KI-Agenten & isolierter Kontext
Was einen KI-Agenten ausmacht und warum isolierter Kontext das zentrale Merkmal ist
Artikel aktualisiert am 22. August 2026
Kernerkenntnis: Ein KI-Agent arbeitet in seinem eigenen, isolierten Kontextfenster. Er sieht weder Ihren bisherigen Chat-Verlauf noch die Zwischenergebnisse anderer Agenten. Dadurch muss jeder Auftrag an einen Agenten self-contained formuliert sein, und genau diese Eigenschaft macht Agenten zu einem leistungsfähigen Werkzeug.
Was ist ein KI-Agent?
Ein KI-Agent ist ein Sprachmodell, das eigenständig Werkzeuge (Tools) benutzt, um eine Aufgabe zu erledigen, beispielsweise Dateien lesen, Code-Suchen durchführen, Webseiten abrufen oder andere Agenten starten. Der Agent entscheidet schrittweise, welches Tool er als nächstes aufruft und wann die Aufgabe erledigt ist.
Entscheidend: Jeder Agent startet mit einem leeren Kontextfenster. Er bekommt beim Start eine klar umrissene Aufgabe (ein Briefing) und liefert am Ende ein Ergebnis zurück, aber alle Zwischenschritte, Tool-Aufrufe und Überlegungen bleiben in seinem eigenen Kontext.
Beispiele aus der heutigen Werkzeuglandschaft: Claude Code, OpenCode, Cursor 3 und Cowork sind alle agentenbasierte Werkzeuge nach diesem Prinzip. Sie nutzen meist dieselben Sprachmodelle wie ChatGPT, Claude.ai oder Copilot, aber die Architektur drumherum ist eine andere. Genau diese Architektur, nicht das Modell, macht den Unterschied bei der Verlässlichkeit aus.
Zur Erinnerung: Ein Agent bleibt ein Sprachmodell, nur mit Werkzeugen ausgestattet. Halluzinationen treten daher genauso auf wie im reinen Chat. Mit Tool-Zugriff können die Folgen sogar größer sein, denn je nach Berechtigungen der Werkzeuge schreibt der Agent Dateien, versendet Anfragen oder stößt weitere Aktionen an, unter Umständen auf Basis einer erfundenen Annahme. Werkzeuge erleichtern das Zusammentragen von Kontext, sie ersetzen die Prüfung der Ergebnisse gegen die Quelle nicht (siehe Belegpflicht).
Isolierter Kontext: das zentrale Merkmal
Sprachmodelle haben ein begrenztes Kontextfenster. Je mehr Inhalt darin steht, desto langsamer, teurer und unzuverlässiger wird das Modell. Ein Agent mit eigenem Kontext ist eine Art Sandbox: Er verbraucht Kontext nur in seiner eigenen Umgebung; die aufrufende Instanz (Haupt-Chat, Orchestrator, anderer Agent) bleibt davon unberührt.
| Situation | Ohne Agent | Mit Agent |
|---|---|---|
| Viele Dateien durchsuchen | Alle Treffer landen im Hauptkontext | Nur die Zusammenfassung landet im Hauptkontext |
| Mehrere unabhängige Teilaufgaben | Sequenziell, alle Zwischenstände sichtbar | Parallel, nur Endergebnisse sichtbar |
| Wiederholende Recherche | Jedes Detail bleibt liegen | Agent kann lange arbeiten, Hauptkontext bleibt sauber |
| Fehlversuch eines Agenten | Irrwege sind sichtbar und stören die Folgeschritte | Nur das finale Ergebnis (oder Scheitern) wird übergeben |
Warum Agenten nützlich sind
- Kontextschutz: Große Zwischenergebnisse (Code-Suchen, Datei-Inhalte, Tool-Outputs) landen nicht im Hauptkontext, dieser bleibt für die eigentliche Aufgabe frei.
- Parallelisierung: Mehrere unabhängige Agenten können gleichzeitig laufen. Statt drei Rechercheaufgaben nacheinander auszuführen, laufen sie parallel und die Ergebnisse kommen nahezu zeitgleich zurück.
- Spezialisierung: Unterschiedliche Agenten-Typen können mit eigenen System-Prompts, Tool-Sets und Verhaltensregeln ausgestattet sein, etwa ein Explorer, der auf Code-Suche spezialisiert ist, oder ein Reviewer mit striktem Prüfraster.
