Was ist Kontextmanagement für KI-Agenten?
Kontextmanagement für KI-Agenten bedeutet, die Informationen auszuwählen, zu ordnen und aktuell zu halten, die ein Agent für seine Arbeit benötigt – innerhalb der bestehenden Zugriffsgrenzen. In Teams liegen diese Informationen im Code, in gemeinsamen Postfächern, in Teamkanälen und in Entscheidungen, die korrekt und für die richtigen Personen zugänglich bleiben müssen.
Gemeinsames Verständnis beginnt mit gemeinsamem Kontext. Es wächst durch Kommunikation, wird durch konkrete Arbeitsergebnisse nutzbar und bleibt durch regelmäßige Pflege verlässlich.
Beginnen Sie mit einem Arbeitsablauf: Ermitteln Sie die maßgeblichen Quellen, rufen Sie nur die für die aktuelle Aufgabe nötigen Informationen ab und erstellen Sie eine Zusammenfassung mit Quellenverweisen. Trennen Sie Entscheidungen von Vorschlägen. Aktualisieren Sie die Zusammenfassung, sobald ein Release, neue Kundeninformationen oder geänderte Zugriffsrechte sie überholen.
1. Gemeinsamen Kontext für KI-Agenten erfassen
Jedes Team verfügt bereits über eine verteilte Sammlung seines Wissens und seiner Entscheidungen. Wer einen Agenten einführt, sollte zunächst klären, wo diese Informationen liegen.
Das Kontextfenster eines Agenten enthält die Informationen, die ihm während der aktuellen Aufgabe zur Verfügung stehen. Sein Gedächtnis bewahrt Informationen für den späteren Abruf auf. Gemeinsamer Kontext umfasst das Wissen des Teams über seine verschiedenen Werkzeuge hinweg. Ein gutes Kontextmanagement wählt für jede Aufgabe die relevanten Teile aus und erhält die Verweise auf die Originalquellen.
Diese Auswahl und Pflege wird auch als Context Engineering bezeichnet. Anthropics Leitfaden zum Context Engineering beschreibt, wie bedarfsgerechter Informationsabruf und Zusammenfassungen älterer Inhalte den Arbeitskontext eines Agenten fokussiert halten. Für ein Team zählt dabei, welche Belege bei der aktuellen Entscheidung helfen.
Für ein Produktteam ist Code eine wichtige Kontextquelle. Zusammen mit Bereitstellungs- und Release-Daten zeigt er, was das Produkt derzeit tatsächlich kann. Ein gemeinsames Postfach ergänzt die Perspektive der Kunden: ihre Fragen, ihre Probleme und die Ergebnisse, die sie erreichen möchten. Teamkanäle halten Diskussionen, Rahmenbedingungen, Zusagen und die Überlegungen hinter Entscheidungen fest.
Diese Quellen beantworten unterschiedliche Fragen. Code erklärt die Implementierung. Bereitstellungsdaten zeigen, ob sie bei den Kunden angekommen ist. Kundengespräche machen sichtbar, wie Menschen das Produkt erleben. Interne Diskussionen erklären, warum sich das Team für einen bestimmten Ansatz entschieden hat.
Ein Agent braucht eine Übersicht dieser Quellen: Was enthält jede Quelle, welche Fragen beantwortet sie, wer pflegt sie und wie aktuell ist sie? Diese Übersicht schafft die Grundlage für eine sinnvolle Zusammenarbeit.
Der Agent sollte auch Widersprüche erkennen. Eine Nachricht im Teamkanal kann einen geplanten Release beschreiben, während die Bereitstellungsdaten zeigen, dass er noch aussteht. Ein Dokument kann sich auf eine ältere Produktversion beziehen. Werden solche Unterschiede sichtbar, kann das Team von einem verlässlichen Ausgangspunkt aus arbeiten.
Abbildung 1. Code, Kundengespräche und Teamdiskussionen liefern unterschiedliche Perspektiven. Der Agent verknüpft die Belege innerhalb der bestehenden Berechtigungen jeder Person und erstellt Arbeitsergebnisse, die das Team nutzen kann.
