Kontextmanagement im Unternehmen: der richtige KI-Kontext für jede Aufgabe

Das folgende Ersatzteil-Szenario ist ein Beispiel zur Veranschaulichung. Eine Kundenmail fragt nach einem Teil für eine Maschine, die vor Jahren ausgeliefert wurde. Ein KI-Werkzeug schreibt die Antwort in einer halben Minute. Anrede, Ton und Artikelnummer stimmen, und die zugesagte Lieferzeit stammt aus einem Preisblatt, das der Lieferant längst ersetzt hat. Der einzige Fehler steht an der Stelle, die den Kunden wirklich interessiert.

Solche Fehler entstehen selten im Sprachmodell. Sie entstehen davor, bei der Frage, welche verlässlichen Informationen die KI für diese eine Aufgabe überhaupt gesehen hat. Genau diese Frage ist Kontextmanagement, und sie stellt sich lange bevor über ein Werkzeug entschieden wird.

Was Kontextmanagement im Unternehmen bedeutet

Kontextmanagement ist die laufende Aufgabe zu entscheiden, welche verlässlichen Informationen ein Mensch oder ein KI-System für eine bestimmte Aufgabe braucht: woher sie stammen, wer sie nutzen darf, wie aktuell sie sind und wie sich ein Ergebnis später auf seine Quelle zurückführen lässt. Alle Dokumente in einen Chatbot zu laden, ist damit nicht gemeint. Kontextmanagement beginnt immer bei einer konkreten Aufgabe und arbeitet sich von dort zu den Quellen vor.

Vier Anzeichen sprechen dafür, dass in einem Betrieb der Kontext das Problem ist und nicht das Werkzeug.

• Zwei erfahrene Kollegen beantworten dieselbe Kundenfrage unterschiedlich, und beide können sich auf eine Unterlage berufen.
• Eine Auskunft hält, bis jemand fragt, aus welcher Liste die Zahl stammt.
• Eine wiederkehrende Aufgabe hängt an einer Person, weil nur sie weiß, welche Datei gerade gilt.
• Korrekturen landen in einer Mail oder im Chatverlauf und nie in der Quelle, aus der die nächste Antwort kommt.

Wissensmanagement, KI-Kontext und Context Engineering

Vier Begriffe laufen hier durcheinander, auch in der deutschsprachigen Fachdiskussion. Wissensmanagement fragt, wie Unternehmenswissen erfasst, gepflegt und geteilt wird. Kontextmanagement fragt, welche belastbare Information für eine bestimmte Aufgabe gebraucht wird, woher sie kommt, wer sie sehen darf und wie aktuell sie ist. KI-Kontext ist das Paket aus Fakten, Regeln, Beispielen und Vorgeschichte, das einem KI-System für genau diese Aufgabe tatsächlich vorliegt. Context Engineering ist die technische Praxis, dieses Paket auszuwählen, zu strukturieren und bereitzustellen. Diese Abgrenzung ist unsere Lesart des Feldes und keine Feststellung, dass die Branche sich bereits auf eine Definition geeinigt hätte.

Ein durchgespieltes Beispiel: die Antwort auf eine Kundenmail

Bleiben wir bei der Ersatzteilanfrage. Eine brauchbare Antwort besteht aus fünf Bausteinen, und jeder liegt woanders.

• Der Artikel und sein Nachfolger, im ERP.
• Der Preis, aus der Kondition dieses Kunden.
• Die Lieferzeit, aus der aktuellen Zusage des Lieferanten.
• Die Regel, ab welchem Betrag jemand gegenzeichnet.
• Drei frühere Antworten, an denen der Ton hängt.

Ein erfahrener Mitarbeiter stellt diese Angaben zusammen und merkt dabei, wenn etwas nicht zusammenpasst. Ein KI-Werkzeug ohne diesen Zugriff schreibt einen flüssigen Text mit einem falschen Termin. Der Unterschied liegt vollständig im Kontext.

Aus unserer eigenen Arbeit stammt dazu eine Regel. Ein KI-System darf einen Entwurf füllen, aber keinen Wert erfinden, für den später jemand geradesteht. In XPO Inventory, der Bestandslösung für den Messebauer NEO Expo, schlägt ein Foto Name, Beschreibung, Farbe, Kategorie und Einheit vor; Maße und Menge bleiben manuell, weil diese Werte für Inventarprozesse zu kritisch sind. Bei der Ersatzteilmail verläuft die Grenze genauso. Anrede und Aufbau kann die KI übernehmen, Preis und Liefertermin kommen aus der führenden Quelle oder gar nicht.

