Inhalt
Ein Context-Engineering-Training bringt Entwicklern bei, Coding-Agents nicht nur gute Anweisungen zu geben, sondern ihnen den richtigen Kontext bereitzustellen: Projektregeln, Spezifikationen, relevante Dateien und überprüfbare Ziele. Prompt Engineering ist dabei ein Baustein, aber nicht mehr der wichtigste. Hier erfahren Sie, welche Fähigkeiten ein solches Training vermitteln sollte und wie es konkret aussehen kann.
Von Prompt Engineering zu Context Engineering
In den ersten Jahren der KI-Coding-Tools ging es vor allem um den perfekten Prompt: geschickte Formulierungen, Rollen, Beispiele. Mit Coding-Agents hat sich der Schwerpunkt verschoben. Ein Agent liest selbstständig Dateien, führt Befehle aus und arbeitet über viele Schritte. Ob das Ergebnis gut wird, hängt weniger von einem einzelnen Satz ab als davon, welche Informationen der Agent zur richtigen Zeit zur Verfügung hat.
Context Engineering beschreibt genau diese Disziplin: den Informationsfluss zum Modell bewusst zu gestalten. Dazu gehören Projektregeln, Architekturentscheidungen, Code-Konventionen, Spezifikationen, Testbefehle und die Auswahl der relevanten Dateien. Prompt Engineering bleibt wichtig – aber als Teil eines größeren Ganzen. Grundlagen zu beiden Themen finden Sie in unseren Artikeln zu Prompt Engineering für Entwickler und Context Engineering.
Die vier Ebenen des Kontexts
| Ebene | Inhalt | Typischer Fehler |
|---|---|---|
| Aufgabe | Ziel, Abgrenzung, Akzeptanzkriterien, erwartetes Ergebnis | Vage Aufgaben ohne Prüfkriterium („mach das besser“) |
| Projektregeln | Konventionen, Architektur, Build- und Testbefehle, Verbote | Keine Regeln oder veraltete, widersprüchliche Regeln |
| Arbeitskontext | Relevante Dateien, Schnittstellen, Beispiele für gute Lösungen | Zu viel irrelevanter Kontext oder wichtige Dateien fehlen |
| Rückmeldung | Testergebnisse, Linter, Fehlermeldungen, Review-Kommentare | Agent kann sein Ergebnis nicht selbst überprüfen |
Ein gutes Training arbeitet alle vier Ebenen durch, weil Schwächen auf einer Ebene selten durch Stärken auf einer anderen ausgeglichen werden.
Ein Beispiel: dieselbe Aufgabe, zwei Ansätze
Angenommen, ein Team möchte einen Export als CSV ergänzen. Die erste Variante ist ein typischer Ad-hoc-Prompt:
Füge einen CSV-Export für die Bestellungen hinzu.
Der Agent wird etwas liefern – aber ob Datumsformate, Berechtigungen, Paginierung und bestehende Konventionen stimmen, ist Zufall. Die zweite Variante gibt Kontext und Prüfkriterien:
Ergänze im Modul
orderseinen CSV-Export analog zum bestehenden PDF-Export inorders/export_pdf. Nur Nutzer mit der Rolle „Buchhaltung“ dürfen exportieren. Datumsformat ISO 8601, Trennzeichen Semikolon. Schreibe zuerst Tests für Berechtigung und Format, dann die Implementierung. Fertig ist die Aufgabe, wenn die gesamte Testsuite grün ist.
Der Unterschied liegt nicht in cleveren Formulierungen, sondern in Referenzen auf vorhandenen Code, klaren Regeln und einem überprüfbaren Ende. Genau diese Denkweise trainiert ein Context-Engineering-Workshop.
Projektregeln und Kontextdateien als Teamaufgabe
Die meisten Coding-Agents unterstützen Kontextdateien im Repository, in denen dauerhaft gültige Regeln stehen: wie gebaut und getestet wird, welche Muster bevorzugt werden, was tabu ist. Diese Dateien sind das wirksamste Werkzeug für gleichbleibende Qualität – und werden trotzdem oft vernachlässigt.
Im Training erarbeitet das Team diese Regeln gemeinsam für das eigene Projekt. Bewährt haben sich einige Grundsätze:
- Kurz und konkret: Befehle, Pfade und Beispiele statt allgemeiner Programmierweisheiten.