2. Zugriffsrechte für KI-Agenten an der Quelle durchsetzen
Gemeinsamer Kontext unterliegt Zugriffsgrenzen. Teammitglieder haben unterschiedliche Aufgaben, und die jeweils verfügbaren Informationen sollten diese Zuständigkeiten widerspiegeln.
Berechtigungen gehören in die Systeme, die Kontext speichern und abrufen. Das Identitätssystem der Organisation, die Quellanwendungen und der Gedächtnisspeicher sollten festlegen, wer auf welche Informationen zugreifen darf. Der Agent arbeitet innerhalb dieser Grenzen, ohne selbst über die Zugriffsrechte einer Person zu entscheiden.
Okous gemeinsam genutzte Teamagenten folgen dieser Trennung: Teams können Anweisungen und Workflows teilen, während jede Person sie über ihre eigenen verbundenen Konten ausführt.
Diese Unterscheidung ist wichtig, wenn Kontext in ein anderes Format überführt wird. Eine Zusammenfassung einer zugriffsbeschränkten Unterhaltung sollte die entsprechenden Einschränkungen beibehalten. Auch beim Speichern im Gedächtnis oder beim Einbinden in eine Visualisierung müssen die Zugriffsanforderungen erhalten bleiben.
Persönlicher Kontext braucht ebenfalls einen klaren Geltungsbereich. Private Notizen, Präferenzen oder Gespräche sollten der jeweiligen Person zugeordnet bleiben, sofern sie nicht bewusst über einen autorisierten Prozess geteilt werden.
Ein Team kann somit ein gemeinsames Ziel verfolgen, obwohl seine Mitglieder auf unterschiedliche Informationen zugreifen können. Der Agent hilft jeder Person, mit dem für sie verfügbaren Kontext beizutragen. Fehlen relevante Belege, sollte er deutlich machen, welche Teile seines Verständnisses noch nicht überprüft sind.
3. Mit KI-Agenten ein gemeinsames Verständnis aufbauen
Sobald ein Agent auf die passenden Quellen zugreifen kann, kann er Menschen helfen, deren Bedeutung für ihre Arbeit zu verstehen.
Menschliche Aufmerksamkeit und Arbeitsgedächtnis sind begrenzt. Menschen verfolgen unterschiedliche Gespräche und interpretieren dieselbe Situation verschieden. Das Entwicklungsteam kennt technische Einschränkungen. Der Support erkennt wiederkehrende Kundenprobleme. Das Produktteam erinnert sich an die Abwägungen hinter früheren Entscheidungen.
Ein Agent kann diese Perspektiven zusammenführen und ihre Auswirkungen erklären.
Nehmen wir an, Kunden haben Schwierigkeiten, Kollegen in ein Produkt einzuladen. Im gemeinsamen Postfach finden sich Beschreibungen des Problems. Code und Release-Daten belegen das aktuelle Verhalten der Einladungsfunktion. Ein Teamkanal enthält die Begründung für eine Regel, die festlegt, wer eingeladen werden darf.
Der Agent kann daraus eine nachvollziehbare Darstellung erstellen: Was erleben die Kunden, wie verhält sich das Produkt und welche Entscheidungen haben dieses Verhalten geprägt? Anschließend kann er die Erklärung auf die jeweilige Zielgruppe abstimmen.
Die Entwicklung braucht Schritte zur Reproduktion und Belege für das betroffene Verhalten. Der Support benötigt eine korrekte Erklärung und gegebenenfalls eine überprüfte Übergangslösung. Das Produktteam muss die Auswirkungen auf Kunden und die verfügbaren Optionen verstehen. Alle Darstellungen sollten auf denselben zugrunde liegenden Fakten beruhen.
Ein erheblicher Teil der Arbeitskoordination besteht genau darin: Zusammenhänge über Gespräche hinweg zu erhalten, Abhängigkeiten sichtbar zu machen und Annahmen zu erkennen, die den Beteiligten selbst möglicherweise nicht bewusst sind.
Findet die Diskussion in Slack statt, kann ein Agent im selben Thread die Anfrage, die Belege und die nächsten Schritte für die Teilnehmenden sichtbar halten.
Der Agent sollte Beobachtungen, Interpretationen und Entscheidungen klar auseinanderhalten. Ähnliche Kundenbeschwerden können auf ein Muster hindeuten, während die Ursache noch untersucht werden muss. Eine vorgeschlagene Lösung kann vielversprechend sein, obwohl ihre Wirkung noch ungewiss ist. Sichtbare Unterschiede helfen dem Team, den nächsten Schritt zu wählen.
4. Menschen auf Ziele und Beziehungen konzentrieren lassen
Wenn Agenten mehr Arbeit beim Sammeln und Erklären von Kontext übernehmen, können Menschen sich stärker auf Richtung, Urteilsvermögen und Beziehungen konzentrieren.
Menschen bestimmen, welche Ergebnisse wichtig sind. Sie wägen konkurrierende Prioritäten ab, geben Zusagen und bauen Vertrauen zu Kollegen und Kunden auf. Sie kennen außerdem Umstände, die möglicherweise nie dokumentiert wurden: eine sensible Kundenbeziehung, eine informelle Vereinbarung oder eine Sorge, die jemand noch nicht klar ausgesprochen hat.
Ein Agent kann solche Entscheidungen vorbereiten. Vor einem Gespräch kann er die relevante Vorgeschichte zusammentragen, offene Fragen benennen und die Folgen verschiedener Optionen erklären. Während der Arbeit kann er Veränderungen hervorheben, die eine Zusage betreffen oder eine Abhängigkeit sichtbar machen.
Der Informationsumfang sollte zum Gespräch passen. Für ein Kundengespräch können eine knappe Darstellung des Problems und der bereits gemachten Zusagen genügen. Eine technische Besprechung braucht möglicherweise Implementierungsdetails und Belege zur Reproduktion. Für eine Führungsrunde sind eher die geschäftlichen Auswirkungen und die anstehenden Entscheidungen relevant.
Gutes Kontextmanagement verringert den Aufwand, einander zu verstehen. Menschen sollten mit genügend gemeinsamem Hintergrundwissen in ein Gespräch gehen können, um ihre Zeit den wichtigen Fragen zu widmen.
5. Entscheidungen und Übergaben visuell verständlich machen
Konkrete Arbeitsergebnisse geben Teams etwas, das sie prüfen, besprechen und überarbeiten können.
Das Format sollte zum Kommunikationsproblem passen. Ein Ablaufdiagramm kann eine unklare Abhängigkeit aufdecken. Ein kommentierter Screenshot kann zeigen, wo Kunden auf Schwierigkeiten stoßen. Eine Vergleichstabelle kann die Folgen verschiedener Optionen verdeutlichen. Eine Zeitleiste kann sichtbar machen, wie die Zusage eines Teams die Arbeit eines anderen beeinflusst.
Beim Einladungsproblem könnte eine kommentierte Darstellung des Kundenablaufs die aktuellen Schritte, den unklaren Punkt, die dazugehörigen Kundenbelege und die vorgeschlagene Änderung zeigen. Aktuelles Verhalten, vorgeschlagenes Verhalten und offene Fragen sollten eindeutig gekennzeichnet sein.
Diese Darstellung kann mehrere Gespräche unterstützen. Der Support prüft, ob sie das Kundenerlebnis korrekt wiedergibt. Die Entwicklung überprüft das Produktverhalten. Das Produktteam beurteilt, ob die vorgeschlagene Änderung das zugrunde liegende Problem löst.
Entscheidungsunterlagen sollten auch die Begründung eines Ergebnisses bewahren. Ein hilfreicher Vergleich zeigt die betrachteten Optionen, die entscheidenden Rahmenbedingungen, die Annahmen hinter jeder Option und den Grund für die endgültige Wahl.
Übergaben profitieren von derselben Klarheit. Die nächste Person sollte erkennen können, was erledigt und überprüft wurde, was noch offen ist, wo die zugehörigen Arbeitsunterlagen liegen und welcher nächste Schritt erwartet wird.
Der Agent kann diese Unterlagen mit den zugrunde liegenden Belegen abgleichen und aktuell halten, während sich die Arbeit weiterentwickelt.
6. Gedächtnis und Kontext von KI-Agenten pflegen
Kontext verliert an Wert, wenn sein Status und seine Aktualität unklar werden.
