Prompt Engineering Is Dead. Here’s What Actually Gets AI to Write Good Code.
Zusammenfassung
Kurz
Der Beitrag sieht fehlenden oder veralteten Systemkontext als häufige Ursache für enttäuschende KI-generierte Codevorschläge und empfiehlt, relevante Dokumentation, Datenformen, Einschränkungen und Entscheidungshintergründe bereitzustellen. Der Autor stützt dies auf persönliche Beispiele sowie nur knapp beschriebene Studien und Umfragen; deren Methoden werden nicht ausgeführt.
Mittel
Der Autor argumentiert, dass schlechte Ergebnisse von KI-Programmierwerkzeugen häufig auf fehlenden oder veralteten Kontext zurückgehen, nicht primär auf ein schwaches Modell oder einen schlecht formulierten Prompt. Prompt Engineering betreffe die Form der Anfrage; Context Engineering liefere zusätzlich etwa Systemdokumentation, Datenstrukturen, technische Vorgaben und die Gründe für frühere Entscheidungen.
Er veranschaulicht dies mit einer Backend-Migration: Das Modell übersah zunächst wichtige Regeln zur Transaktionsbehandlung und Wiederholungslogik. Nachdem der Autor interne Dokumentation und den Hintergrund der Regeln ergänzt habe, sei das Ergebnis deutlich passender gewesen. Er empfiehlt, für Aufgaben ein kurzes Kontextdokument anzulegen und bei Bedarf Schemata, Typen, Infrastrukturregeln sowie historische Informationen einzubeziehen.
Erfahrene Entwickler hätten dabei nach seiner Einschätzung einen Vorteil, weil sie mehr über unausgesprochene Systembedingungen wissen. Der Beitrag führt eine Studie mit einem etwa zehnfachen Produktivitätswert für erfahrene Entwickler mit KI an und nennt eine Umfrage, laut der rund 65 Prozent fehlenden oder veralteten Kontext als Hauptfrustration angäben. Quellen und Methoden werden nicht näher erläutert. Auch Code-Reviews sollten laut Autor stärker vermitteln, welches Systemwissen für gute KI-Ergebnisse nötig ist. Langfristig erwartet er Vorteile für Teams, die Dokumentation und Organisationswissen aktuell halten und automatisch auffindbar machen.
Ausführlich lesen
Der Beitrag vertritt die These, dass bei enttäuschenden Ergebnissen von KI-Programmierwerkzeugen oft nicht das Modell oder die Formulierung des Prompts das Hauptproblem ist, sondern fehlender oder veralteter Kontext. Der Autor stellt „Prompt Engineering“ – die Art, eine Aufgabe zu formulieren – dem „Context Engineering“ gegenüber: dem gezielten Bereitstellen von Dokumentation, Code, Datenstrukturen, technischen und geschäftlichen Einschränkungen sowie der Gründe für frühere Entscheidungen.
Als Auslöser für diese Sicht schildert der Autor eine Migration eines älteren Backend-Dienstes. Obwohl die Vorschläge des Modells einzeln technisch korrekt gewesen seien, hätten sie wichtige Besonderheiten des Systems übersehen, darunter Regeln für Transaktionsabbrüche und eine nach einem früheren Produktionsvorfall eingeführte Wiederholungslogik. Erst nachdem er interne Dokumentation, einen Auszug aus Architekturentscheidungen und eine Erklärung dieser Logik ergänzt habe, sei ein nahezu passendes Ergebnis entstanden. Das Modell habe sich nicht verändert; der bereitgestellte Kontext habe sich verbessert.
Besonders erfahrene Entwickler hätten laut Autor einen Vorteil, weil sie oft Wissen über historische Entscheidungen, gescheiterte Ansätze und unausgesprochene Systemannahmen mitbringen. Er verweist auf eine Studie, nach der erfahrene Entwickler mit KI ungefähr zehnmal produktiver seien als ohne KI, während der Produktivitätsgewinn bei Einsteigern deutlich geringer ausfalle. Er führt diesen Unterschied auf den Kontext zurück, den die jeweiligen Entwickler beisteuern können. Die Studie und ihre Methodik werden im Beitrag allerdings nicht näher benannt.
Praktisch empfiehlt der Autor, vor der Arbeit an einer Funktion ein kurzes Kontextdokument anzulegen. Es sollte Zweck und betroffene Systeme, geltende Einschränkungen, getroffene Entscheidungen und relevante historische Hintergründe enthalten. Bei Aufgaben mit Datenbanken oder externen Schnittstellen sollten auch passende Schemata und Typdefinitionen einfließen, damit das Modell keine plausibel wirkenden, aber falschen Datenformen annimmt. Für Infrastrukturprobleme nennt er echte Richtlinien, etwa IAM-Policies, sowie Beschreibungen der Architektur und der Verbindungen zwischen Diensten. Ein konkretes Beispiel: Das Einfügen einer tatsächlichen AWS-Richtlinie habe ihm bei einem Lambda-S3-Berechtigungsproblem binnen Minuten geholfen, nachdem er zuvor lange mit falschen Annahmen des Modells gesucht habe.
Als nächste Entwicklungsstufe beschreibt er Systeme, die passende Dokumentation, frühere Fehlerberichte und relevante Diskussionen automatisch zur jeweiligen Aufgabe abrufen. Zudem habe sich seine Code-Review-Praxis verändert: Bei KI-unterstützten Beiträgen frage er stärker danach, welche Informationen fehlten, und nutze die Prüfung als Gelegenheit, Systemverständnis zu vermitteln. Der Autor sagt, er sei sich nicht sicher, ob ihm dieser Wandel gefällt.
Ein nicht näher belegter Umfragewert im Beitrag besagt, rund 65 Prozent der Entwickler nannten fehlenden oder veralteten Kontext als wichtigste Frustrationsquelle. Für die Zukunft setzt der Autor auf gepflegte Dokumentation, aktualisierte Architekturentscheidungen, Betriebsanleitungen und festgehaltene Einschränkungen. Seine abschließende Einschätzung: Da sich Modelle zunehmend angleichen könnten, werde entscheidend, wie gut Organisationen ihr Wissen für KI-Werkzeuge verfügbar machen. Diese Aussagen beruhen überwiegend auf persönlichen Erfahrungen und Verweisen auf nicht genauer ausgeführte Studien und Umfragen; der Beitrag liefert keinen systematischen Vergleich oder unabhängige Prüfung seiner Empfehlungen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Einordnung bezieht sich nur auf die drei angegebenen Sammelfragen, Teilfragen waren nicht angegeben. Die Bewertung der Zusammenfassung stützt sich auf die mittlere Fassung von Luna.
Im Bericht, aber nicht in der Zusammenfassung
- Die Analogie des KI-Modells als fähiger neuer Vertragsmitarbeiter, dem das Onboarding fehlt, ist eine zentrale Aussage des Beitrags.
- Der Verweis auf den Anthropic-Bericht, der Kontextkompetenz als wichtigste Verschiebung für Entwickler 2026 nennt.
- Die Aussage, dass das Abrufen relevanten Kontexts automatisch aus Dokumentation und Pull-Request-Diskussionen die Grenze der Praxis sei.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 68 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 52 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 73 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 35 %Hintergrund, keine Belege
- JEV 56 %beantwortet teilweise oder widerspricht
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 51 %Hintergrund, keine Belege
- JEV 32 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 47 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 55 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 55 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 68 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 41 %Hintergrund, keine Belege
- JEV 25 %Hintergrund, keine Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 40 %einzelne zitierbare Belege
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv