Gepflegtes Wissen und ausgewählter Context
Modul 03 · Knowledge and Context Engineering
Die Pflege wiederverwendbaren Wissens und die gezielte Auswahl aufgabenspezifischen Contexts.
Gegenstand und Lernfrage
Lernfrage: Welches Wissen soll persistent bleiben, welcher Zustand gehört zur aktuellen Aufgabe und welches Material soll jetzt in den Working Context gelangen?
Knowledge Engineering erzeugt und pflegt explizites, inspizierbares und revidierbares Projektwissen. Context Engineering wählt, organisiert und stellt den aufgabenspezifischen Informationszustand bereit, in dem ein Prompt interpretiert wird.
Lernziele
- Project Knowledge Base, Working Context und technisches Context Window unterscheiden.
- Begrenzte Wissensdokumente destillieren und relevante Provenienz, Unsicherheit sowie Revisionswege erhalten.
- Informationen, Anweisungen, Retrieval-Routen und Werkzeugausgaben für einen dichten und hinreichenden Aufgaben-Context auswählen.
Begriffslandkarte und Einstiegssequenz
- Gepflegtes Wissendokumentierte Begriffe, Regeln, Evidenz und Entscheidungen
- Auswahlregelnbestimmen Relevanz, Repräsentation und Zeitpunkt
- Aufgabenspezifischer Contextunterstützt den aktuellen Modellaufruf oder die Agentenhandlung
- Aktueller AufgabenstandAufgabe, Anforderungen, Datenzugriff, Ergebnisse und Feedback
- Working Contextführt ausgewähltes Wissen, Anweisungen, Werkzeuge und Zustand zusammen
- Aufgabenspezifischer Contextgelangt bei Bedarf in das begrenzte Context Window
Zwei Lesepfade: Gepflegtes Wissen fließt durch Auswahlregeln; der aktuelle Aufgabenstand fließt durch den Working Context. Beide treffen im aufgabenspezifischen Context für die aktuelle Handlung zusammen.
Prompt, Context und Wissensbasis trennen
Die Project Knowledge Base bewahrt verfügbares Projektwissen. Der Working Context führt zusammen, was eine konkrete Aufgabe benötigt. Der Prompt spezifiziert die aktuelle Handlung und das erwartete Ergebnis innerhalb dieses Informationszustands.
Das Context Window als begrenzte Kapazität behandeln
Langer Context kann unter Positionseffekten, Ablenkungen, widersprüchlichem Material und überholtem Zustand leiden. Context Rot bezeichnet diese beobachtete Verschlechterung. Das praktische Ziel ist ein dichter, relevanter und hinreichender Context.
Relevantes Wissen explizit machen
Knowledge Acquisition greift auf Dokumente, Daten, etablierte Artefakte, Interviews, Workshops und beobachtete Arbeitsabläufe zurück. Sie macht Regeln, Ausnahmen, Begründungen und implizite Entscheidungen prüfbar und revidierbar.
Begrenzte Wissensdokumente pflegen
Ein Wissensdokument repräsentiert einen Gegenstand oder eine Funktion durch explizite Begriffe, Beziehungen, Regeln, Evidenz, Unsicherheit und Provenienz. Markdown ist eine praktische Serialisierung. Schemas, Datenbanken, TEI und RDF eignen sich dort, wo ihre Semantik erforderlich ist.
Für einen Zweck auswählen, strukturieren und destillieren
Kompression reduziert die Menge des aktiven Materials. Destillation erhält zusätzlich jene Unterscheidungen, Bedingungen und offenen Fragen, die ein bestimmter Zweck verlangt. Überdestillation entfernt Provenienz, Unsicherheit oder operative Details, die spätere Arbeit benötigt.
Persistente Anweisungen, Skills, Retrieval und Werkzeuge verbinden
Instruktionsdateien regeln wiederkehrende Arbeit. Skills operationalisieren wiederverwendbare Verfahren. Retrieval wählt externe Passagen aus; Werkzeuge und MCP-Ressourcen machen Dateien, Datenbanken oder Dienste zugänglich. Retrieval-Fehler und veraltete Anweisungen müssen beobachtbar bleiben.
Datenkontext und Methodenkontext verbinden
Eine Datei wird durch die Repräsentation nutzbar, die Parser, Skript, Werkzeug oder multimodales System bereitstellen. Ein tragfähiger Working Context verbindet ausgewählte Daten mit Methoden, Schemas, Beispielen, Berechtigungen und Prüfungen.
Lernrouten
Harness-Tutorial · verfügbar
Projektanweisungen und Working Context
Das Claude-Code-Tutorial führt zu persistenten Projektanweisungen und ausgewähltem Working Context.
Verwandte Route in Modul 04 · verfügbar
Kuratierte Skills und wiederverwendbare Verfahren
Der Hub zu Agentic Engineering pflegt die kuratierten Skills-Einträge. Dieses Modul verweist auf die Sammlung, ohne sie zu wiederholen.
Vertiefung · vorbereitet
Research Data and Knowledge Work
Die quellenbasierte Route ist zur Integration vorbereitet; eine öffentliche Seite ist noch nicht verlinkt.
Vertiefung · vorbereitet
Knowledge and Project Management
Die quellenbasierte Route ist zur Integration vorbereitet; eine öffentliche Seite ist noch nicht verlinkt.
Workshop-Web-Modul · verfügbar
Von der Forschungsfrage zur Browseranwendung
Verbindet dokumentierten Forschungskontext mit Anforderungen, Tests und beobachtbaren Browseransichten.
Lehrmaterial
- Full Slide Deck Vollständige gemeinsame Lehrstruktur in Google Slides.
- Full Lecture Notes, Deutsch Gepflegte Kapitel zu Context Engineering und Knowledge Engineering.
Ausgewählte primär zugeordnete Videos
Fünf der sechs primär Modul 03 zugeordneten Videos erscheinen hier. Research Mission Control bleibt eine verwandte Route mit primärer Zuordnung zu Modul 04.
- What Is Context Engineering? Why It Matters for AI Agents9:56
- Thinner Agents on a Smarter Substrate: The Ontology-based Semantic Layer11:06
- Why Agentic Systems Need Ontologies21:18
- Citation Needed: Provenance for LLM-Built Knowledge Graphs20:54
- Wissens- und Projektmanagement mit Obsidian und Claude Code1:06:27
Alle sechs primär zugeordneten Videos für Modul 03 in der Video Library öffnen · Geordnete Video-Playlist öffnen
Repräsentative Workshops
Alle sieben registrierten Workshops enthalten Modul 03. Diese drei Profile zeigen Wissens- und Kontextarbeit in verschiedenen institutionellen Umgebungen.
- Making Estate Materials Digitally Accessible16.–17. September 2026 · KUG Summer School · geplant
- Knowledge, Context and Agentic Engineering for Research Data Workflows & Digital Editions25. September 2026 · CLARIAH-AT Summer School · geplant
- HEDIT KI-Workshop 20265.–6. Oktober 2026 · Knowledge and Context Engineering · geplant