- Widerspruchsfrei: Lieber zehn klare Regeln als fünfzig, die sich teilweise widersprechen.
- Gepflegt wie Code: Änderungen laufen über Pull Requests, veraltete Regeln werden entfernt.
- Aus Fehlern lernen: Wiederkehrende Fehler des Agents werden zu neuen Regeln.
Eine ausführliche Anleitung finden Sie im Beitrag Projektregeln und Kontextdateien für Coding-Agents.
Mögliche Inhalte eines Context-Engineering-Trainings
- Wie Modelle Kontext verarbeiten: Kontextfenster, warum zu viel Kontext schaden kann, wie Agents Informationen selbst nachladen.
- Aufgaben schneiden: Große Vorhaben in Schritte zerlegen, die ein Agent zuverlässig erledigen und prüfen kann.
- Spezifikationen schreiben: Wie aus einer User Story eine Spezifikation wird, die einen Agent steuert – siehe auch Spec-Driven Development.
- Kontextdateien erstellen: Gemeinsames Schreiben und Testen der Projektregeln am eigenen Repository.
- Feedback-Schleifen bauen: Tests, Linter und Typprüfungen so einrichten, dass der Agent seine Arbeit selbst validiert.
- Sitzungen steuern: Wann eine neue Sitzung sinnvoll ist, wie Zwischenstände festgehalten werden, wie man einen Agent zurück auf Kurs bringt.
- Praxisrunde: Echte Aufgaben aus dem Backlog, Vergleich verschiedener Herangehensweisen, gemeinsame Auswertung.
Woran Sie ein gutes Training erkennen
- Der Großteil der Zeit besteht aus Übungen, nicht aus Folien mit Prompt-Vorlagen.
- Es wird am eigenen Code oder an realistischen Projekten gearbeitet, nicht an Spielzeugbeispielen.
- Das Team geht mit konkreten Artefakten nach Hause: Kontextdateien, Aufgabenvorlagen, Review-Regeln.
- Die Trainer arbeiten selbst täglich mit Coding-Agents und kennen typische Fehlerbilder aus der Praxis.
- Werkzeugunabhängige Prinzipien stehen im Vordergrund, damit das Wissen auch beim nächsten Tool-Wechsel trägt.
Format und Rahmen
Ein Context-Engineering-Training eignet sich für Teams, die bereits erste Erfahrungen mit KI-Coding-Tools haben und merken, dass die Ergebnisqualität schwankt. Denkbar ist zum Beispiel ein halbtägiger Einstieg oder ein mehrtägiges Teamtraining am eigenen Repository, inhouse oder remote – das stimmen wir individuell ab. Wir vermitteln KI-Entwickler aus der Praxis als Trainer; Workshops starten ab 799 € netto. Schreiben Sie uns an team@app-entwickeln-lassen.de.
Sie planen eine App? Kostenloses Festpreis-Angebot in 2 Minuten anfordernFazit
Die Qualität von KI-generiertem Code entscheidet sich heute vor allem am Kontext: klare Aufgaben, gepflegte Projektregeln, relevante Dateien und überprüfbare Ziele. Prompt Engineering ist ein Teil davon, Context Engineering das größere Handwerk. Ein praxisnahes Training macht dieses Handwerk im Team zur Routine – mit Ergebnissen, die direkt im Repository bleiben.
Häufige Fragen
Was ist der Unterschied zwischen Prompt Engineering und Context Engineering?
Prompt Engineering optimiert die einzelne Anweisung an das Modell. Context Engineering gestaltet alle Informationen, die ein Agent erhält – Regeln, Dateien, Spezifikationen und Rückmeldungen aus Tests.
Brauchen Entwickler noch Prompt-Vorlagen?
Vorlagen für wiederkehrende Aufgaben sind nützlich. Wichtiger sind jedoch gute Projektregeln und überprüfbare Akzeptanzkriterien, weil sie bei jeder Aufgabe wirken.
Ist das Training an ein bestimmtes Tool gebunden?
Die Prinzipien gelten werkzeugübergreifend. In den Übungen arbeiten wir mit den Tools, die in Ihrem Unternehmen freigegeben sind.
Für welches Erfahrungsniveau eignet sich das Training?
Am meisten profitieren Teams mit ersten Erfahrungen mit KI-Coding-Tools. Für reine Einsteiger kann ein vorgeschalteter Grundlagenblock sinnvoll sein.