TL;DR
KI-Agenten werden immer autonomer — sie recherchieren selbst, treffen Entscheidungen, handeln. Aber ohne klare Spielregeln optimieren sie auf das falsche Ziel. Intent Engineering bedeutet: Unternehmenswerte, Prozesse und Entscheidungsregeln so dokumentieren, dass Agenten sie verstehen und befolgen. Das ist die nachhaltigste Investition, die Unternehmen jetzt machen können.
Inhalt
- Was ist der Unterschied zwischen Prompt, Context und Intent?
- Warum reicht Context Engineering nicht mehr?
- Was kann schiefgehen ohne Intent?
- Wie funktioniert Intent Engineering praktisch?
- Was sollten Unternehmen jetzt tun?
- Häufige Fragen
Was ist der Unterschied zwischen Prompt, Context und Intent?
Kurz: Drei Stufen, wie wir KI steuern — von der einfachen Anweisung bis zur Unternehmensphilosophie.
Prompt Engineering war der Anfang: Ich gebe eine Aufgabe, ich bekomme eine Antwort. Ein Hin und Her. Die KI arbeitet nur mit dem, was in ihren Trainingsdaten steckt.
Context Engineering kam als nächstes: Ich gebe nicht nur die Aufgabe, sondern auch relevante Informationen dazu — Unternehmensdaten, aktuelle Dokumente, Kundendaten. Die KI weiß jetzt mehr als nur ihre Trainingsdaten.
Intent Engineering ist die nächste Stufe: Ich gebe nicht nur Aufgabe und Informationen, sondern auch das Ziel — was will das Unternehmen eigentlich erreichen? Welche Werte gelten? Welche Regeln gibt es?
Warum reicht Context Engineering nicht mehr?
Kurz: Weil autonome Agenten nicht nur antworten — sie handeln. Und ohne klares Ziel handeln sie falsch.
Früher haben wir KI gefragt, sie hat geantwortet. Fertig. Das Ergebnis konnten wir prüfen, bevor etwas passiert.
Jetzt gibt es Agenten wie Claude Code, OpenAI Codex oder spezialisierte Unternehmens-Agenten. Die bekommen eine Aufgabe und laufen los:
- Sie recherchieren selbstständig
- Sie erstellen Arbeitslisten
- Sie führen Aktionen aus
- Sie kommen Stunden später mit einem Ergebnis zurück
Diese Agenten holen sich den Kontext selbst. Sie entscheiden selbst, welche Informationen sie brauchen. Aber sie wissen nicht automatisch, was das Unternehmen eigentlich will.
Was kann schiefgehen ohne Intent?
Kurz: Der Agent erreicht das Ziel — aber auf eine Weise, die dem Unternehmen schadet.
Ein Beispiel aus dem Kundensupport:
Du sagst dem Agenten: “Schließe Support-Tickets möglichst schnell.”
Der Agent macht genau das. Tickets werden einer nach dem anderen geschlossen. Die Metriken sehen fantastisch aus.
Aber: Kunden sind frustriert. Der Agent hat keine Möglichkeit zur Eskalation gegeben. Er hat nicht zwischen wichtigen und unwichtigen Kunden unterschieden. Er hat keine Kulanz gezeigt, wo sie angebracht gewesen wäre.
Das Ziel war erreicht. Der Intent war verfehlt.
Was fehlte:
- Kundenzufriedenheit als übergeordnetes Ziel
- Regeln, wann eskaliert werden darf
- Unterscheidung nach Kundenwert
- Ermessensspielräume für Sonderfälle
Wie funktioniert Intent Engineering praktisch?
Kurz: Spielregeln in maschinenlesbarer Form — SOPs, Policies, Entscheidungsrichtlinien, die der Agent dynamisch abrufen kann.
Bei einem Menschen machen wir das auch so: Wir geben Arbeitsanweisungen, erklären Unternehmenswerte, definieren Eskalationswege. Nicht alles ist hart kodiert — vieles sind Richtlinien, Ermessensspielräume.
Für Agenten brauchen wir das Gleiche:
- Prozessdokumentation: Wie läuft was ab?
- Entscheidungsregeln: Wer darf wann was?
