Startseite / Artikel

Prompt Engineering reicht nicht aus: Kontextengineering für Mehr-Agentensysteme

Mehr-Agentensysteme versagen selten innerhalb eines Schritts. Sie versagen zwischen den Schritten, wenn der falsche Kontext eintrifft. Wie man Zustände und Übergänge in LangGraph entwirft.

Verlag: REACTAPP.TOP7 Min. Lesezeit1548 Wörter

Quellen: Prompt Engineering Is Dead for AI Agents — Here Is What Actually Works — Context Engineering

Der Begriff Context Engineering wird als die Kunst definiert, das Kontextfenster genau mit den richtigen Informationen für den nächsten Schritt zu füllen. Für alle, die beobachtet haben, wie mehrere Agentensysteme in der Produktion versagt haben, beschreibt er etwas, das zuvor keine Bezeichnung hatte.

Das typische Versagensmuster ist überall dasselbe. Die Anfragen sind in Ordnung, die Modelle leistungsfähig und die Logik sieht in einem Notebook sauber aus. Dann trifft das System auf die Produktionsumgebung und versagt – nicht innerhalb einzelner Schritte, sondern zwischen ihnen. Stellen Sie sich einen Agenten zur Zusammenfassung von Gesundheitsdaten vor, der genau die richtigen Dokumente abruft, gefolgt von einem Agenten, der ein vereinfachtes Zustandsobjekt erhält und eine Patientengeschichte erfindet, die drei Knoten weiter flussaufwärts lag. Das Modell hat nicht versagt – der Kontextaustausch schon. Wochenlange Anpassungen von Systemanfragen werden nichts ändern, was niemals ein Problem mit den Anfragen selbst war.

Einfach ausgedrückt passt die Prompt-Engineering-Methodik die Frage an, während die Context-Engineering-Methodik die Bedingungen anpasst, unter denen die Frage beantwortet wird. Agenten versagen meist nicht in ihren einzelnen Schritten – sie versagen zwischen den Schritten, weil jeder Knoten falsche Informationen enthält.

Ein Problem, das keinen Namen hat, bis es zuschlägt

Die meisten Teams entwickeln ihr erstes Multi-Agenten-System auf dieselbe Weise. Sie konzentrieren sich auf den System-Prompt mit klaren Aufgabenbeschreibungen, Regeln zur Formatierung der Ausgabe sowie einigen Beispielen, und der einzelne Agent funktioniert gut. Wenn anschließend drei Agenten miteinander verbunden werden, sinkt die Qualität. Agent zwei hat keine Ahnung, was Agent eins entschieden hat, Agent drei fügt Kontexte ein, die Agent zwei nie erzeugt hat, und bereits im vierten Schritt wird die Antwort mit voller Überzeugung – aber völlig falsch – geliefert, da nichts über das tatsächlich Geschehene weitergeleitet wurde.

Es ist wie das Überreichen eines Staffelstabs, ohne dem nächsten Läufer mitzuteilen, wo das Rennen stattgefunden hat oder in welcher Bahn er laufen soll. Der Läufer ist fähig – das Problem liegt bei der Übergabe.

Auch handelt es sich dabei nicht einfach um ein Problem der Modellfähigkeiten. Eine im Juli 2025 von Chroma veröffentlichte Studie testete 18 LLMs, darunter Claude 4, GPT-4.1 und Gemini 2.5, und stellte fest, dass die Leistung mit zunehmendem Kontext ungleichmäßig abnimmt – selbst bei äußerst einfachen Abrufaufgaben. Aufmerksamkeit hat ihren Preis. Was in den Blickfeldbereich gelangt und was ausgeblendet wird, prägt fast alles, was zurückkommt. Prompt-Engineering hat dieses Problem nie berücksichtigt und war auch nicht dafür konzipiert. Ein gut formulierter Systemprompt gibt an, was zu tun ist, während das Kontext-Engineering bereitstellt, was das Modell zum guten Ausführen in diesem Moment wissen muss.

Was diese Disziplin tatsächlich ist

Eine klare Definition: Das Entwerfen dynamischer Systeme, die dem Modell die richtigen Informationen im richtigen Format zur richtigen Zeit liefern, damit es alles hat, was es für den nächsten Schritt benötigt. Es handelt sich dabei um Infrastrukturarbeit und nicht um sprachliche Arbeit. Das Ziel sind nicht schönere Sätze, sondern eine gezielte Kontrolle darüber, was bei jeder Übergangssituation durch das Agenten-Graph fließt.

