Kontext-Hierarchie
Permanent → Skill → Task → Dynamic. Reduziert Tokens und verbessert Antworten zugleich.
// Context Engineering
Disziplin
Was DevOps für Cloud war,
ist Context Engineering für Agentic AI.
Systematische Steuerung, welcher Kontext wann an welchen Agenten fließt — betreibbar, messbar, kosten-kontrolliert.
// 01 · Das Problem
„Lost in the Middle"
Mehr Kontext ist nicht mehr Qualität.
Auch bei 200.000 Tokens ignorieren LLMs Inhalte in der Mitte langer Prompts. Wer „alles reinkippt", zahlt für 70 % verschwendete Tokens — und bekommt eine unschärfere Antwort.
Kontextfenster · Recall-Wahrscheinlichkeit
Liu et al. 2023 · „Lost in the Middle"
Wie zuverlässig erinnert das LLM, was an welcher Stelle steht?
Anfang und Ende werden fast immer gefunden. In der Mitte sinkt die Wahrscheinlichkeit deutlich — unabhängig von der Kontext-Größe.
AnfangMitteEnde
Position wählen
Position 15 / 28·Erinnerungs-Wahrscheinlichkeit 40%
Nach Context Engineering
~40% kürzer · alles relevant
Dieselbe Aufgabe, aber nur noch kuratierter Kontext. Jede Zelle trägt Signal — nichts verblasst in der Mitte.
AnfangEnde
token_budget · 128kLIVE
Budget128.000 Tokens
Beobachtung
Mehr Budget heißt nicht mehr Signal — es heißt mehr Kanäle pro Tier.
Wirkung
Saubere Tier-Trennung reduziert Token-Verbrauch typischerweise um 80 %.
Regel
Context-Dichte > Context-Länge. Jeder Tier hat ein Budget, keines wird überzogen.
0 %
Token-Reduktion
in typischen Context-Hierarchy-Szenarien, bei gleicher Qualität.
0 %
verschwendete Tokens
wenn der Prompt kein Tier-Modell hat — der Default in der Praxis.
0k
Kontext-Fenster
reicht nicht — ohne Hierarchie wird auch Mehr nicht besser.
// 02 · Vier Bausteine
Die Disziplin
Vier Bausteine, die eine Agent-Architektur tragen.
Ob KI zu einer zuverlässigen Infrastruktur wird oder eine Sammlung loser Experimente bleibt, entscheidet das Zusammenspiel dieser vier.
Tool-Scoping
Pro Rolle ein sauberes Tool-Set, standardisiert über MCP. Macht Verhalten vorhersagbar und Audits machbar.
Memory & State
Session-Logs, curated Memory, Shared State. Struktur macht aus Gesprächen eine Wissensbasis.
Delegation
Orchestrator → Worker mit klaren Scopes. Komplexes zerlegen, parallel bearbeiten, konsolidieren.
// 03 · RAG ≠ Strategie
Abgrenzung
RAG ist ein Werkzeug. Context-Hierarchie ist die Strategie.
Retrieval Augmented Generation holt ähnliche Chunks zur Anfrage. Das funktioniert — bis Anfragen strukturell über ein Dokument hinausgehen oder Ähnlichkeit semantisch danebengreift.
rag ↔ context
Context-zentrisch
Tier → Skill → Delegation
- Permanenter Kontext bleibt zusammen
- Skill-basiertes Loading pro Aufgabe
- Rollen-Scopes & Rechte explizit
- RAG punktuell als Lookup-Werkzeug
RAG-zentrisch
Chunk → Similarity → Antwort
- Dokumente in Chunks zerschnitten
- Top-k-Ähnlichkeit entscheidet Relevanz
- Kein Rollen- oder Skill-Modell
- Audits: „Woher kam die Antwort?" offen
Context-zentrisch
Tier → Skill → Delegation
- Permanenter Kontext bleibt zusammen
- Skill-basiertes Loading pro Aufgabe
- Rollen-Scopes & Rechte explizit
- RAG punktuell als Lookup-Werkzeug
RAG 50%
Context 50%
RAG ist ein Werkzeug, keine Strategie. Wir kombinieren Context-Hierarchie als Fundament mit RAG als Lookup-Ergänzung.
// 04 · autoresearch
Modify → Run → Evaluate → Keep
KI, die über Nacht Verbesserungen vorschlägt.
Ein Muster, kein Werkzeug. Der Agent verändert eine Konfiguration, misst gegen eine klare Metrik, behält Verbesserungen, verwirft den Rest.
276 experimente · 1 nachtLIVE
0
Experimente
autonom durchlaufen, alle reproduzierbar protokolliert.
0
Übernommene Verbesserungen
mit messbarer Wirkung — z. B. Lighthouse 60 → 95.
0 %
Token-Reduktion
bei gleicher Antwortqualität — typisches Resultat.
Voraussetzung: messbare Metrik, schnelles Feedback, isoliert testbare Änderungen. Nicht für sicherheitskritischen Code.
// 05 · Agent Harness
Architektur-Pattern 2026
Drei Protokolle — ein sicherer Rahmen,
in dem Ihre Agenten arbeiten.
Runtime-Umgebung mit klaren Rechten, Observability und Revision. Ein Betriebssystem für KI.
MCP
Model Context Protocol
„USB für KI-Tools" — herstellerunabhängiger Standard für CRM-, ERP-, Datenquellen.
ACP
Agent Communication Protocol
Spawn, Pause, Resume, Kontext-Update — alles mit Audit-Log.
A2A
Agent-to-Agent
Kommunikation zwischen Agenten über Systemgrenzen hinweg.
Nächster Schritt
Ein technisches Tiefengespräch
ist der beste Einstieg.
Wir besprechen Ihre Agent-Landschaft und zeigen, welche Context-Architecture-Entscheidungen den größten Effekt haben.