Was ist Context Management?

Context Management ist die Praxis, zu entscheiden, welche Informationen in jedem Moment im Kontextfenster eines KI-Agenten liegen und wie sich das im Lauf einer Aufgabe ändert: was hinzukommt, was bleibt, was komprimiert wird, was wegfällt und was außerhalb des Fensters für später abgelegt wird. Weil das Kontextfenster endlich ist und weil Modelle unter Context Rot leiden, je voller es wird, kann ein Agent nicht einfach alles ansammeln, was ihm begegnet. Er muss eine begrenzte, wertvolle Ressource aktiv bewirtschaften.

Wo Context Assembly das Zusammenstellen des Kontexts für einen einzelnen Aufruf ist, ist Context Management die breitere, fortlaufende Disziplin, den Kontext über viele Aufrufe und eine ganze Sitzung eines Agenten hinweg zu kuratieren. Es ist eines der zentralen technischen Probleme beim Bau verlässlicher Agenten: Ein lang laufender Agent, der seinen Kontext schlecht bewirtschaftet, driftet ab, wird langsamer und verliert an Qualität, während sich das Fenster mit abgestandenem und belanglosem Material füllt.

Context Management im Überblick

Ein Agent, der an einer mehrstufigen Aufgabe arbeitet, sammelt fortwährend Informationen an: Nachrichten des Nutzers, Ergebnisse von Werkzeugen, abgerufene Dokumente, Zwischenschritte des Schließens. Bliebe all das im Kontextfenster, würde das Fenster volllaufen, die Kosten stiegen, und die Qualität verfiele. Context Management ist die Menge an Entscheidungen, die das verhindern, indem sie den Arbeitskontext fortlaufend so formen, dass er vom ersten bis zum letzten Schritt klein, relevant und nützlich bleibt.

Die entscheidende Einsicht ist, dass man das Kontextfenster besser als Arbeitsgedächtnis behandelt und nicht als Speicher. Wertvolle Informationen, die gerade nicht gebraucht werden, sollten außerhalb des Fensters liegen, in einer Datenbank, einer Datei oder einer gesteuerten Quelle, und nur dann zurückgeholt werden, wenn sie relevant sind. Bewirtschaftung ist die Orchestrierung dieses Flusses zwischen dem begrenzten Fenster und der größeren Welt an Informationen ringsum.

Die zentralen Strategien

In der Praxis haben sich einige wenige einander ergänzende Strategien des Context Management herausgebildet.

• Schreiben. Informationen außerhalb des Fensters ablegen, in einem Gedächtnis, in Dateien oder in einer Datenbank, sodass sie später verfügbar sind, ohne jetzt Kontext zu belegen.
• Auswählen. Nur den abgelegten Kontext zurück ins Fenster holen, der für den aktuellen Schritt relevant ist, also dieselbe Disziplin wie beim Zusammenstellen.
• Komprimieren. Lange Verläufe und wortreiche Ausgaben von Werkzeugen zu kompakten Darstellungen zusammenfassen, die die Bedeutung bewahren und Platz sparen.
• Isolieren. Die Arbeit über Sub-Agenten oder Geltungsbereiche aufteilen, sodass jeder mit seinem eigenen fokussierten Kontext arbeitet statt mit einem aufgeblähten gemeinsamen Fenster, ein verbreitetes Muster in Systemen mit mehreren Agenten.

Zusammen eingesetzt halten sie den Arbeitskontext knapp und relevant, und genau das verhindert Context Confusion und Context Rot.

Warum das zählt

Context Management ist das, was einen Agenten aus der Demo von einem im Produktivbetrieb unterscheidet. In kurzen Interaktionen funktioniert naives Ansammeln. Doch in lang laufenden, mehrstufigen Aufgaben, also genau denen, die Agenten zunehmend übernehmen sollen, füllt unbewirtschafteter Kontext das Fenster, treibt die Kosten je Token, verlangsamt die Antworten und löst den Qualitätsverfall des Context Rot aus. Gute Bewirtschaftung hält einen Agenten über lange Zeiträume schnell, bezahlbar und verlässlich, weil das Modell stets aus einem fokussierten Kontext schließt statt aus einem immer größeren Haufen.

Die Dimension der Governance

Jede Entscheidung im Context Management läuft auf eine Frage hinaus: Was lohnt es sich aufzuheben? Sie gut zu beantworten verlangt zu wissen, welche Informationen vertrauenswürdig, aktuell und relevant sind, und das ist eine Frage der Governance und keine rein technische. Ein Agent, der eine maßgebliche Definition wegkomprimiert oder einen veralteten Wert ablegt, als wäre er aktuell, bewirtschaftet seinen Kontext effizient, aber falsch. Solides Context Management hängt deshalb an einem gesteuerten Fundament, das das Vertrauenswürdige und Aktuelle vom Verrauschten und Überholten unterscheidet. Kontext zu bewirtschaften, ohne die zugrunde liegenden Informationen zu steuern, kuratiert bloß effizient das Falsche.

Wie Dawiso hilft

Dawiso unterstützt Context Management, indem es die gesteuerte Quelle ist, gegen die Agenten bewirtschaften. Statt Definitionen und Daten im Fenster zu horten, kann ein Agent dieses Wissen im Context Layer belassen, einer einzigen gesteuerten Datenbasis, gebaut aus Ihrem Glossar, Ihrem Katalog und Ihrer Lineage, und über den Dawiso MCP Server genau das holen, was er gerade braucht. Das macht die Strategien „Schreiben“ und „Auswählen“ einfach und vertrauenswürdig: Das dauerhafte Wissen liegt in gesteuertem Speicher, und das Fenster bleibt knapp. Und weil diese Quelle vertrauenswürdige, aktuelle Informationen vom Rest unterscheidet, trifft der Agent seine Entscheidungen über Behalten oder Verwerfen gegen eine maßgebliche Grundlage statt nach Gefühl.

Fazit

Context Management ist die fortlaufende Disziplin, das Kontextfenster eines Agenten über eine ganze Aufgabe hinweg knapp, relevant und aktuell zu halten, also zu schreiben, auszuwählen, zu komprimieren und zu isolieren, damit das Modell nie in seinem eigenen angesammelten Verlauf ertrinkt. Für Agenten, die über lange Zeiträume arbeiten, ist das unerlässlich, und die schwersten Entscheidungen dabei sind in Wahrheit Entscheidungen der Governance darüber, was aufzuheben sich lohnt. Bewirtschaften Sie Kontext gegen eine gesteuerte Datenbasis, bei Bedarf ausgeliefert, und ein Agent bleibt schnell, bezahlbar und verlässlich, statt unter dem Gewicht von allem, was er je gesehen hat, langsam zu verfallen.