Das Ende der Prompts
Jahrelang haben wir gelernt, mit der KI zu sprechen: der richtige Satz, der clevere Trick. Worauf es wirklich ankommt, hat sich leise verschoben.
Es gab eine Zeit, da war «Prompt Engineering» der heisseste Skill im Netz. Kurse, Spickzettel, ganze Sammlungen von Zauberformeln. Wer die richtigen Worte fand, bekam die besseren Antworten. So schien es.
Diese Zeit geht zu Ende. Durchgesetzt hat sich eine einfache Einsicht: Wie gut eine KI ist, hängt vor allem davon ab, was sie im Moment der Frage über deine Arbeit weiss. Und genau das hat kaum jemand im Griff.
01
Der Trick mit den Zauberworten
Am Anfang fühlte sich die KI wie ein Flaschengeist an. Sag den richtigen Satz, und du bekommst, was du willst. Also sammelten alle Formulierungen: «handle als erfahrener Experte», «denk Schritt für Schritt», «erklär es mir wie einem Kind». Manches half. Vieles war Aberglaube.
Bei einer kurzen, eigenständigen Frage trägt das bis heute. «Fasse diesen Text zusammen» braucht keine Kunst. Sobald die KI an echter Arbeit beteiligt ist, an deinem Projekt, deinem Code, deinen Entscheidungen, kommt die schönste Formulierung schnell an ihre Grenze.
Der eigentliche Engpass ist das Wissen, das im Moment der Frage fehlt.
Eine KI sieht in jedem Augenblick nur einen Ausschnitt der Welt: das, was gerade vor ihr liegt. Deine Sprache beherrscht sie. Dein Projekt, deine Entscheidungen, deinen Stand von gestern kennt sie nur, wenn das alles vor ihr liegt. Was fehlt, existiert für sie nicht.
02
Die Lücke, die niemand sieht
Daher kommt das unheimliche Gefühl, das viele kennen: Die Antwort klingt richtig und ist es doch nicht ganz. Die KI füllt die Lücke mit dem Wahrscheinlichsten, weil ihr das Konkrete fehlt. Und das Wahrscheinliche geht oft daneben, sobald es um deinen Fall geht.
Im Sommer 2025 gab Andrej Karpathy, Mitgründer von OpenAI, dieser Lücke einen Namen, der seither überall auftaucht: «Context Engineering».
Die feine Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für den nächsten Schritt zu füllen.
Andrej Karpathy über Context Engineering, 2025
Der Unterschied ist feiner, als er klingt. Prompt Engineering fragt: Wie formuliere ich die Frage? Context Engineering fragt: Was muss die KI wissen, bevor die Frage überhaupt fällt? Der Entwickler Simon Willison, der den Begriff «Prompt» jahrelang verteidigt hat, brachte das Problem auf den Punkt: Zu viele hörten darin bloss einen vornehmen Namen fürs Tippen in ein Chatfenster.
03
Das Märchen vom grossen Fenster
Wenn das Wissen fehlt, ist der erste Reflex naheliegend: dann gib der KI eben alles. Das ganze Projekt, sämtliche Dokumente, den kompletten Verlauf. Die Kontextfenster sind ja riesig geworden, Millionen von Wörtern passen hinein.
Doch ein grösseres Fenster bringt noch kein besseres Verstehen. Die Forschung ist hier erstaunlich eindeutig.
Was in der Mitte verloren geht
Eine vielzitierte Studie aus Stanford, «Lost in the Middle», zeigte es schon 2023: Füttert man ein Modell mit vielen Dokumenten, nutzt es vor allem den Anfang und das Ende. Was in der Mitte steht, geht unter. Die Trefferquote folgt einer U-Kurve.
Im schlimmsten Fall schnitt das Modell mit vielen Dokumenten schlechter ab als ganz ohne. Fachleute nennen den Effekt inzwischen «Context Rot»: Je voller das Fenster, desto unzuverlässiger die Antwort. Zu viel Material kann die Sicht regelrecht verstellen.
Ein grösseres Kontextfenster gibt der KI mehr Platz. Verstehen entsteht daraus noch nicht.
Kontext bleibt wertvoll. Worauf es ankommt, ist die Auswahl: das Richtige, im richtigen Moment, in der richtigen Form.
04
Die eigentliche Arbeit
Wenn die Auswahl die eigentliche Arbeit ist, dann ist Context Engineering der Name dafür. Und sie ist anspruchsvoll. In der Praxis haben sich vier Bewegungen herausgebildet.
- Festhalten: Wichtiges sichern, damit es über die Sitzung hinaus verfügbar bleibt.
- Auswählen: zu jeder Frage genau das holen, was zählt.
- Verdichten: Langes zusammenfassen, Rauschen entfernen.
- Trennen: verschiedene Aufgaben sauber auseinanderhalten.
Das klingt unscheinbar, ist in Wahrheit aber ein Architekturproblem. Es entscheidet, ob ein KI-Agent über viele Schritte verlässlich bleibt oder irgendwo dazwischen den Faden verliert. Die Branche hat das erkannt.
Genau diese Schicht, zwischen Werkzeug und Modell, ist die Arbeit, in die wir bei Thinkery unsere Zeit stecken. Wir sind überzeugt: Hier entscheidet sich, ob aus einem starken Modell ein verlässlicher Partner wird.
Es geht jetzt darum, wie gut die KI auf deine Frage vorbereitet ist.
05
Wohin das führt
Das Ende der Prompts verschiebt die Arbeit dorthin, wo sie hingehört. Ist der richtige Kontext im Hintergrund geregelt, muss niemand mehr um Formulierungen ringen. Der Mensch kann sich auf das Urteil konzentrieren, auf die Absicht, auf die Entscheidung.
Genau hier wird aus einem Werkzeug ein echtes Gegenüber: Die KI kennt endlich genug von deiner Welt, um wirklich mitzudenken.
Gute Zusammenarbeit beginnt damit, dass beide Seiten genug voneinander wissen.
Daran arbeiten wir bei Thinkery, Tag für Tag: an einer Zukunft, in der Mensch und KI ein richtig gutes Team sind. Denn die besten Antworten entstehen, wenn die KI versteht, woran du gerade wirklich arbeitest.