Die sechs Fragen für einen Kontextpfad

Für jede Aufgabe, die KI übernehmen soll, klären wir sechs Punkte. Sie sind bewusst so geschnitten, dass ein Inhaber sie ohne Software-Vokabular beantworten kann und sie im nächsten Gespräch mit einem Anbieter selbst stellen kann.

1. Aufgabe: Was genau soll entschieden oder erstellt werden?
2. Quelle: Woher stammt jede Angabe, die das Ergebnis verändert?
3. Verantwortung: Wer darf sie korrigieren, und welche Quelle gilt bei Widerspruch?
4. Berechtigung: Wer oder was darf sie lesen, und wofür?
5. Aktualität: Wie schnell wird sie falsch, und woran merkt das jemand?
6. Nachweis: Woran erkennen Sie im Alltag, dass der Kontext das Ergebnis verbessert hat?

Bei der Ersatzteilmail scheitert es selten an der ersten Frage. Es scheitert an der dritten, wenn ERP und Lieferantenzusage sich widersprechen und niemand entschieden hat, welche Angabe gilt.

Bleibt eine dieser Fragen offen, liegt die Ursache fast immer bei einer ungeklärten Zuständigkeit.

Was Ordnung allein schon leistet

Wie viel diese Vorarbeit wert ist, lässt sich inzwischen beziffern. Eine Gruppe an der UCLA hat im Mai 2026 mit LongMemEval-V2 gemessen, wie gut verschiedene Aufbauten die Erfahrung aus wochenlanger Arbeit wieder verfügbar machen. Ohne jeden Zugriff auf diese Erfahrung kommen aktuelle Spitzenmodelle auf 14,1 %. Ein eigens gebautes Gedächtnissystem, das jede Beobachtung beim Ablegen analysiert und in drei getrennte Wissensspeicher einsortiert, erreicht 58,6 %. Ein Standard-Werkzeug, das dieselben Verläufe schlicht als geordnete Dateien durchsuchen darf, erreicht 69,9 %. Die beste Variante kommt auf 74,9 % und ist dasselbe Standard-Werkzeug, ergänzt um eine geschriebene Arbeitsanweisung, ein Inhaltsverzeichnis und einige Hilfsskripte.

Der wirksamste einzelne Baustein war dabei die Arbeitsanweisung. Nimmt man dieses schlichte Dokument weg, fällt die Trefferquote im großen Durchlauf von 70,1 % auf 64,1 %.

Daraus folgt die zweite Regel, nach der wir arbeiten. Was ein KI-System über den Betrieb wissen muss, gehört in eine geschriebene Datei mit Versionsstand, die Menschen und Maschinen gleichermaßen lesen können. Regeln, die nur in den Einstellungen eines Werkzeugs stehen, sind einer der stillen Wege in die Anbieterabhängigkeit, weil niemand nachlesen kann, was gilt, und niemand sieht, wann es sich geändert hat. Sind Ablauf und Regeln als Text beschrieben, arbeiten Menschen und KI-Systeme auf demselben Stand.

Diese Zahlen stammen allerdings aus zwei künstlichen Testumgebungen auf Englisch, in denen es keine Berechtigungen, keine widersprüchlichen Quellen und keinen Datenschutz gibt. Sie zeigen, wie gut ein System in vorhandenem Material die richtige Stelle findet, und sagen nichts darüber, ob dieses Material stimmt und wer es sehen darf. Hinzu kommt, dass 74,9 % bedeutet, dass jede vierte Antwort falsch ist. Ein gut gebauter KI-Kontext ist damit heute eine Hilfe für jemanden, der prüfen kann.

Wie eine solche Datei aussieht und wann sie gelesen wird

Bleibt die Frage, was in einer solchen Datei überhaupt steht. Bei der Ersatzteilmail wäre das ein kurzes Dokument je Thema – eines zu Lieferzeiten, eines zu Preisstaffeln, eines zu Teilen für abgekündigte Baureihen – und keines davon länger als eine Bildschirmseite. Der Aufbau wiederholt sich in allen, weil dieselbe Reihenfolge dem Menschen wie dem KI-System das Suchen abnimmt.

