---
title: "Was ist Context Engineering? Tokens für KI-Agenten steuern"
description: "Context Engineering heißt auswählen, welche Tokens ein LLM pro Runde sieht: Anweisungen, Tools, Verlauf, abgerufene Daten. Techniken für Agenten und ihre Kosten."
url: https://broadrouter.com/de/glossary/context-engineering/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/context-engineering/) (aktualisiert am 2026-11-15).

# Context Engineering

Aktualisiert 2026-11-15

Context Engineering ist die Arbeit, die Menge an Tokens auszuwählen und zu pflegen, die ein Sprachmodell bei jeder Anfrage sieht, also System-Prompt, Tool-Definitionen, Verlauf, abgerufene Dokumente und Notizen, damit das Modell die kleinste Menge aussagekräftiger Informationen erhält, die es für die Aufgabe braucht.

Auch genannt: Context Engineering, Kontext-Engineering, Kontextmanagement, Kontextsteuerung, Context Engineering für Agenten, context engineering, context management, agent context engineering

Einen Prompt schreiben Sie einmal. Kontext ist alles, was das Modell in jeder Runde sieht, und bei einem Agenten ändert er sich mit jeder Runde.

## So funktioniert es

Der Engineering-Beitrag von Anthropic beschreibt Context Engineering als „the set of strategies for curating and maintaining the optimal set of tokens“ (Übersetzung: „die Gesamtheit der Strategien, mit denen die optimale Menge an Tokens kuratiert und gepflegt wird“) während der Inferenz, einschließlich Informationen jenseits des Prompts. Als Ziel nennt er, die „smallest possible set of high-signal tokens“ (Übersetzung: „kleinstmögliche Menge aussagekräftiger Tokens“) zu finden, die das gewünschte Ergebnis wahrscheinlich macht.

Der Grund ist begrenzte Aufmerksamkeit. Laut dem Beitrag haben Modelle ein „attention budget“ (Übersetzung: „Aufmerksamkeitsbudget“), und die Erinnerungsleistung sinkt mit wachsendem Kontext, was er [Context Rot](https://broadrouter.com/de/glossary/context-rot/) nennt. Auch die Position zählt: Fakten in der Mitte eines langen Prompts werden leichter übersehen ([Lost in the Middle](https://broadrouter.com/de/glossary/lost-in-the-middle/)).

Der Beitrag nennt mehrere Techniken für lang laufende Agenten:

| Technik | Was sie bewirkt |
| --- | --- |
| [Compaction](https://broadrouter.com/de/glossary/context-compaction/) | Verlauf kurz vor dem Limit zusammenfassen und mit der Zusammenfassung weitermachen |
| Tool-Ergebnisse entfernen | Alte, rohe Tool-Outputs aus dem Verlauf streichen |
| Strukturierte Notizen | Der Agent schreibt Notizen in eine Datei außerhalb des Kontexts und liest sie später wieder |
| [Subagents](https://broadrouter.com/de/glossary/subagent/) | Gezielte Arbeit in einem frischen Kontext erledigen und eine kurze Zusammenfassung zurückgeben |
| Just-in-time-Retrieval | Verweise (Dateipfade, Abfragen) behalten und die Daten erst bei Bedarf laden |

Ein durchgerechnetes Beispiel für das Budget einer Runde in einem Coding-Agenten:

```text
System prompt + rules          4,000 tokens
Tool definitions               6,000 tokens
Notes file                     1,500 tokens
History (compacted)           20,000 tokens
Latest tool output             8,000 tokens   <- largest single item
```

## Warum es wichtig ist

-   **Qualität.** Weniger Rauschen im Kontext bedeutet meist bessere Antworten und weniger übersehene Anweisungen.
-   **Kosten.** Bei Abrechnung pro Token wird jedes Token im Kontext in jeder Runde berechnet. Stabile Inhalte am Anfang sind als [gecachter Input](https://broadrouter.com/de/glossary/cached-input-tokens/) günstiger; siehe [Prompt-Struktur für Caching](https://broadrouter.com/de/blog/prompt-structure-for-caching/).
-   **Laufzeit.** Mit gutem Kontextmanagement kann ein Agent stundenlang arbeiten, ohne an das [Kontextfenster](https://broadrouter.com/de/glossary/context-window/) zu stoßen.

