DOKUMENTE, AKTEN UND VERTRÄGE LIEFERN ERST MIT KONTEXT VERLÄSSLICHE INFORMATIONEN. DER Blogartikel ERKLÄRT, WIE CONTEXT ENGINEERING KI IM DOKUMENTENMANAGEMENT PRODUKTIV EINSETZBAR MACHT.
Inhaltsverzeichnis
Context Engineering: Warum KI ohne Kontext keine Wahrheit kennt
Als ChatGPT Ende 2022 veröffentlicht wurde, war das Staunen groß. Plötzlich konnte man einer KI in natürlicher Sprache Fragen stellen – und bekam erstaunlich gute Antworten. Prompt Engineering, also die Kunst, das Richtige richtig zu formulieren, wurde über Nacht zu einer neuen Disziplin. Wer die passenden Worte fand, bekam beeindruckende Ergebnisse.
Doch wer regelmäßig mit KI arbeitet, weiß auch: So einfach ist es nicht. Ein kleiner Unterschied in der Formulierung kann das Ergebnis komplett verändern. Und obwohl KI in Sekunden Text produziert, bleibt oft unklar, ob das Ergebnis auch wirklich stimmt.
Diese Diskrepanz zeigt ein grundsätzliches Problem: KI kann Sprache, aber sie versteht nicht. Zumindest nicht ohne Hilfe.
Hier kommt Context Engineering ins Spiel. Es geht darum, künstliche Intelligenz nicht einfach nur auf Daten loszulassen, sondern sie in ein strukturiertes, sinnvolles Umfeld einzubetten. So weiß die KI, worüber sie spricht, woher die Informationen stammen und wie sie im Unternehmenskontext zu interpretieren sind.
1. Warum Prompt Engineering nicht reicht
Prompt Engineering hat die ersten großen Aha-Momente mit KI ermöglicht. Und auch heute experimentieren Unternehmen täglich mit neuen Prompts, um bessere Antworten zu erzielen.
Doch genau hier liegt auch die Grenze: Für standardisierte Aufgaben gibt es längst bessere Lösungen: Workflows oder Programmcode.
KI kann hier unterstützen, indem sie Tools auswählt oder Parameter füttert. Aber der eigentliche Mehrwert entsteht dort, wo Aufgaben nicht standardisiert sind, wo Erfahrung, Wissen und Interpretation gefragt sind.
Unternehmen profitieren von KI vor allem in zwei Bereichen:
- In der Applikation, wenn Fachkräfte mit komplexen, nicht standardisierten Aufgaben arbeiten. Hier ist es entscheidend, dass sie in freier Sprache agieren können und die KI diese Eingaben zuverlässig in bestehende Prozesse einordnet.
- In der Orchestrierung, wenn agentische Systeme verschiedene Tools und Anwendungen verbinden. KI wird so zum Bindeglied zwischen zuvor isolierten Systemen und schafft Prozessketten, die bisher kaum möglich waren.
In solchen Szenarien reicht es nicht, gute Fragen zu stellen. Hier entscheidet der Kontext – oder präziser gesagt: das Context Engineering.
Denn wenn KI verstehen soll, wie ein Vorgang, ein Vertrag oder ein Dokument einzuordnen ist, muss sie Zugriff auf Daten, Metadaten und semantische Beziehungen haben. Nur dann kann sie die Brücke schlagen zwischen Sprachverstehen und Unternehmenslogik; gibt so Orientierung, schafft Vertrauen und macht KI zu einem integralen Bestandteil der Unternehmens-IT.
2. Was ist Context Engineering? Definition und Abgrenzung
Context Engineering bedeutet, KI nicht nur mit einem Prompt zu versorgen, sondern in ein strukturiertes Informationsumfeld einzubetten. Während Prompt Engineering die Eingabe optimiert, stellt Context Engineering sicher, dass die KI die relevanten Rahmenbedingungen kennt:
- Welche Daten sind relevant?
- Welche Metadaten geben Orientierung?
- Welche semantischen Beziehungen bestehen zwischen Objekten und Prozessen?
Der Begriff ist im Umfeld von Large Language Models (LLMs) entstanden, die zwar beeindruckend formulieren, aber ohne Kontext leicht am Bedarf vorbeigehen.
Ein einfaches Beispiel zeigt das deutlich:
Prompt: „Fasse den Vertrag XY zusammen.“
Ohne Kontext weiß die KI nicht, welche Version gemeint ist, welche Gültigkeit der Vertrag hat oder ob es sich um einen Entwurf handelt.
Das Ergebnis: eine sprachlich saubere, aber inhaltlich falsche Antwort.
