Vom Prompt Engineering zum Context Engineering: Der leise Disziplinwechsel 2026

Zwei Jahre lang haben wir über Adjektive gestritten. Jetzt streiten wir über Architektur.

Wer mit LLMs baut, hat es gespürt. Der Wortschatz hat sich in den letzten neun Monaten unter unseren Füßen verschoben und die meisten haben es nicht bemerkt. „Prompt Engineer" — ein Jobtitel, der kurzzeitig LinkedIn beherrschte — ist still geworden. „Context Engineering" hat seinen Platz eingenommen. Der Wechsel ist in den Worten klein und in dem, was er darüber aussagt, wie ernsthafte Teams tatsächlich Agenten bauen, gewaltig.

Der Prompt war nie das Produkt

2023 und 2024 war ein großer Teil von „KI-Engineering" tatsächlich Prompt Engineering. Du hattest ein Modell, keine Tools, kein Memory, kein Retrieval. Die gesamte Interaktion passte in ein einziges Chatfenster. Wenn die Ausgabe nicht stimmte, war die Antwort meistens eine bessere Anweisung: spezifischer, mehr Beispiele, mehr Struktur. Mit Cleverness allein kam man weit.

Dann bekamen die Modelle Tool-Nutzung. Sie bekamen Memory. Sie bekamen Retrieval über private Daten. Sie bekamen mehrstufige Pläne. Plötzlich war der Prompt nicht mehr das ganze System — er war ein kleiner Aufruf im Zentrum einer viel größeren Maschine. Und eine kleine, clevere Anweisung im Zentrum einer lauten Maschine ist bestenfalls ein kleiner Teil der Antwort.

Sourcegraph hat es treffend formuliert: Der klarste Hinweis, dass du von Prompt Engineering zu Context Engineering gewechselt bist, ist, ob deine Verbesserungen vom Umformulieren oder vom Umverdrahten kommen.

Was Context Engineering wirklich ist

Context Engineering ist die Disziplin, zu entscheiden, was das Modell sieht, wann und in welcher Form. Es ist Klempnerarbeit. Es ist die unsexy Arbeit, die bestimmt, ob ein Agent tatsächlich das tut, was du wolltest, oder selbstbewusst über die falsche Datei halluziniert.

In der Praxis zerfällt sie in eine Handvoll Fragen, die jedes Agent-Team beantworten muss:

• Was rufen wir ab? Den richtigen Snippet, das richtige Dokument, den richtigen Memory-Eintrag — nicht den gesamten Korpus.
• Wann holen wir es? Vor dem Call, währenddessen, lazily nach einem Fehler?
• Wie komprimieren wir es? Lange Historien sprengen das Context Window und ertränken das Signal. Summarisierung, Eviction und selektives Replay werden zu First-Class-Features.
• Was vergessen wir? Memory ist kein Log. Zu entscheiden, was man nicht behält, ist oft wichtiger als das, was gespeichert wird.
• Was schreiben wir zurück? Tool-Outputs, Zwischenergebnisse, Scratch-State — alles konkurriert um dasselbe endliche Fenster.

Nichts davon steht im Prompt. Alles davon entscheidet, ob der Agent funktioniert.

Der Lackmustest in Produktion

Man sieht den Unterschied in den Fehlermodi. Prompt-engineerte Systeme scheitern, weil das Modell die Anweisung falsch verstanden hat — und die Lösung ist ein Absatz sorgfältig gewählter Worte. Context-engineerte Systeme scheitern, weil das Modell die falschen Informationen gesehen hat, die falsche Version oder veraltete Daten — und die Lösung ist ein anderer Datenpfad, ein anderer Retrieval-Ranker, eine andere Komprimierungs-Policy.

Die erste Art Bug lebt in einer Markdown-Datei. Die zweite Art Bug lebt in der Systemarchitektur. Deshalb wird „Context Engineering" inzwischen von Leuten gemacht, die früher Backend-Engineers waren, nicht von Leuten, die früher Copywriter waren.

Wie wir darüber denken

Bei heimdall.engineering ist unsere Agent-Schicht inzwischen fast vollständig Context Engineering. Der System-Prompt ist klein und stabil; die interessante Arbeit liegt darin, was der Agent reinholt. Welche Dateien sieht er, wenn er einen Task öffnet? Welche Erinnerungen aus früheren Sessions sind relevant? Welche Tool-Outputs werden zusammengefasst und welche bleiben verbatim? Welche Fehler sind es wert, wiederholt zu werden, und welche sind Rauschen?

Wir verbringen weit mehr Zeit mit Retrieval-Ranking, Memory-Eviction und Tool-Output-Komprimierung als mit dem Prompt selbst. Wenn etwas schiefläuft, ist es fast nie „das Modell hat es nicht verstanden". Es ist „das Modell hat das Falsche gesehen". Dieselbe Beobachtung, die jedes ernsthafte Agent-Team 2026 macht.

Warum das der eigentliche Engineering-Shift ist

Prompt Engineering war die Disziplin, mit einem Modell zu sprechen. Context Engineering ist die Disziplin, die Welt zu bauen, in der das Modell operiert. Das erste ist eine Schreib-Skill. Das zweite ist eine Systems-Skill.

Und sobald man das akzeptiert, lösen sich viele Folgefragen von selbst. Warum werden Agent-Frameworks opinionierter beim Thema Memory? Warum sind alle besessen von Retrieval-Evals? Warum ist „RAG" aufgehört, ein Buzzword zu sein, und angefangen, eine Produktoberfläche zu werden? Es ist alles Context Engineering. Es ist alles Klempnerarbeit. Und Klempnerarbeit ist, wie sich herausstellt, dort, wo der Hebel liegt.

Wenn du 2026 für Agent-Arbeit einstellst, hör auf, auf Prompt-Cleverness zu interviewen. Interview jemanden, der eine Retrieval-Pipeline entwerfen, über Eviction-Policies nachdenken und debuggen kann, warum das Modell eine drei Stunden alte Datei-Version gesehen hat. Die Disziplin hat sich geändert. Die Stellenbeschreibung auch.