Zusammenfassung: Context Engineering hat Prompt Engineering als Kernkompetenz für produktive KI-Anwendungen abgelöst. Statt einzelner Prompts zu optimieren, gestaltet man die gesamte Informationsumgebung, die ein LLM beim Inferenzvorgang sieht. Dieser Artikel fasst die wichtigsten deutschsprachigen Ressourcen, Frameworks und Best Practices zusammen.
Context Engineering ist die systematische Disziplin, die vollständige Informationsumgebung zu entwerfen, aufzubauen und zu optimieren, die ein Large Language Model (LLM) in seinem Kontextfenster erhält.
Es umfasst:[1]
Andrej Karpathy (Juni 2025): „Context Engineering ist die heikle Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für den nächsten Schritt zu füllen.“[1]
| Dimension | Prompt Engineering | Context Engineering |
|---|---|---|
| Fokus | Einzelne Anweisung formulieren | Gesamtes Informationsökosystem gestalten |
| Umfang | Prompt / Template | System-Prompt + RAG + Memory + Tools |
| Entstehung | 2022–2023 (GPT-Ära) | 2025 (Agenten-Ära) |
| Kompetenz | Klare Anweisungen schreiben | Informationsfluss architektieren |
| Token-Bewusstsein | Gering | Kritisch (jedes Token = Budgetentscheidung) |
| Dynamik | Statisch | Echtzeit-Abruf, Komprimierung, Isolation |
| Analogie | Prüfungsfrage formulieren | Gesamten Lehrplan gestalten |
Kernaussage: Prompt Engineering ist eine Komponente von Context Engineering, keine separate Disziplin.[2][1]
LangChain hat das nützlichste Framework für Context Engineering popularisiert – Write, Select, Compress, Isolate:[3][1]