunikation, Tonalität und der Regel, keine Schuld oder Kulanz vor Prüfung zuzusagen, wird die Antwort geschäftlich passend.
Kurzcheck
- Rolle, Ziel und Empfänger sind klar.
- Nur notwendige Kundendaten werden verwendet.
- Fakten und Annahmen sind getrennt.
- Quelle und Aktualität des Wissens sind erkennbar.
In drei Schritten starten
Rolle und Ziel klären
Wer spricht, für wen, mit welchem Ergebnis und in welchem Format?
Verlässliche Fakten wählen
Nur relevante, freigegebene und aktuelle Informationen bereitstellen.
Grenzen setzen
Sensible Daten minimieren, Annahmen markieren und Aktualität regelmäßig prüfen.
Welche drei Informationen fehlen der KI heute am häufigsten, damit Antworten wirklich zu Ihrem Unternehmen passen?
Quellen & Standards
- Effective context engineering for AI agents — Anthropic Engineering
- Context windows — Anthropic Claude API Docs
Machen Sie bestehende KI verlässlich, führbar und strategisch wirksam.
Architekturgespräch anfragen →