Wie steuern Profis KI-Agenten mit dem richtigen Kontext?

Kontext schlägt Prompt: Die drei Rollen, mit denen Profis KI-Agenten steuern

Michael Dobler

Autor Dr. Web

23. September 2026

2 Min. Lesezeit

Die Nielsen Norman Group hat Power-User beobachtet, die Claude täglich für ihre Arbeit einsetzen. Ihr wichtigster Hebel liegt nicht im Prompt, sondern in drei sauber getrennten Arten von Kontext. Diese Ordnung trennt verlässliche Ergebnisse von generischen Textbausteinen.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

Kontext für KI-Agenten entscheidet heute mehr über die Qualität als der beste Prompt. Ein Teilnehmer der Studie diktierte seine Anweisungen bewusst vage per Sprachnachricht und bekam trotzdem passende Ergebnisse, weil hinterlegte Dateien die Details lieferten.^[1] Genau diese Verlagerung vom Formulieren zum Kuratieren lohnt einen zweiten Blick.

Das Wichtigste in Kürze

Kontext schlägt Prompt: Eine gepflegte Kontext-Bibliothek gleicht vage Anweisungen aus.
Drei Rollen: globaler, lokaler und ambienter Kontext gehören getrennt abgelegt.
Ambiente Ströme koppeln E-Mail, Slack oder Analytics per MCP direkt an den Agenten.
DSGVO-Frage: genau dieser Datenzufluss verlangt für DACH-Teams eine Governance-Prüfung.

Warum reicht ein guter Prompt nicht mehr?

Weiße Box mit Karteikarten, Lupe und zerknüllter Notiz — KI-Agenten ohne passenden Kontext liefern generische Antworten, die Geschäftsziele und Markenidentität verfehlen. Nutzer müssen durch längere Prompts ausgleichen

Fehlt der passende Kontext, liefert ein KI-Agent generische oder unbrauchbare Antworten, die weder das Geschäftsziel noch die Marke treffen. Die künstliche Intelligenz rät dann, statt zu wissen, und der Nutzer gleicht die Schwäche mühsam über immer längere Prompts aus.

Die Beobachtung dreht die gängige Prompt-Fixierung um. Sind die Regeln, Daten und Quellen einmal sauber hinterlegt, genügen danach knappe, beiläufige Anweisungen, weil die Details bereitstehen. Der Gedanke ähnelt der Anatomie des KI-Eingabefelds.

Welche drei Rollen spielt Kontext?

Globaler Kontext bleibt über viele Aufgaben stabil: Markenrichtlinien, Governance-Regeln und Referenzmaterial, abgelegt an einem festen Ort, den der Agent jedes Mal findet. Lokaler Kontext betrifft die eine Aufgabe, etwa eine Projekt-Aufgabenliste, ein als Datei gespeichertes Skill oder den bisherigen Gesprächsverlauf.

Ambienter Kontext meint die rohen, unsortierten Ströme rundherum: E-Mails, Meeting-Transkripte, Chat-Nachrichten und Analytics-Feeds, die der Agent über MCP-Verbindungen anzapft. Dieselbe maschinenlesbare Anbindung zeigt das Code-Connect-Prinzip fürs Frontend.

Drei Rollen von Kontext für KI-Agenten

Nach Rolle getrennt abgelegt, verzeiht guter Kontext auch knappe Prompts.

1 · Global

Globaler Kontext

Stabil, gilt für jede Aufgabe

Markenrichtlinien, Governance-Regeln, Referenzmaterial. Fest abgelegt, wo der Agent es jedes Mal findet.

2 · Lokal

Lokaler Kontext

Auf die eine Aufgabe bezogen

Projekt-Aufgabenlisten, Skills als Dateien, Recherchedaten, bisheriger Gesprächsverlauf.

3 · Ambient

Ambienter Kontext

Laufende Rohdatenströme

E-Mails, Meeting-Transkripte, Chat-Nachrichten, Analytics-Feeds, angebunden über MCP.

Kontext kuratieren schlägt Prompt formulieren.

Nicht der cleverste Prompt trennt gute von schlechten KI-Ergebnissen, sondern eine gepflegte Kontext-Bibliothek. Teams, die Grundregeln, Projektdaten und Datenströme sauber trennen, sparen sich das ewige Nachformulieren.
— Markus Seyfferth, Chefredakteur Dr. Web

Was heißt das für Teams im DACH-Raum?

Der Nutzen ist konkret: Legen Sie zuerst eine kleine Kontext-Bibliothek an, trennen Sie darin die drei Rollen und pflegen Sie den globalen Teil besonders sorgfältig, weil er in jede Aufgabe einfließt. So sinkt der Aufwand pro Anfrage spürbar, und der Agent bleibt näher an Ihrer Marke, wie ihn auch die Claude Desktop App im Unternehmen zeigt.

Der ambiente Strom verlangt jedoch eine zweite Prüfung. Sobald E-Mails, Transkripte oder Analytics automatisch in ein Modell fließen, stellt sich die Frage nach Rechtsgrundlage, Auftragsverarbeitung und Drittlandtransfer. Klären Sie vor dem ersten MCP-Connector, welche Daten den Agenten erreichen dürfen, und halten Sie diese Grenze schriftlich fest.