Vier Kontext-Engineering-Ebenen für produktive KI-Agenten

Produktive KI-Agenten scheitern oft bei komplexen Aufgaben wie der Datenanalyse, weil ihre Kontextfenster erschöpft sind. Eine neue Referenzimplementierung von Amazon Web Services namens Deep Insight skizziert eine vierstufige Strategie zur Lösung dieses Engpasses. Der am 4. November 2026 veröffentlichte Leitfaden erläutert, wie man Kontext isoliert, steuert, auslagert und verifiziert, um Genauigkeit zu wahren und Kosten zu senken.

Was passiert ist

Große Sprachmodelle bieten großzügige Kontextfenster, wie etwa die 200K Tokens, die Anthropic Claude Sonnet 4.5 auf Amazon Bedrock zur Verfügung stehen. In der Praxis verbrauchen reale Workflows diese Kapazität jedoch schnell. Eine typische Anfrage zur Analyse von Verkaufsdaten und zur Erstellung eines Berichts umfasst mehrere Phasen, darunter das Laden von Daten, statistische Validierung und Diagrammerstellung. Diese Schritte können innerhalb von nur 15 Minuten über 150K Tokens verbrauchen, was zu Fehlern während der Ausführung, einer verschlechterten Genauigkeit aufgrund veralteter Informationen und höheren Kosten führt.

Um dies anzugehen, haben AWS-Ingenieure Deep Insight entwickelt, eine Open-Source-Multi-Agenten-Lösung, die auf dem Strands Agents SDK und Amazon Bedrock AgentCore basiert. Das System wendet einen strukturierten Ansatz zum Kontext-Engineering an und geht über einfache Prompt-Anpassungen hinaus hin zu einer ganzheitlichen architektonischen Disziplin. Die Implementierung zeigt, dass die Kombination dieser Techniken die von jedem Skript hinzugefügten Tokens um etwa 95 Prozent reduzieren und die System-Prompts um rund 97 Prozent schrumpfen lassen kann.

Die Anleitung ist in vier unterschiedliche Ebenen gegliedert: Isolierung des Kontexts auf Architekturebene, Steuerung durch Prompts, Auslagerung in das Dateisystem und Verifizierung durch unabhängige Schutzmechanismen. Diese schichtweise Methode stellt sicher, dass die nächste Ebene kompensiert, wenn eine Technik ihre Grenzen erreicht, und verhindert so den „Context Rot“, der Single-Agent-Systeme plagt.

Wie es funktioniert

Die erste Ebene konzentriert sich auf die architektonische Isolation. Anstatt alle Aufgaben in einem einzigen Agenten auszuführen, nutzt Deep Insight eine Hierarchie spezialisierter Agenten, darunter einen Coordinator, Planner, Supervisor und verschiedene Tool Agents. Jeder Agent arbeitet in seinem eigenen unabhängigen Kontextfenster. Sie kommunizieren über ein gemeinsames State-Wörterbuch, das nur komprimierte Zusammenfassungen oder „Hinweise“ („clues“) enthält, nicht aber vollständige Gesprächsverläufe. Dies stellt sicher, dass selbst die aktivsten Agenten, wie der Coder, unter 25K Tokens bleiben.

Die zweite Ebene steuert den Kontextzufluss durch striktes Prompt-Engineering. Jeder Agent hat explizite Budgets für Ausgabe-Tokens. Beispielsweise ist der Coder-Agent auf 1.500 Tokens begrenzt, da sein tatsächlicher Code in Dateien gespeichert wird und nicht im Chat zurückgegeben wird. Prompts erzwingen zudem eine Philosophie des autarken Codes, die verlangt, dass jedes Skript seine eigenen Importe und Logik zum Laden von Daten enthält. Dies verhindert die Notwendigkeit, vorherige Code-Snippets im Gedächtnis zu behalten, sodass alter Kontext sicher verworfen werden kann.