Mit Context Engineering weiß die KI dagegen, welcher Vertrag aus welchem System stammt, wer ihn erstellt hat, wann er zuletzt geändert wurde – und liefert eine korrekte, nachvollziehbare Zusammenfassung.
Context Engineering sorgt dafür, dass KI nicht “errät“, sondern versteht – und dadurch Ergebnisse liefert, die tragfähig, überprüfbar und fachlich relevant sind.
3. Kontext als Schlüssel: Warum Context Engineering KI relevant macht
Große Sprachmodelle sind mächtige Textgeneratoren. Doch ohne Kontext fehlt ihnen die Verankerung in den realen Unternehmensdaten. Sie liefern plausible Antworten, aber keine verlässlichen.
Ein praktisches Beispiel:
Frage an die KI: „Ist der Vertrag XY bereits von der Rechtsabteilung freigegeben?“
Ohne Kontext antwortet das Modell möglicherweise wie folgt:
„In den meisten Fällen erfolgt die Freigabe durch die Rechtsabteilung, nachdem alle fachlichen Prüfungen abgeschlossen sind.“
Die Formulierung klingt vernünftig, beantwortet die Frage aber nicht.
Mit Context Engineering dagegen kann die KI auf den relevanten Datenbestand zugreifen, weiß, welche Version des Vertrags gemeint ist, kennt den Freigabestatus im entsprechenden System und liefert die Information:
„Vertrag XY, Version 2.3, wurde am 12. August von der Rechtsabteilung freigegeben.“
Gerade für Unternehmen ist das unzureichend. Hier geht es um verlässliche Informationen, Compliance und Nachvollziehbarkeit. Kontext sorgt dafür, dass Antworten nicht nur sprachlich überzeugend, sondern auf prüfbar, reproduzierbar und eingebettet in die Businesslogik sind.
Dass Context Engineering entscheidend ist, zeigt sich auch in der Entwicklung vieler Informationssysteme – und hier kann ISR auf einen langjährigen Erfahrungsschatz zurückgreifen. Mit der Einführung der digitalen Akte haben wir früh dafür gesorgt, dass Informationen nicht nur gespeichert, sondern im richtigen Zusammenhang genutzt werden. Die Idee war einfach, aber wirkungsvoll:
- strukturierte Ablagen,
- dynamische Sichten nach Anwendungsfall,
- Orientierung entlang von Rollen und Prozessen.
So entstand ein System, das Fachlichkeit und IT miteinander verbindet – eine Form des Context Engineering, bevor der Begriff überhaupt existierte.
Heute zeigt sich, dass diese Denkweise eine ideale Basis für KI ist. Unsere Aktenlösungen enthalten bereits das, was KI braucht: strukturierte Informationen, Metadaten und Prozesslogiken. Wenn wir diesen Kontext an die KI weitergeben, entsteht eine Brücke zwischen bewährter Fachanwendung und moderner KI-Interaktion. Die Akte wird damit zur Schnittstelle zwischen Businesslogik, IT und KI. Ein klarer Einstiegspunkt, über den KI-Systeme auf Unternehmenswissen zugreifen können, ohne die bestehende Architektur zu verlassen.
4. Context Engineering in der Praxis: mehr als RAG
Klassische RAG-Systeme (Retrieval-Augmented Generation) arbeiten in der Regel mit reinen Dokumenteninhalten. Das ist hilfreich, aber für den Unternehmenskontext zu kurz gegriffen.
Erst wenn auch
- Metadaten,
- Benutzerkontext und
- Prozesslogiken
einbezogen werden, entsteht ein vollständiges Bild – und genau hier beginnt echtes Context Engineering.
Wir nennen diesen Ansatz Extended Context:
- Schon beim Retrieval werden Metadaten und Businesslogik berücksichtigt.
- Die KI erhält den Rahmen also nicht erst im Prompt, sondern von Beginn an.
- Dadurch entstehen Antworten, die fachlich geführt sind und im Unternehmenskontext verwertbar sind.
Ein weiterer entscheidender Aspekt ist die User Experience. Während klassische Anwendungen oft über komplexe Masken oder Workflows gesteuert werden, öffnet KI neue Wege der Interaktion: allen voran den Chat. Hier können Anwender:innen ihre Anliegen in freier Sprache formulieren. Die KI übersetzt diese Eingaben in strukturierte Aktionen innerhalb der Unternehmenslogik. Dadurch werden komplexe Systeme über Sprache zugänglich – intuitiv, nachvollziehbar und konform zu internen Prozessen.
Noch stärker wird dieser Effekt, wenn die KI selbst sinnvolle nächste Schritte vorschlägt, statt nur zu reagieren, agiert sie vorausschauend. So entsteht eine dialogische Form der Interaktion, bei der Fachlichkeit im Mittelpunkt steht und die IT fast unsichtbar wird.
Natürlich bleibt dabei eine alte Wahrheit bestehen: Context Engineering funktioniert nur so gut wie die Daten, auf die es aufbaut. Das Thema Datenqualität begleitet Unternehmen seit Jahrzehnten – und es wird auch in der KI-Ära nicht verschwinden. Aber genau hier kann KI selbst zum Teil der Lösung werden: Sie kann Inkonsistenzen aufzeigen, Indexwerte validieren und fehlende Metadaten ergänzen. So entsteht ein Kreislauf, in dem KI nicht nur vom Kontext profitiert, sondern diesen auch kontinuierlich verbessert.
Unser Vorteil: Wir bewegen uns direkt in den Applikationen der Unternehmen. Dort, wo der Kontext bereits existiert. Genau diesen machen wir für KI nutzbar. Das Ergebnis sind Systeme, die nicht nur experimentell funktionieren, sondern produktiv, vertrauenswürdig und anschlussfähig sind.
Workflow die Stabilität, Skalierbarkeit und Enterprise-Readiness garantieren. IBM stellt den Maschinenraum, ISR liefert das Navigationssystem. Gemeinsam entsteht eine Architektur, die robust und praxisnah zugleich ist.
5. Mehrwert von Context Engineering für Unternehmen und Anwender:innen
Der Nutzen von Context Engineering lässt sich klar beschreiben:
- Relevanz: KI-Ergebnisse orientieren sich an den Unternehmensdaten und -prozessen.
- Vertrauen: Antworten basieren auf bekannten Businesslogiken, nicht auf ‚Halluzinationen‘.
- Integration: Bestehende Systeme werden zu Einstiegspunkten für KI und Agentik.
- Effizienz: Weniger Tool-Wechsel, mehr Fokus auf inhaltliche Arbeit.
Mögliche Beispiele für den echten Büroalltag:
- In der öffentlichen Verwaltung werden Bürgeranfragen kontextbezogen beantwortet – nachvollziehbar und rechtssicher auf Basis von Gesetzen und Akten.
- In der Industrie kennt die KI bspw. Wartungshistorien und Maschinenzustände und liefert Handlungsempfehlungen in Echtzeit.
- In der Versicherung erfolgt die Schadenbearbeitung nicht isoliert, sondern im Gesamtzusammenhang eines Falls.
Diese Szenarien zeigen, wie Context Engineering den entscheidenden Unterschied macht. Aus punktuellen KI-Funktionen werden integrierte Systeme, die den Menschen in seiner Arbeit unterstützen, statt ihn mit unverbundenen Daten und Tools allein zu lassen.
6. Fazit: Warum Context Engineering die neue Währung der KI ist
Heute erleben wir KI vor allem als Assistenzsystem: Sie schlägt vor, fasst zusammen, unterstützt. Das schafft Mehrwert und legt die Grundlage für Vertrauen. Der nächste Schritt sind Agenten, die eigenständig handeln, verschiedene Systeme orchestrieren und Entscheidungen vorbereiten.
Der Weg dorthin ist kein Big Bang, sondern ein schrittweiser Prozess. Wer heute seinen Kontext sauber modelliert, legt die Basis für Skalierung, Automatisierung und Zukunftsfähigkeit.
Doch eines bleibt: Ohne saubere Datenbasis bleibt Context Engineering Stückwerk.
Datenqualität, Governance und Struktur sind keine Nebenthemen, sondern Kern einer funktionierenden KI-Strategie. Und KI kann dabei helfen, diese Basis kontinuierlich zu verbessern.
Unsere Überzeugung: Kontext ist die neue Währung der KI. Technologie allein reicht nicht. Erst wenn das Wissen und die Logik eines Unternehmens eingebunden und über neue Schnittstellen zugänglich gemacht werden, entsteht echte Relevanz – und Vertrauen.
Genau hier liegt unsere Stärke: Mit den Aktenlösungen haben wir seit Jahren gezeigt, wie Kontext für Menschen funktioniert: strukturiert, nachvollziehbar und nah an den Prozessen. Jetzt übertragen wir dieses Prinzip in die KI-Welt. So wird aus Erfahrung mit Struktur plötzlich Context Engineering für KI – und aus Technologie echte Unternehmensintelligenz.
Christoph Sünderkamp
Managing Consultant
Business Process Automation
christoph.suenderkamp@isr.de
+49(0)151 422 05 489
