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

Ein KI-Werkzeug beantwortet eine Kundenanfrage. Der Text liest sich gut, die Anrede stimmt, der Ton passt — und der genannte Liefertermin gilt seit dem letzten Preisblatt nicht mehr. Solche Fehler entstehen selten im Sprachmodell. Sie entstehen davor, bei der Frage, welche Informationen die KI für diese eine Aufgabe überhaupt gesehen hat.

Genau diese Frage ist Kontextmanagement. Sie stellt sich in jedem Betrieb, der KI ernsthaft einsetzt, 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. Das Hochladen aller Dokumente in einen Chatbot ist damit nicht gemeint. Kontextmanagement beginnt immer bei einer konkreten Aufgabe und arbeitet sich von dort zu den Quellen vor.

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

Nehmen wir eine Anfrage zu einem Ersatzteil, wie sie an jedem Werktag mehrfach eintrifft. Eine brauchbare Antwort besteht aus fünf Bausteinen, die alle woanders liegen.

• 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 Mitarbeiter, der lange dabei ist, holt das in fünf Minuten 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.

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 beantworten kann, ohne Software-Vokabular zu benutzen.

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?

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 in einer Umgebung 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 %. Für einen Betrieb heißt das, dass eine geordnete Ablage und eine aktuelle Beschreibung des Ablaufs weiter tragen als eine Datenbank über einem unsortierten Archiv.

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.

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.

Die ersten beiden Schritte kosten kein Projekt, und in vielen Fällen ist die Aufgabe damit erledigt. 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. Dafür brauchen Sie kein Anforderungsdokument. Sie zeigen uns einen echten Fall und erklären in Ihren Worten, wie er heute läuft, wer beteiligt ist und was besser werden soll. Wir gehen ihn durch, fragen nach den Ausnahmen und halten fest, welche Information an welcher Stelle fehlt. Am Ende steht eine Kontextkarte für diese Aufgabe, eine Entscheidung über führende Quellen und Zuständigkeiten, eine Empfehlung für den kleinsten sinnvollen Eingriff und eine Schätzung für Umsetzung und Pflege.

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