- Robustheit: Wenn ein Agent scheitert oder in eine Sackgasse läuft, stört das den Hauptkontext nicht. Man kann neu briefen und den Agenten erneut starten.
Der persönliche Agent: Qualitätssteigerung oder AI-Slop-Produzent
KI-generiertAI-generated Agenten wandern zunehmend aus der Werkzeugkiste in den Arbeitsalltag: als persönliche Assistenten, die Post sichten, Termine vorbereiten, Dateien lesen und Entwürfe schreiben, bedient über die üblichen Messenger statt über eine Chat-Oberfläche. Der Reiz ist offensichtlich, und er ist echt. Die Kehrseite entsteht aus demselben Mechanismus, sie lässt sich nicht getrennt abbestellen.
Auf der einen Schulter sitzt der Assistent, der Arbeit abnimmt und Vorbereitung erledigt, die sonst liegen bleibt. Auf der anderen sitzt dasselbe Modell, das weiterhin Dinge erfindet und sie in derselben ruhigen, gut formulierten Stimme vorträgt wie das Richtige. Der Unterschied zum reinen Chat ist der Werkzeugzugriff: Ein Agent sagt das Erfundene nicht nur, er handelt danach, verschickt eine Nachricht, ändert eine Datei, trägt einen Termin ein.
Daraus folgen drei Grenzen, die sich in der Praxis bewährt haben: kein Agent mit unbeaufsichtigtem Zugriff auf den Rechner mit den Mandatsakten, keine dauerhaft gespeicherten Zugangsdaten, keine Erweiterung aus einem offenen Verzeichnis ohne vorherige Prüfung. Inhaltlich bleibt es bei der Regel aus dem Chat-Betrieb: Jede übernommene Aussage wird gegen die Quelle geprüft (siehe Belegpflicht). Wie sich ein solcher Agent sinnvoll in einen Kanzleiablauf einfügt, ohne dass Schritte mit Rechtswirkung an ihn abwandern, behandelt Assistenz oder Integration.
Konsequenzen für das Prompting
Da der Agent den aufrufenden Kontext nicht sieht, muss das Briefing vollständig sein. Konkret heißt das:
- Self-contained formulieren: Ziel, Randbedingungen, bereits ausgeschlossene Wege, Form der Antwort, alles gehört in den Prompt. Verweise wie „wie vorhin besprochen" funktionieren nicht.
- Trust but verify: Die Rückgabe des Agenten ist seine Beschreibung des Ergebnisses, nicht zwingend das, was tatsächlich passiert ist. Bei Code-Änderungen: den Diff selbst prüfen, nicht nur die Zusammenfassung lesen.
- Richtiger Zuschnitt: Agenten eignen sich für abgeschlossene Teilaufgaben mit klarer Rückgabe (Recherche, Audit, Review). Für eng verschränkte Arbeitsschritte, bei denen man Zwischenstände sehen und steuern will, sind sie ungeeignet.
Bezug zur Prompt-Library
Die Prompt-Tools dieser App (z.B. der Patentbeschreibungs-Generator) sind nach demselben Prinzip aufgebaut: Jeder erzeugte Prompt enthält das komplette Briefing (Rolle, Regeln, Eingabedaten, Anspruchstext) und kann in einem frischen Chat ohne Vorwissen ausgeführt werden.
Deshalb gilt auch hier: Für jeden einzelnen Prompt (Allgemeine Beschreibung, Anspruch 1, Anspruch 2, ...) einen neuen Chat öffnen.
Warum das wichtig ist: Ein frischer Chat garantiert einen sauberen Kontext. Die relevanten Eingaben liegen genau einmal vor, es steht keine frühere Antwort im Fenster, und das Modell hat keinen Grund, sich auf etwas anderes als das aktuelle Briefing zu beziehen. Besonders kleinere oder lokale Modelle (gemma3:27b, qwen3:32b etc.) lassen sich vom bisherigen Chatverlauf leicht durcheinanderbringen: sie vermischen Abschnitte, wiederholen Formulierungen aus früheren Antworten oder lassen Anspruchswortlaut in die allgemeine Beschreibung rutschen. Ein Neustart pro Prompt schaltet diese Fehlerquelle komplett aus: Der relevante Kontext ist garantiert vorhanden, nichts Zusätzliches stört, und die Ausgabe wird unabhängig von der Modellgröße verlässlich, genauso wie bei einem Agenten in seinem eigenen Kontextfenster.