Deep Dive Modul 3 – Context Engineering: Kontextdrift und Memory unter Kontrolle

In diesem halbtägigen Deep-Dive-Modul arbeiten Sie Online LIVE gemeinsam mit dem Trainer und maximal 11 weiteren Teilnehmenden daran, Kontextverlust systematisch zu erkennen und messbar zu reduzieren.

Sie definieren einen Context Contract, der Entscheidungen reproduzierbar und teamübergreifend nachvollziehbar macht, und legen fest, wie Wissenszugriff und Memory-Nutzung geregelt werden.

Das Modul ist Teil der 4-teiligen Deep-Dive-Reihe „Agentic AI im Produktivalltag”, aber vollständig eigenständig buchbar. Sie verlassen die Session mit einem minimalen, sofort nutzbaren Context Contract für Ihr Team und konkreten Drift-Checks mit klarer Eskalationslogik.

Ziel der Schulung

So profitieren Sie von diesem Training in Ihrem Arbeitsalltag:

• Sie erkennen Kontextverlust in langen Agentenabläufen systematisch und können ihn messbar reduzieren.
• Sie definieren Context Contracts, die Entscheidungen reproduzierbar und teamübergreifend nachvollziehbar machen.
• Sie regeln Wissenszugriff und Memory-Nutzung: was gespeichert, was verworfen, was erneut geladen wird.
• Sie erarbeiten einen minimalen, sofort nutzbaren Context Contract für Ihr eigenes Team.
• Sie nehmen konkrete Drift-Checks mit klarer Eskalationslogik für kritische Abweichungen mit.

Der Nutzen für Sie

Stellen Sie sich vor, Ihr Multi-Projekt-Agent zieht versehentlich Regeln aus dem falschen Mandantenkontext – eine Konfiguration, die nur für einen Kunden gilt, wird plötzlich bei einem anderen angewendet. Nach diesem Training haben Sie einen Context Contract, der Kontextgrenzen explizit definiert, und einen Drift-Check, der eine solche Vermischung frühzeitig erkennt.

Oder: Ein langer Analyse-Run verliert nach mehreren Tool-Aufrufen die ursprüngliche Zielsetzung – das Ergebnis weicht am Ende deutlich von der eigentlichen Fragestellung ab. Im Training lernen Sie, Ziele und Annahmen explizit im Kontext zu verankern, statt sie implizit verblassen zu lassen.

Der Effekt: Kontext wird vom unsichtbaren Risikofaktor zu einem aktiv gestalteten, teamübergreifend nachvollziehbaren Teil Ihrer Agenten-Architektur.

Themen im Detail

• Kontextverlust in langen Agentenabläufen systematisch erkennen und messbar reduzieren
• Context Contracts definieren, damit Entscheidungen reproduzierbar und teamübergreifend nachvollziehbar werden
• Wissenszugriff und Memory-Nutzung regeln: was wird gespeichert, was verworfen, was erneut geladen

So arbeiten wir

Kein allgemeines RAG- oder Memory-Tutorial, kein Sammelsurium loser Prompt-Tricks. Der Trainer moderiert entlang der realen Fälle der Teilnehmenden und arbeitet direkt am Artefakt. Kleingruppe (max. 12 Teilnehmende).

Was das Training nicht ist: eine Einführung in Vector-Datenbanken, Embeddings oder ein bestimmtes RAG-Framework. RAG löst, wie Wissen technisch abgerufen wird – dieses Training löst, welcher Kontext überhaupt geladen werden darf und wie Sie erkennen, wenn er abdriftet.

Wer sollte an der Schulung teilnehmen?

Wir empfehlen Ihnen dieses Training, wenn Sie:

• Sie sind AI/LLM Engineer oder Platform-Verantwortlicher und betreiben Agenten, die über viele Schritte und Tool-Aufrufe hinweg Kontext konsistent halten müssen.
• Sie sind Tech Lead oder Engineering Manager und möchten teamübergreifend nachvollziehbare Regeln dafür schaffen, was ein Agent sich merkt, verwirft oder neu lädt.
• Sie sind in einem Produktteam für AI-Features tätig und arbeiten mit Multi-Projekt- oder Multi-Mandanten-Szenarien, bei denen Kontextvermischung besonders riskant ist.
• Sie haben bereits erlebt, dass ein langer Agentenlauf sein ursprüngliches Ziel im Verlauf mehrerer Tool-Aufrufe aus den Augen verloren hat.

Grundverständnis moderner AI-Workflows und Software-Delivery. Das Modul ist unabhängig von den anderen Modulen der Reihe buchbar und durchführbar; Vorkenntnisse aus anderen Modulen der Reihe sind nicht erforderlich.

Wenn Sie noch keine Architektur- oder Safety-Grundlage haben:
Modul 1: Agentic Systems Design und
Modul 2: Quality, Safety & Trust für AI-Systeme

sind keine Pflicht, aber gute Ergänzung.

Ist das nur ein weiteres RAG- oder Memory-Tutorial?
Nein. RAG-Tutorials zeigen, wie Wissen technisch abgerufen wird. Dieses Training klärt die vorgelagerte Frage: welcher Kontext für welchen Fall überhaupt geladen werden darf, und wie Sie erkennen, wenn er abdriftet.

Wir nutzen bereits eine Vector-Datenbank bzw. RAG-Pipeline – brauchen wir das noch?
Ja, gerade dann. Eine RAG-Pipeline sorgt dafür, dass relevantes Wissen technisch gefunden wird. Sie verhindert nicht, dass ein Agent über einen langen Lauf hinweg das ursprüngliche Ziel aus den Augen verliert oder Kontext zwischen Mandanten vermischt.

Reicht ein größeres Kontextfenster nicht aus, um Kontextverlust zu vermeiden?
ein. Mehr Kapazität verschiebt das Problem, löst es aber nicht: Je mehr Zwischenschritte sich ansammeln, desto eher dominieren die zuletzt hereingekommenen Details die Aufmerksamkeit des Modells, und das ursprüngliche Ziel verblasst.

Was genau ist ein “Context Contract” – noch ein Framework, das wir einführen müssen?
Nein, kein zusätzliches Tool und kein Framework. Es ist eine dokumentierte, team-lesbare Vereinbarung, die festlegt, welcher Kontext geladen werden darf, was gespeichert und was verworfen wird. Sie lässt sich in jede bestehende Architektur integrieren.

Wir betreiben mehrere Mandanten/Kunden über denselben Agenten – ist das Training dafür besonders relevant?
Ja, das ist der zentrale Use Case der Session: Mandantenvermischung durch fehlende Kontextgrenzen ist eines der häufigsten und teuersten Risikomuster in produktiven Multi-Tenant-Agenten-Setups.

Wie unterscheidet sich Kontextverlust von den in Modul 2 behandelten Fehlentscheidungen?
Modul 2 behandelt, ob eine Entscheidung innerhalb des vorhandenen Kontexts fachlich richtig ist. Modul 3 behandelt, ob der Agent zum Entscheidungszeitpunkt überhaupt noch den richtigen Kontext hat.

Bleibt unser eingebrachter Use Case vertraulich?
a. Ihr Use Case wird ausschließlich innerhalb der Session mit den anderen Teilnehmenden (max. 12) besprochen und dient Ihnen als eigenes Arbeitsergebnis.

Warum Maxpert und nicht ein spezialisiertes RAG-/Memory-Beratungshaus?
Der Trainer ist Head of AI bei Maxpert und baut selbst produktive, unternehmenskritische AI-Systeme mit Multi-Mandanten-Anforderungen – der Context-Contract-Ansatz stammt aus dieser laufenden operativen Praxis.