In einem LangGraph-Projekt kommt die größte Verbesserung oft vom AgentState TypedDict und nicht von irgendwelchen Prompts. Behandeln Sie den Zustand nicht länger als Notizblock, sondern als Vertrag, in dem jeder Knoten angibt, was er liest und wofür er für das Schreiben verantwortlich ist. Spätere Agenten erfinden keine Fakten mehr, weil sie nicht mehr raten müssen, was zuvor passiert ist. Alles befindet sich im strukturierten und auffindbaren Zustand.

Drei Schichten sind in der Produktion wichtig.

Der persistente Kontext ist das, was der Agent stets kennen sollte: das Ziel des Benutzers, seine Einschränkungen, Entscheidungen aus früheren Phasen der Sitzung sowie Domänenvorschriften. In einem Gesundheitsprozess wären dies der Patientenkontext, regulatorische Grenzen und Risikoschwelle, die einmal zu Beginn des Graphen eingefügt werden und danach nicht mehr entfernt werden.

Der zeitlich sensible Kontext umfasst das, was derzeit zutrifft, aber sich ändern wird: abgerufene Dokumente, aktuelle Ausgaben von Tools, API-Antworten sowie das Ergebnis des neuesten SchlussfolgerungsSchritts. RAG gehört hierher als eine Schicht einer größeren Architektur und nicht als die gesamte Lösung. Das Abrufen ist der einfachere Teil; schwierig ist es, zu entscheiden, welcher abgerufene Inhalt weiterverwendet wird, wie er komprimiert werden soll und in welcher Formatierung.

Der vorübergehende Kontext ist das, was der aktuelle Schritt benötigt und der nächste nicht: rohe API-Daten, ausführliche Zwischenergebnisse sowie Protokolle von Tool-Aufrufen. Man sollte ihn aktiv entfernen anstatt ihn anzuhäufen, denn jeder überflüssige Token konkurriert um die Aufmerksamkeit mit den wichtigen Tokenen.

Produktionsfehler fallen in der Regel in eine von drei Kategorien: Die dauerhafte Schicht wurde nie bereitgestellt, die zeitabhängige Schicht veraltete zwischen den Schritten, oder die vorübergehende Schicht wurde nicht bereinigt und beeinträchtigte späteres Denken.

Kontext in einem LangGraph-Pipeline

Hier ist eine vereinfachte Methode, den Zustand für ein mehr-Agenten-Forschungspipeline zu strukturieren. Der Code ist weniger wichtig als die Disziplin dahinter.

from typing import TypedDict, Optional, List
from langgraph.graph import StateGraph

class ResearchAgentState(TypedDict):
    # Persistent context — set once, never overwritten
    user_goal: str
    domain_constraints: List[str]
    session_id: str

    # Time-sensitive context — updated by retrieval/tool nodes
    retrieved_docs: List[str]
    current_findings: str
    last_tool_result: Optional[str]

    # Transient context — cleared after use
    raw_api_payload: Optional[str]   # cleared after parsing
    intermediate_reasoning: Optional[str]  # cleared after synthesis

Jeder Knoten erhält diesen Zustand und aktualisiert nur seinen eigenen deklarierten Teil, während ein Orchesterator an der Spitze entscheidet, welche Unteragenten aktiviert werden und welchen Zustandsanteil sie erhalten. Das ist Kontextrouting. Ein Kodierungsunteragent benötigt keine von einem Fachexperten abgerufenen medizinischen Literaturquellen, und ein Zusammenfassungsagent braucht nicht die Rohdaten eines Datensammlers. Jeden Agenten mit allem auszustatten, ist wie die gesamte Firma vor jedem Meeting einzubringen: technisch vollständig, aber betriebsbedingt katastrophal. Das Routing des Kontexts nach Rolle verringert den Tokenverbrauch und verringert vor allem die Halluzinationen bei Spezialagenten, die nicht mehr durch irrelevante Materialien abgelenkt werden, die um einen begrenzten Zeitrahmen konkurrieren.

Das Model Context Protocol beschleunigt dieses Muster. Bis Ende 2025 gab es Berichten zufolge mehr als 10.000 öffentliche MCP-Server – eine Standard-Schnittstelle, über die Agenten Tools, Datenbanken und externe Systeme in strukturierter Form abfragen können. Architektonisch gesehen verlagert es die Quellen für den Kontext außerhalb des Agenten, sodass dieser nur das benötigte Material abrufen kann, anstatt alles im Voraus geladen zu bekommen. Man stelle sich eine Bibliothek gegenüber einem Informationsdokument vor: Der Agent geht zum Regal, um ein bestimmtes Buch zu holen, und trägt nicht die ganze Bibliothek mit sich herum.