Produkte entwickeln sich weiter, Prioritäten ändern sich und Entscheidungen werden überarbeitet. Eine Übergangslösung kann weiterhin kursieren, obwohl das eigentliche Problem bereits behoben ist. Ein Vorschlag kann nach und nach als beschlossene Entscheidung gelten. Eine korrekte Zusammenfassung kann irreführend werden, wenn sich die Umstände ändern.
Ein gutes Kontextsystem sollte Fakten, Annahmen, Vorschläge, Entscheidungen und historische Aufzeichnungen unterscheiden. Jeder Typ braucht eine andere Pflege. Fakten müssen aktualisiert werden, wenn sich die Bedingungen ändern. Annahmen müssen überprüft werden. Vorschläge brauchen einen sichtbaren Status. Entscheidungen brauchen ihre Begründung und die Dokumentation späterer Änderungen.
Regelmäßige Pflege sollte Duplikate zusammenführen, Widersprüche kennzeichnen, aktive Zusammenfassungen aktualisieren und Material archivieren, das die aktuelle Arbeit nicht mehr anleitet. Historische Belege sollten zugänglich bleiben; abgelöste Vorgaben müssen klar erkennbar sein.
Die Pflege sollte auch auf wichtige Ereignisse reagieren. Ein Release kann Produkthinweise überholen. Ein geändertes Ziel kann andere Informationen relevant machen. Eine neue Entscheidung kann einen früheren Plan ersetzen. Änderungen an den Zugriffsrechten einer Quelle müssen sich darin widerspiegeln, wie daraus abgeleiteter Kontext gespeichert und abgerufen wird.
Teammitglieder brauchen eine einfache Möglichkeit, das Verständnis des Agenten zu korrigieren. Sie sollten eine veraltete Aussage markieren, auf eine maßgebliche Quelle verweisen oder klarstellen können, dass eine Diskussion nie zu einer Entscheidung geführt hat. Diese Korrekturen sollten zukünftige Arbeit im passenden persönlichen oder gemeinsamen Geltungsbereich beeinflussen.
Abbildung 2. Menschen setzen die Ziele. Agenten finden, verknüpfen und erklären Kontext und aktualisieren ihn, wenn sich die Arbeit verändert. Quellenverweise und die Entscheidungshistorie bleiben verfügbar.
7. Klein anfangen und die Zusammenarbeit mit KI bewerten
Eine praktische Einführung kann mit einem Projekt und einem wiederkehrenden Kommunikationsproblem beginnen.
Als konkreten Einstieg können Sie Beispiele für KI-Workflows ansehen und eines mit klaren Eingaben sowie einem Ergebnis auswählen, das das Team überprüfen kann.
Eine Übergabe vom Support an die Entwicklung eignet sich gut. Das Team kann das relevante Postfach, das Repository, die Release-Informationen und den Diskussionskanal festlegen. Anschließend definiert es ein konkretes Ergebnis, etwa ein Problembriefing mit Kundenbelegen, überprüftem Produktverhalten, offenen Fragen und einem kommentierten Ablauf.
Zuerst sollte geprüft werden, ob der Agent die Situation korrekt darstellt. Findet er relevante Belege? Unterscheidet er aktuelles Verhalten von geplanten Änderungen? Macht er Unsicherheiten sichtbar? Kann jede beteiligte Person verstehen, was die anderen benötigen?
Danach kann das Team bewerten, ob sich die Zusammenarbeit verbessert. Muss Hintergrundwissen seltener wiederholt werden? Sind bei Übergaben weniger Rückfragen nötig? Verstehen neu hinzukommende Personen, warum eine Entscheidung getroffen wurde? Werden veraltete Annahmen erkannt, bevor sie Zusagen an Kunden beeinflussen?
Das Feedback aus diesen Situationen sollte die Quellenübersicht, die Zusammenstellung des Kontexts und die Arbeitsergebnisse des Agenten verbessern. Sobald diese Grundlagen verlässlich sind, kann der Verantwortungsbereich erweitert werden.
Der Nutzen zeigt sich im Alltag: Ein Entwickler versteht die Auswirkungen auf Kunden, bevor er mit der Untersuchung beginnt. Der Support kann das Produkt korrekt erklären. Neue Beteiligte können die Gründe für eine Entscheidung nachvollziehen. Menschen bringen den nötigen Kontext mit und können sich stärker darauf konzentrieren, Ziele zu wählen, Zusagen zu machen und die Beziehungen aufzubauen, die dem Team helfen, Ergebnisse zu liefern.
Häufige Fragen
Was unterscheidet den Kontext eines KI-Agenten von seinem Gedächtnis?
Kontext umfasst die Informationen, die dem Modell für seine aktuelle Antwort oder Handlung vorliegen. Das Gedächtnis speichert Informationen für später, gegebenenfalls über mehrere Sitzungen hinweg. Eine gespeicherte Entscheidung wird beim Abruf Teil des aktiven Kontexts. Beides braucht Quellenverweise, einen klaren Geltungsbereich und Prüfungen auf veraltete Informationen.
Wie unterscheidet sich Kontextmanagement für KI-Agenten von RAG?
Retrieval-Augmented Generation (RAG) ruft Informationen ab, um eine Modellantwort darauf zu stützen. Kontextmanagement umfasst den gesamten Prozess, mit dem Anweisungen, Gesprächsverlauf, Werkzeugergebnisse und abgerufene Informationen für eine Aufgabe ausgewählt werden. Dazu gehören auch Aktualität und Aufbewahrung innerhalb durchgesetzter Zugriffsgrenzen. RAG kann ein Bestandteil dieses Prozesses sein.
Was passiert, wenn das Kontextfenster eines KI-Agenten voll ist?
Je nach System kann eine Anfrage scheitern, ältere Inhalte können entfernt oder das Gespräch kann zusammengefasst werden. Halten Sie Ziel, bestätigte Entscheidungen, offene Fragen und Quellenverweise in einer knappen Arbeitsnotiz fest. Rufen Sie detaillierte Belege bei Bedarf erneut ab und prüfen Sie, ob wichtige Vorgaben in der Zusammenfassung fehlen.
Können KI-Agenten Kontext teilen, ohne die Zugriffsrechte aller Beteiligten zu teilen?
Ja, wenn Quellanwendungen, Identitätssystem und Speicherschicht die Zugriffsrechte durchsetzen. Gemeinsame Anweisungen gewähren keinen Zugriff auf die verbundenen Konten anderer Personen. Zusammenfassungen und Übergaben müssen die Beschränkungen ihrer Quellen beibehalten. Beim Abrufen oder Teilen der Informationen muss das System den Zugriff erneut prüfen.
Was gehört in die Übergabe eines KI-Agenten?
Dazu gehören das Aufgabenziel, der aktuelle Stand, bestätigte Erkenntnisse, Quellenverweise, Entscheidungen samt Begründung, offene Fragen sowie die nächste Aktion mit einer verantwortlichen Person. Kennzeichnen Sie Annahmen und Vorschläge ausdrücklich. Unterscheiden Sie bei einem Kundenproblem das beobachtete Verhalten im Produktivbetrieb von einer geplanten oder noch nicht ausgerollten Korrektur.
Wie oft sollte der Kontext eines KI-Agenten aktualisiert werden?
Aktualisieren Sie aktiven Kontext bei relevanten Releases, neuen Kundeninformationen, Entscheidungen oder Änderungen der Zugriffsrechte. Prüfen Sie vor folgenreichen Aktionen erneut, ob veränderliche Fakten noch gelten. Richten Sie den Prüfzyklus danach aus, wie schnell sich die Quelle ändert. Kennzeichnen Sie überholte Vorgaben und halten Sie historische Belege für berechtigte Personen zugänglich.
Wie lässt sich messen, ob Kontextmanagement die Teamarbeit verbessert?
Wählen Sie einen wiederkehrenden Arbeitsablauf und erfassen Sie einen Ausgangswert. Vergleichen Sie bei ähnlichen Aufgaben den Zeitaufwand für die Rekonstruktion des Hintergrunds, Rückfragerunden pro Übergabe und sachliche Korrekturen. Prüfen Sie außerdem Quellenverweise, Zugriffsgrenzen und den Umgang mit Unsicherheit. Schnellere Ergebnisse sind nur dann hilfreich, wenn sie korrekt bleiben.