• Was heute gilt. Ein Absatz, der die Frage beantwortet, ohne dass jemand weiterlesen muss.
• Die Einzelheiten darunter, also die Ausnahmen und die Baureihen, für die etwas anderes gilt.
• Was offen ist. Punkte, über die noch niemand entschieden hat, ausdrücklich als offen benannt.
• Wer zuständig ist. Ein Name, keine Abteilung.
• Was sich wann geändert hat. Datum und Grund, in zwei Zeilen.

Der dritte Punkt ist der ungewohnte. Ein Dokument, das seine offenen Fragen benennt, ist einem KI-System mehr wert als eines, das die Lücke stillschweigend lässt, denn ein System, das die stille Fassung liest, füllt genau dort etwas Plausibles ein – derselbe Fehler wie die Lieferzeit aus dem Beispiel am Anfang.

Damit ist allerdings erst die Hälfte geklärt. Die zweite Hälfte ist die Frage, welche dieser Dateien ein KI-System für eine bestimmte Aufgabe überhaupt zu sehen bekommt, denn alles gleichzeitig vorzulegen macht die Antworten wieder schlechter. Wir unterscheiden dafür drei Stufen. Bei jeder Aufgabe dabei sind wenige kurze Dateien – der Tonfall etwa und die Zusagen, die ohne Rücksprache nie herausgehen. Dazu kommen die Dateien zur Sache selbst, hier also die zum Teil und zur betroffenen Baureihe. Alles Übrige bleibt liegen und wird nur geholt, wenn die Aufgabe danach verlangt.

Diese Einteilung ist zugleich die Stelle, an der die vierte der sechs Fragen praktisch wird. Wer mehrere Mandanten betreut, darf die Dateien zweier Kunden nie im selben Durchlauf offen haben – eine Grenze, die in der Ablage liegen muss, weil eine Einstellung im Werkzeug beim nächsten Update mitwandert und niemand es merkt.

Ob dieselbe Einteilung auch bei mehreren tausend Dokumenten noch trägt, ist offen; in der Größenordnung, in der unsere Kunden arbeiten, trägt sie.

Wann Technik dazukommt

Erst wenn Aufgabe, Quellen und Zuständigkeiten geklärt sind, lohnt die Frage nach dem Werkzeug. Wir gehen sie in dieser Reihenfolge durch und hören auf, sobald die Aufgabe zuverlässig läuft.

1. Veraltetes und Doppeltes entfernen und eine führende Quelle benennen.
2. Suche, Ablage und Berechtigungen im vorhandenen System verbessern.
3. Die Aufgabe über einen Export oder eine Schnittstelle an die Live-Daten anbinden.
4. Eine Suche über freigegebene Dokumente ergänzen.
5. Den Kontext für die Aufgabe automatisch zusammenstellen und die KI entwerfen lassen, geprüft von einem Menschen.
6. Begrenzte Aktionen erlauben, sobald das Lesen zuverlässig und protokolliert ist.

Für die ersten beiden Schritte braucht es kein neues Softwareprojekt. Manchmal reicht das bereits, um die Aufgabe zuverlässig zu erledigen. Wo mehrere Programme, eigene Regeln oder sensible Daten zusammenkommen, werden die späteren Schritte sinnvoll – dieselbe Grenze, die wir auch bei KI im Unternehmen ziehen.

Womit Sie anfangen

Wir beginnen mit einer einzigen Aufgabe, die heute an einer erfahrenen Person hängt. Ein Anforderungsdokument brauchen Sie dafür nicht; ein echter Fall und Ihre Beschreibung in eigenen Worten genügen. In einer Prozesssitzung von 90 Minuten spielen wir dann drei bis zehn echte Vorgänge durch, darunter einen normalen, eine Ausnahme und einen, der schiefgegangen ist – der Normalfall allein zeigt nie, an welcher Stelle der Kontext reißt. Am Ende steht eine Kontextkarte für diese Aufgabe, eine Entscheidung über führende Quellen und Zuständigkeiten und eine Empfehlung für den kleinsten sinnvollen Eingriff.

Wenn Sie eine Aufgabe im Kopf haben, bei der KI heute an fehlendem Kontext scheitert, sprechen wir darüber. Erstgespräch vereinbaren.