Industrielle KI braucht Context Engineers, KEINE Prompt Engineers

Ursprünglich veröffentlicht September 2025, auf ARCweb.com von Colin Masson, Forschungsdirektor für industrielle KI, ARC Advisory Group

In der jüngsten Podcast-Serie der ARC Advisory Group, "Industrial Systems Engineering in the New Era of AI", habe ich mit dem Serienunternehmer Rick Bullotta die grundlegenden Veränderungen untersucht, die unsere Branche neu gestalten. Diejenigen, die genau zugehört haben, insbesondere Episode 3 über den Aufstieg domänenspezifischer Innovatoren, haben wahrscheinlich das Wort "Kontext" gehört, das großzügig verwendet wurde – im Kontext (Wenn Sie mir das Wortspiel verzeihen) einer der Herausforderungen im Bereich industrieller Daten, die wir seit Jahrzehnten zu bewältigen versuchen. Das war kein Zufall. Seit Jahren besteht das Kernproblem darin, die richtigen Informationen zur richtigen Zeit an den richtigen Ort zu bringen.

Diese langjährige Herausforderung ist nun auf ein neues architektonisches Paradigma gestoßen. Der anfängliche Hype um generative KI deutete darauf hin, dass die Antwort "Prompt Engineering" lautete. Doch jeder, der über einfache Chatbots hinausgegangen ist, kennt die Grenzen dieses Ansatzes in einem komplexen industriellen Umfeld. Industrielle Prozesse sind keine zustandslosen Ereignisse in einer einzigen Runde; Es handelt sich um komplexe, mehrstufige Workflows, die Speicher, Zugriff auf Echtzeitdaten und die Möglichkeit zur Interaktion mit anderen Systemen erfordern. Das praktische Versagen von prompt-zentrierten Systemen hat deutlich gemacht, dass eine robustere Disziplin auf Systemebene erforderlich ist.

Dies ist der architektonische Wandel von taktischen Eingabeaufforderungen zu strategischen Systemen. Die neue Disziplin heißt Kontext Engineering, und es ist der wahre Motor, der das Potenzial der Industrial Data Fabric mit der Realität der agentischen KI der Enterprise-Klasse verbindet.

Ein erweitertes Lexikon für den modernen industriellen KI-Stack

Um diese Verschiebung zu begreifen, müssen wir zunächst unser Vokabular klären. Die KI-Landschaft entwickelt sich in rasantem Tempo, und ein gemeinsames Verständnis dieser miteinander verbundenen Konzepte ist für jedes Unternehmen, das seine industrielle KI-Strategie entwickelt, von entscheidender Bedeutung.

• Promptes Engineering ist die grundlegende Fähigkeit, eine einzige Anweisung zu erstellen, um eine gewünschte Antwort von einem KI-Modell hervorzurufen. Stellen Sie sich das so vor, als würden Sie einen einzigen, klaren Befehl erteilen. Es ist wichtig, aber es ist keine Strategie für die Verwaltung eines komplexen Betriebs.
• Kontext Engineering ist die Obermenge von Prompt Engineering. Es handelt sich um die Disziplin auf Systemebene, bei der das Entwerfen, Erstellen und Orchestrieren der Gesamtes Informationsökosystem Ein KI-Modell sieht zum Zeitpunkt der Inferenz. Wenn eine Eingabeaufforderung "was Sie sagen" ist, ist Kontext "alles andere, was das Modell sieht" – einschließlich Systemanweisungen, abgerufenem Wissen aus der Data Fabric, verfügbaren Tools, Unterhaltungsspeicher und Echtzeit-Betriebszustand. Es ist ein grundlegender Wandel von der "Textkomposition zum Systemdesign".
• Agentische KI stellt die Anwendung dieses Denkens dar. Dabei handelt es sich um Systeme, die argumentieren, planen und Werkzeuge verwenden können, um komplexe, mehrstufige Ziele mit einem gewissen Maß an Autonomie zu erreichen. Ein zuverlässiger KI-Agent ist der Ergebnis von effektivem Context Engineering.
• Knowledge Graphs & Vektordatenbanken sind die Datentechnologien, die die Säule "Wissen" der Kontextarchitektur antreiben. Das primäre Ergebnis einer ausgereiften Industrial Data Fabric ist eine dynamische Wissensgraph die die expliziten, strukturierten Beziehungen zwischen industriellen Anlagen und Prozessen modelliert und zur definitiven Quelle der Grounded Truth wird.
• MCP (Modell-Kontext-Protokoll) & A2A (Agent-to-Agent-Protokoll) sind aufkommende offene Standards, die die Kommunikationsschicht für agentische Systeme bilden. MCP Standardisiert Agent-zu-Tool Kommunikation, die als universelle Plug-and-Play-Schnittstelle für einen Agenten fungiert, um sicher auf externe Daten und APIs zuzugreifen. A2A Standardisiert Interagentenübergreifend Kommunikation, die es verschiedenen KI-Agenten ermöglicht, zusammenzuarbeiten und Aufgaben zu delegieren.