Die dritte und wirkungsvollste Ebene lagert schwere Inhalte in das Dateisystem aus. Deep Insight ersetzt separate Schreib- und Ausführungstools durch ein einziges write_and_execute_tool. Dieses Tool schreibt Python-Code in eine Datei und führt ihn sofort aus, wobei es dem Agenten nur eine kurze Erfolgszusammenfassung zurückgibt. Der Code selbst gelangt nie in das Kontextfenster. Zusätzlich wird häufig genutzte Logik in wiederverwendbaren Modulen gespeichert, und detaillierte Analyseergebnisse werden in strukturierten Textdateien wie all_results.txt abgelegt. Agenten lesen diese Dateien nur bei Bedarf, wodurch der aktive Kontext schlank gehalten wird.

Wichtige Details

• Deep Insight reduziert die Nutzung von Skript-Kontext um etwa 95 Prozent durch ein kombiniertes Schreib- und Ausführungstool.
• Das Laden von Fähigkeiten bei Bedarf verkleinert die Größe des System-Prompts um etwa 97 Prozent.
• Das System verwendet ein shared_state-Wörterbuch, um zwischen Agenten nur komprimierte Hinweise und Abschlussmeldungen weiterzugeben.
• Coder-Agenten sind auf 1.000–1.500 Ausgabe-Tokens beschränkt, was sie zwingt, zusammenzufassen statt Code auszugeben.
• Häufig genutzte Utility-Funktionen werden vorab in einem coder_analysis_utils.py-Modul generiert, um die Neugenerierung von doppeltem Code zu vermeiden.
• Strukturierte Notizdateien wie all_results.txt dienen als Kommunikationsbus zwischen Agenten und ersetzen ausführliches Message-Passing.

Warum es wichtig ist

Für Ingenieure, die produktive KI-Systeme entwickeln, ist das Kontextmanagement keine reine Leistungsoptimierung mehr; es ist eine Zuverlässigkeitsanforderung. Ohne diese Ebenen leiden Agenten unter Aufmerksamkeitsdegradation, wenn das Kontextfenster gefüllt wird. Wichtige Anweisungen gehen verloren, und das Modell beginnt zu halluzinieren oder aktuelle Einschränkungen zu ignorieren. Durch die Isolierung von Kontexten können Teams sicherstellen, dass jede Teilaufgabe die volle Aufmerksamkeit des Modells erhält, ohne Störung durch irrelevante Historie.

Kosteneffizienz ist ein weiterer kritischer Treiber. Bei Preismodellen pro Token ist das Senden von Hunderttausenden Tokens für Routineaufgaben nicht tragbar. Die in Deep Insight demonstrierte Strategie der dateibasierten Auslagerung verlagert die Last von teuren API-Aufrufen auf günstige Speicheroperationen. Dies ermöglicht Entwicklern den Aufbau komplexerer, langfristiger Agenten ohne prohibitive Kostensteigerungen.

Schließlich verbessert dieser Ansatz die Debugbarkeit und Wartbarkeit. Wenn Code und Ergebnisse in Dateien gespeichert werden, anstatt in flüchtigen Chat-Verläufen versteckt zu sein, können Entwickler Artefakte direkt inspizieren. Die Trennung der Zuständigkeiten bedeutet, dass Fehler in einem Agenten nicht unbedingt den Zustand eines anderen korrumpieren, was das System widerstandsfähiger gegen partielle Ausfälle macht.

Was Sie tun können

• Nehmen Sie eine Multi-Agenten-Architektur an, in der spezialisierte Worker unterschiedliche Aufgaben mit isolierten Kontextfenstern bearbeiten.
• Implementieren Sie strenge Budgets für Ausgabe-Tokens in Ihren System-Prompts, um zu verhindern, dass Agenten verbose, unnötigen Text generieren.
• Ersetzen Sie separate Tools zum Schreiben und Ausführen von Code durch ein einzelnes Tool, das auf die Festplatte schreibt und nur Ausführungszusammenfassungen zurückgibt.
• Erzwingen Sie die Generierung autarken Codes, indem Sie von Agenten verlangen, alle Importe und Datenladevorgänge in jedes Skript einzubeziehen.
• Nutzen Sie das Dateisystem als Kommunikationsbus, indem Sie Zwischenergebnisse in strukturierten Dateien speichern, die nachgelagerte Agenten lesen können.
• Generieren Sie gängige Utility-Module vorab, um die Wiederholung von Boilerplate-Code über mehrere Agenten-Turns hinweg zu vermeiden.