Qualität ist wichtiger als Menge

Eine Umfrage aus dem Jahr 2026 ergab, dass 82 % der IT- und Datenleiter der Ansicht sind, dass allein die Prompt-Engineering-Methoden für produktive KI-Anwendungen nicht mehr ausreichen, und dass 95 % der Datenteams in jenem Jahr in Fähigkeiten zum Kontext-Engineering investieren wollen. Dennoch konzentrieren sich die meisten Diskussionen auf die Menge: größere Datenmengen, mehr abgerufene Informationen, mehr Tools. Das eigentliche Engpass ist jedoch die Qualität.

Veralteter Kontext ist schlimmer als keiner. Ein Agent, der selbstbewusst auf einem gestern abgerufenen Dokument handelt, ohne zu wissen, dass dieses bereits ersetzt wurde, erzeugt Fehler, die wie logisches Denken aussehen. In Pipelines von natürlicher Sprache zu SQL ist ein Schema-Drift ein häufiger Übeltäter: Die erzeugte SQL-Abfrage ist zwar korrekt für ein Schema, das nicht mehr existiert. Die Anfrage war in Ordnung, der Kontext jedoch falsch.

Auch unkontrollierter Kontext stellt ein Sicherheitsproblem dar. Wenn Agenten auf alle Daten im System zugreifen können – einschließlich Daten anderer Benutzer, früherer Sitzungen sowie sensibler Tool-Ausgaben – liegt ein Kontextleck nur einen Schritt von einer Prompt-Injection entfernt. Ein Kontextdesign mit minimalem Berechtigungsgrad ist daher unerlässlich. Da berichtenswürdig 86 % der CISOs keine Durchsetzungsrichtlinien für den Agentenzugriff haben, wird die Kontextverwaltung wahrscheinlich der Ausgangspunkt für die nächste Welle von Unternehmens-AI-Vorfällen sein.

Beschränkungen

Context Engineering beseitigt nicht die zugrunde liegende Aufmerksamkeitsbegrenzung. Die Chroma-Ergebnisse zeigten, dass die Zuverlässigkeit mit zunehmender Eingabellänge abnimmt – selbst dann, wenn der Kontext gut strukturiert ist. Daher führt ein besserer Kontext zu zuverlässigerem Verhalten, aber nicht zu einem unbegrenzt zuverlässigen Kontext. Wenn der Kontext tatsächlich sehr umfangreich ist, beispielsweise bei autonomen Agenten, die stundenlang laufen, oder bei der Synthese aus Hunderten von Dokumenten, sollte er mit aggressiver Zusammenfassung, hierarchischer Abruflogik sowie expliziter Speichermanagement-Strategie kombiniert werden. Context Engineering entscheidet darüber, was in das Fenster aufgenommen wird, während die Speicherverwaltung dafür sorgt, was passiert, wenn das Fenster nicht ausreicht.

Es kann auch keine Bewertung ersetzen. Ein wunderschön strukturierter Pipeline, der ständig die falschen Dokumente abruft, wird mit Sicherheit versagen – daher benötigen die Abrufschicht, die Speicherschicht sowie die Routierungslogik jeweils ihre eigene Bewertung, unabhängig von der Ausgabequalität. Zudem eignet er sich für gut abgegrenzte Aufgaben mit stabilen Kontextanforderungen. Bei offenen, explorativen Agenten, bei denen der relevante Kontext im Voraus nicht bekannt sein kann, passt ein dynamischer Abruf, der dem Modell Unsicherheit signalisiert, besser.

Wo anzufangen

Öffnen Sie die Definition von AgentState und stellen Sie sich drei Fragen: Was geht jedes Knoten als bereits im Zustand vorhanden aus? Was erhält es tatsächlich? Was wird weggelassen, bevor es benötigt wird? Die Distanz zwischen Annahme und Realität ist der Punkt, an dem der Agent derzeit versagt – und das liegt nicht am Systemprompt.

Die beste Erweiterung für ein bereits laufendes Mehr-Agentensystem ist selten ein neueres Modell. Es geht vielmehr darum, bei jedem Schritt zu prüfen, was verfügbar ist: Fehlplatzierte Elemente entfernen und sicherstellen, dass das Verbleibende aktuell, gut strukturiert ist und auf das Bedürfnis des Empfänger-Agenten beschränkt bleibt. Beginnen Sie mit einem Knoten, prüfen Sie seine Eingaben – so beginnt die Steigerung der Zuverlässigkeit und verstärkt sich schnell.