Context is King

KI reflektiert nicht – sie verarbeitet meine Frage innerhalb des Kontexts, den ich definiert habe. Das ist für mich der entscheidende Ausgangspunkt, wenn ich mit KI arbeite. Ich kann eine präzise Frage stellen und eine ausführliche, überzeugend formulierte Antwort bekommen. Ob diese Antwort für meine Aufgabe etwas taugt, hängt aber wesentlich davon ab, welche Informationen ich bereitstelle.

Für eine qualitativ hochwertige Antwort ist also der Kontext entscheidend. Welche Ausgangslage gilt? Welche Zusammenhänge muss die KI kennen? Welche Dokumente sind aktuell? Und welche Widersprüche stecken bereits in dem Material, auf dessen Basis sie antworten soll?

Context is King. Das klingt einfach. In der Praxis bedeutet es Arbeit – eine Arbeit die sich lohnt.

Eine gute Antwort beginnt vor der Frage

Mit „KI reflektiert nicht“ meine ich: ich kann mich nicht darauf verlassen, dass sie meine Voraussetzungen von sich aus hinterfragt. Sie kann Widersprüche aufzeigen, Alternativen entwickeln und kritische Rückfragen formulieren. Aber ich muss ihr dafür die relevanten Informationen und die richtigen Anweisungen geben. Was ich stillschweigend voraussetze, ist kein verlässlicher Teil des Kontexts.

Wenn ich unklare Anforderungen, überholte Dokumente oder widersprüchliche Beschreibungen bereitstelle, entsteht daraus nicht automatisch eine belastbare Grundlage. Auch eine sprachlich saubere Antwort kann auf der falschen Annahme aufbauen. Die Formulierung nimmt mir die Prüfung nicht ab.

Meine Aufgabe beginnt deshalb vor der eigentlichen Frage: Ich muss klären, worauf sich die Antwort beziehen soll und welche Informationen dafür maßgeblich sind.

Software-Entwicklung: Kontext braucht Dokumentation

Bei der Software-Entwicklung wird das besonders konkret. Vieles ist für mich selbstverständlich, weil ich die Software kenne: warum eine Komponente existiert, welche Verantwortung sie trägt und weshalb ich eine bestimmte Architekturentscheidung getroffen habe. Für die KI ist dieses Wissen nur nutzbar, wenn es ihr zugänglich ist.

Also: Dokumentation schaffen. Die Architektur beschreiben. Komponenten und ihre Aufgaben erklären. Schnittstellen, Abhängigkeiten und relevante Entscheidungen festhalten. Damit entsteht eine Grundlage, auf die sich weitere Fragen beziehen können.

Eine Frage wie „Wie erweitere ich diese Funktion?“ bekommt dadurch einen anderen Rahmen. Es geht dann auch darum, wo die Erweiterung hingehört, welche bestehenden Abhängigkeiten sie berührt und welche Annahmen erhalten bleiben müssen. Ohne diesen Kontext kann ein Vorschlag für sich genommen plausibel sein und trotzdem schlecht dazu passen.

Widersprüche gehören auf den Tisch

Dokumentation allein reicht allerdings nicht. Ich muss auch kontextuelle Widersprüche finden und auflösen. Wenn die Architekturbeschreibung eine Verantwortung bei Komponente A festlegt, die Beschreibung von Komponente B aber dieselbe Aufgabe beansprucht, ist die Grundlage unklar.

Hier kann ich KI gezielt einsetzen: wo widersprechen sich die Beschreibungen? Welche Begriffe werden unterschiedlich verwendet? Welche Annahmen passen nicht zusammen? Solche Fragen machen den Kontext selbst zum Gegenstand der Analyse.

Den Widerspruch zu erkennen ist der erste Schritt. Danach muss ich entscheiden, was tatsächlich gilt, und die Dokumentation entsprechend korrigieren. Sonst nehme ich dieselbe Unklarheit in jede weitere Frage mit.

Normen-Analyse: Ich muss wissen, wonach ich suche

Bei der Normen-Analyse zeigt sich dasselbe Prinzip aus einer anderen Richtung. Hier beginnt guter Kontext mit einer klaren Fragestellung.

Ich muss wissen, wonach ich suche und welche Frage ich stelle. Suche ich eine konkrete Anforderung? Will ich verstehen, unter welchen Bedingungen sie gilt? Oder möchte ich verschiedene Dokumente in Bezug auf einen bestimmten Sachverhalt vergleichen? Diese Fragen brauchen jeweils einen passenden Ausschnitt des Materials und einen klaren Bezug zur Aufgabe.

Ebenso wichtig ist, zu wissen, welche Dokumente aktuell und gültig sind. Einfach jeglichen Content bereitzustellen, überlässt der KI eine Auswahl, deren Grundlage ich womöglich gar nicht definiert habe. Eine alte Fassung, ein Entwurf und ein gültiges Dokument haben nicht denselben Stellenwert. Dieser Unterschied muss im Kontext erkennbar sein.

Ich kann nicht voraussetzen, dass die KI diese Einordnung selbst zuverlässig vornimmt. Deshalb gehört zur Vorbereitung auch, Fassungen und Geltungsbereiche zu klären und festzulegen, welche Quellen für die konkrete Frage maßgeblich sind. Mehr Material verbessert die Antwort nur dann, wenn seine Bedeutung klar ist.

Viel Output kann besseren Kontext schaffen

KI produziert viel Output, und das nütze ich. So umfänglich und akkurat dokumentiert war meine Software noch nie. Und dieser umfassende Kontext erlaubt es mir, viele Fragen zu stellen und die nächste Entscheidung fundiert zu treffen.

Darin liegt für mich ein wesentlicher Nutzen: ich kann KI einsetzen, um Zusammenhänge zu beschreiben, Entscheidungen festzuhalten und Dokumentation weiterzuentwickeln. Wenn ich diese Ergebnisse prüfe und pflege, verbessern sie wiederum die Grundlage für die nächste Runde.

So entsteht ein Kreislauf: Kontext bereitstellen, Fragen stellen, Ergebnisse prüfen, Erkenntnisse dokumentieren und den Kontext aktualisieren. Ungeprüften Output einfach anzuhäufen, würde dagegen nur neue Unklarheiten erzeugen.

Der Kontext bleibt meine Verantwortung

Gute Arbeit mit KI verlangt deshalb, dass ich meine eigenen Grundlagen ernst nehme: die Frage, die ich stelle, die Informationen, die ich auswähle, und die Widersprüche, die ich auflöse.

KI hilft mir dabei, diese Arbeit zu leisten. Sie macht es leichter, Wissen festzuhalten und aus verschiedenen Perspektiven zu befragen. Die Verantwortung dafür, was gilt und welche Entscheidung ich daraus ableite, bleibt bei mir.

Je besser ich den Kontext pflege, desto fundierter kann ich die nächste Entscheidung treffen. Genau deshalb: Context is King.