Kurz gesagt, die Industrielle Datenstruktur schafft das KI-fähige Wissen. Kontext Engineering ist die Disziplin, dieses Wissen zu orchestrieren und mit Werkzeugen zu verbinden (über MCP) und andere Wirkstoffe (über die A2A). Und Agentische KI ist das autonome System, das dieser gesamte Stack ermöglicht.

Die Industrial Data Fabric: Voraussetzung für Intelligenz

Damit sind wir wieder beim Kern unserer Serie. Context Engineering ist trotz all seiner Leistungsfähigkeit eine theoretische Softwarearchitektur ohne Grundlage aus hochwertigen, kontextualisierten Daten. Hier wird die symbiotische Beziehung mit der Industrial Data Fabric deutlich. Der IDF ist der spezialisierte Technologie-Stack, der speziell entwickelt wurde, um die Komponenten "Wissen" und "Staat" zu erstellen und zu bedienen, die von der Context Engineering-Schicht orchestriert werden.

Wenn ein industrieller KI-Agent eine Fehlerbehebung in einer Produktionslinie beheben muss, verlässt sich sein Context Engineering-System nicht nur auf eine clevere Eingabeaufforderung. Es stellt ein Kontextfenster dynamisch zusammen, indem es:

1. Abfragen des Knowledge Graph der Industrial Data Fabric für den Echtzeitstatus aller relevanten Anlagen, ihre Wartungshistorien und ihre vor- und nachgelagerten Abhängigkeiten.
2. Abrufen von Standardarbeitsanweisungen aus einer Vektordatenbank.
3. Er greift auf seine Erinnerung an ähnliche vergangene Ereignisse zu.
4. Laden der Definitionen der Werkzeuge, die es verwenden kann über MCP, z.B. das Anlegen eines Arbeitsauftrags in einem ERP-System.
5. Möglicherweise Delegieren einer Unteraufgabe (wie z.B. die Überprüfung der Ersatzteilverfügbarkeit bei einem Lieferanten) an einen spezialisierten Beschaffungsagenten über die A2A Protokoll.

Dieser architektonische Wandel ist nicht nur theoretischer Natur; Es wird aktiv von Innovatoren im industriellen Bereich gebaut. Tatsächlich werde ich bald genau dieses Thema und seine praktischen Auswirkungen in einem kommenden Podcast mit dem Gründer und CEO von Litmus Automation , Vatsal Shah, diskutieren, dessen Team sich darauf konzentriert, die KI-fähigen Daten zu liefern, die all dies möglich machen.

Ein aktualisiertes Framework: KI-Lösungsdienste in Industriequalität

Diese Entwicklung von einer datenzentrierten zu einer informationszentrierten Architektur erfordert, dass wir unser Framework aktualisieren, um eine vollständige, industrietaugliche KI-Lösung zu erhalten. Die erforderlichen Services gehen über das einfache Datenmanagement hinaus und umfassen diese neue Orchestrierungs- und Intelligence-Schicht, die durch offene Standards ermöglicht wird. Wie versprochen, finden Sie hier die aktualisierte und erweiterte Liste der Kerndienste, die Unternehmen bei der Zusammenstellung ihres modernen industriellen KI-Stacks berücksichtigen sollten.