## Bei BroadNet Inference

Context Engineering findet in Ihrem Code statt: Die Chat Completions API von BroadNet erhält genau die Nachrichtenliste, die Sie senden. [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) und [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) akzeptieren 1.048.576 Tokens, [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) 262.144 und [Gemma 4 VL 26B](https://broadrouter.com/de/models/gemma-4-vl-26b/) 32K. Ein knapper Kontext zählt also bei Gemma am meisten.

Wenn das Modell sie meldet, zeigt `usage.prompt_tokens_details.cached_tokens` die aus dem Cache gelesenen Tokens; bei Pay-as-you-go werden sie zum Preis für gecachten Input berechnet. [Kontextmanagement für lang laufende Agenten](https://broadrouter.com/de/blog/long-running-agent-context-management/) gibt fünf praxistaugliche Regeln, und der Beitrag zum [Token-Budget von Agenten](https://broadrouter.com/de/blog/agent-token-budget/) zeigt, wohin die Tokens eines Agenten fließen.

## Häufige Fragen

### Was ist der Unterschied zwischen Context Engineering und Prompt Engineering?

Beim Prompt Engineering geht es darum, gute Anweisungen zu schreiben. Context Engineering umfasst alles, was das Modell in einer Runde sieht, einschließlich Tool-Definitionen, Verlauf und abgerufener Daten, und wie sich diese Menge über eine lange Session verändert.

### Warum nicht einfach ein größeres Kontextfenster nehmen?

Ein größeres Fenster verschiebt das Problem, löst es aber nicht. Laut Anthropic sinkt die Erinnerungsleistung mit wachsendem Kontext, und bei Abrechnung pro Token wird jedes zusätzliche Token in jeder Runde erneut bezahlt.

### Womit sollte ich anfangen?

Messen Sie, was Ihren Kontext füllt. Tool-Outputs und alter Verlauf sind meist die größten Posten, und sie zu kürzen oder zusammenzufassen ist schnell ausprobiert.

## Siehe auch

-   [Prompt Engineering](https://broadrouter.com/de/glossary/prompt-engineering/) (Begriff)
-   [Context Compaction (Kontextverdichtung)](https://broadrouter.com/de/glossary/context-compaction/) (Begriff)
-   [Context Rot](https://broadrouter.com/de/glossary/context-rot/) (Begriff)
-   [Lost in the Middle](https://broadrouter.com/de/glossary/lost-in-the-middle/) (Begriff)
-   [Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/) (Begriff)
-   [Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/) (Begriff)
-   [So funktionieren die unbegrenzten LLM-API-Pläne für Agenten](https://broadrouter.com/de/guides/unlimited-llm-api-sessions/) (Anleitung)
-   [Kontextmanagement für lang laufende Agenten mit 1M-Kontextfenster](https://broadrouter.com/de/blog/long-running-agent-context-management/) (Artikel)
-   [Agenten-Token-Budget: wohin die Tokens einer Agenten-Schleife gehen](https://broadrouter.com/de/blog/agent-token-budget/) (Artikel)
-   [Prompts so strukturieren, dass das Präfix gecacht wird](https://broadrouter.com/de/blog/prompt-structure-for-caching/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-context-engineering&utm_content=page-cta) ·

**Quellen**

-   [Anthropic Engineering, Effective context engineering for AI agents (geprüft am 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Claude-Code-Dokumentation, Subagents (Kontext schonen) (geprüft am 2026-11-15)](https://code.claude.com/docs/en/sub-agents)
-   [Claude-Code-Dokumentation, Kosten effektiv steuern (Token-Verbrauch senken) (geprüft am 2026-11-15)](https://code.claude.com/docs/en/costs)