- Wertehierarchie: Was ist wichtiger als was?
- Eskalationspfade: Wann muss ein Mensch entscheiden?
Diese Informationen können nicht alle in einen Prompt. Sie müssen dynamisch abrufbar sein — der Agent fragt nach, wenn er unsicher ist.
Eine Möglichkeit: MCP-Server, die dem Agenten Regeln und Prozesse bereitstellen. Der Agent kann sich die relevanten Informationen holen, wenn er sie braucht. Wie das in der Praxis aussieht, zeigt unsere Case Study zur Sales-Automatisierung bei schoene neue kinder.
Was sollten Unternehmen jetzt tun?
Kurz: Prozesse und Spielregeln dokumentieren — so, dass Maschinen sie verstehen können. Das ist die nachhaltigste Investition.
Die Technologie wird sich ändern. Ob Claude, GPT, Gemini oder der nächste Player — das wird sich weiterentwickeln.
Aber die Spielregeln eines Unternehmens ändern sich langsamer:
- Wie funktioniert unsere Leistungserstellung?
- Was sind unsere Werte?
- Wer darf wann was entscheiden?
- Wo brauchen wir menschliche Kontrolle?
Diese Dinge jetzt zu dokumentieren — in einer Form, die Agenten verstehen können — ist die wichtigste Vorarbeit. Warum das für viele Unternehmen schwieriger ist als gedacht, beschreiben wir in Warum KI-Projekte nie fertig werden.
Der Einstieg:
- Einen Prozess auswählen — nicht alles auf einmal
- Human-in-the-Loop — Agent arbeitet, Mensch prüft
- Regeln verfeinern — aus Fehlern lernen, Richtlinien schärfen
- Schrittweise loslassen — wenn es funktioniert, mehr Autonomie geben
Häufige Fragen
Ist Intent Engineering schon produktionsreif?
Nein, wir sind am Anfang. Die Modelle können es — Claude Opus, GPT-5, Gemini 3 sind klug genug. Aber die Infrastruktur, wie wir Regeln bereitstellen, ist noch nicht standardisiert. Es funktioniert, aber es ist “bleeding edge”, nicht “cutting edge”.
Kann ich nicht einfach alles in den Prompt schreiben?
Bei einfachen Aufgaben ja. Aber komplexe Entscheidungsregeln, die situationsabhängig sind, passen nicht in einen Prompt. Sie müssen dynamisch abgerufen werden — je nach Situation die relevante Regel.
Brauche ich technisches Know-how dafür?
Für die Implementierung ja — MCP-Server, Agent-Konfiguration, etc. Aber der wichtigere Teil ist nicht-technisch: Die Prozesse und Regeln überhaupt erst zu definieren. Das ist Organisations- und Prozessarbeit.
Wie unterscheidet sich das von klassischer Prozessdokumentation?
Klassische Prozessdokumentation ist für Menschen geschrieben. Intent Engineering bedeutet, diese Dokumentation so zu strukturieren, dass Maschinen sie interpretieren können — präziser, strukturierter, maschinenlesbar.
Wann sollte ich damit anfangen?
Jetzt. Nicht weil die Technologie fertig ist, sondern weil die Vorarbeit — Prozesse verstehen, Regeln definieren — Zeit braucht. Wenn die Agenten wirklich ready sind, willst du vorbereitet sein.
Fazit
Intent Engineering ist die nächste Stufe, wie wir mit KI arbeiten. Von der einfachen Anweisung zur echten Zusammenarbeit mit autonomen Agenten.
Die Modelle sind bereit. Die Frage ist: Sind unsere Unternehmen es auch?
Die wichtigste Aufgabe jetzt: Prozesse dokumentieren. Regeln definieren. Spielräume festlegen. So, dass wir sie den Maschinen zeigen können, wenn sie soweit sind.
Denn das ändert sich nicht — egal welche Technologie als nächstes kommt.
Dieser Artikel basiert auf einem Gespräch zwischen Manuel Zorzi und Michael Kirchberger über die Evolution von Prompt Engineering zu Intent Engineering. Die vollständige Podcast-Episode auf YouTube ansehen →