• Konnektivität und Datenerfassung (inkl. Events, Agenten, A2A) Dieser grundlegende Service stellt eine Verbindung zu allen IT-, OT- und ET-Datenquellen her. In einem modernen Stack muss es auch ereignisgesteuerte Architekturen und Agent-zu-Agent-Kommunikation über Protokolle wie A2A verarbeiten und nicht nur Rohdaten, sondern auch Nachrichten und Aufgaben aus einem verteilten Ökosystem von zusammenarbeitenden KI-Agenten aufnehmen.
• Datenverarbeitung & Kontextualisierung: Die Grundlage für Context Engineering (inkl. MCP) Dies ist nach wie vor der Kernwert der Industrial Data Fabric: die Umwandlung von isolierten Rohdaten in ein kohärentes, verständliches Betriebsmodell. Die kontextualisierten Daten und Funktionen der Fabric werden sicher als "Tools" zur Verfügung gestellt, die KI-Agenten über den MCP-Standard erkennen und verwenden können, wodurch die Fabric von einem passiven Repository zu einer aktiven, abfragbaren Ressource für jeden konformen KI-Agenten wird.
• Datenspeicherung und -modellierung (inkl. Vektor-DB, Wissensgraphen) Dieser Dienst stellt die Persistenzschicht bereit. Knowledge Graphen sind unerlässlich, um die expliziten, strukturierten Beziehungen zwischen industriellen Assets für eine präzise Argumentation zu modellieren. Vektordatenbanken ergänzen dies, indem sie eine semantische Suche über unstrukturierte Daten wie technische Handbücher ermöglichen. Zusammen bilden sie das umfassende "Langzeitgedächtnis", das KI-Agenten in faktischem, unternehmensspezifischem Wissen verankert.
• Context Engineering: Die KI-Orchestrierungs- und Intelligence-Schicht Dies ist die aktive Intelligenzschicht, die auf der Datenstruktur sitzt und als "Betriebssystem" für die KI dient. Dieser Dienst ist für die Orchestrierung Prozess- und Domänenintelligenz (AI+). Es stellt das Kontextfenster dynamisch zusammen, indem es Geschäftsregeln und Domänenwissen in Anweisungen kodiert, Wissen aus dem Wissensgraphen der Fabric intelligent auswählt, den Arbeitsspeicher verwaltet und entscheidet, wann Tools verwendet werden sollen (über MCP) oder Aufgaben delegieren (über die A2A).
• KI/ML-Modellentwicklung und -management (Lebenszyklus) Dieser Dienst stellt die Tools und die Governance für die Entwicklung, das Training, die Bereitstellung und die Überwachung der KI-Modelle selbst bereit. In einem Context-Engineering-System geht dies über herkömmliche MLOps hinaus und umfasst die Verwaltung des Lebenszyklus spezialisierter Agentenmodelle und die Bewertung ihrer Leistung auf der Grundlage der Qualität des Kontexts, den sie erhalten.
• KI-Agenten- und Workflow-Orchestrierung Diese Funktion entwickelt das traditionelle Workflow-Management weiter, indem kontextsensitive KI-Agenten genutzt werden. Es geht um die Automatisierung und Verwaltung von Datenpipelines und analytischen Workflows, wobei Agenten aktiv an diesen Workflows teilnehmen und diese sogar auf der Grundlage des Echtzeitkontexts steuern, der von der Context Engineering-Schicht bereitgestellt wird.
• Intelligente Anwendungen: Bereitstellung von KI-Agenten und Copiloten für Benutzer Dieser Service stellt Endbenutzern die Leistungsfähigkeit des agentischen Systems zur Verfügung. Es geht nicht mehr nur um Dashboards. Dazu gehören nun auch die Entwicklung von KI-"Copiloten" für Mitarbeiter an vorderster Front, die Erstellung von Konversationsschnittstellen für die komplexe Fehlerbehebung und die Bereitstellung von Tools für die Human-in-the-Loop-Überwachung autonomer Agentenaktionen.
• Industriestandards und -protokolle Ein ausgereifter industrieller KI-Stack muss auf einem Fundament der Offenheit und Interoperabilität aufbauen. Dieser Service stellt die Einhaltung kritischer Datenstandards der Branche sicher (z.B. OPC-UA) sowie neue KI-Kommunikationsprotokolle wie MCP und A2A, um eine Anbieterbindung zu verhindern und sicherzustellen, dass sich das KI-Ökosystem weiterentwickeln kann.

Die Botschaft ist klar: Während sich die Branche zu Recht auf den Aufbau der Datenstruktur konzentriert hat, ist die nächste Wettbewerbsgrenze bereits da. Die Meisterschaft wird denjenigen gehören, die nicht nur das Fundament schaffen, sondern auch die Kunst und Wissenschaft des Context Engineering beherrschen, um darauf wirklich intelligente und kollaborative Systeme aufzubauen.

Bleiben Sie in Verbindung

Der Dialog über industrielle KI und digitale Transformation entwickelt sich ständig weiter. Um auf dem Laufenden zu bleiben und weitere Einblicke von Branchenführern zu erhalten, laden wir Sie ein, die Podcast-Serie "Digitale Transformation" der ARC Advisory Group zu abonnieren.

Ich werde demnächst in einem kommenden Podcast mit dem Gründer und CEO von Litmus Automation , Vatsal Shah, über Context Engineering und seine praktischen Auswirkungen sprechen, dessen Team sich darauf konzentriert, die KI-fähigen Daten zu liefern, die all dies möglich machen.

Wir glauben, dass die besten Gespräche unterschiedliche Perspektiven beinhalten. Wenn Sie ein Innovator in diesem Bereich sind und zu einer zukünftigen Diskussion beitragen möchten, wenden Sie sich bitte an Colin Masson von der ARC Advisory Group.

Engagieren Sie sich bei der ARC Advisory Group

Für Empfehlungen der ARC Advisory Group zum Navigieren in den KI-Kriegen, zum Schließen der digitalen Kluft durch die Einführung industrieller KI, zum Zusammenstellen Ihrer industrietauglichen Datenstruktur und zum Steuern und Leiten wichtiger Entscheidungen über Unternehmens-, Cloud -, Industrial-Edge- und KI-Software wenden Sie sich bitte an Colin Masson unter Cmasson@arcweb.com oder vereinbaren Sie einen Termin mit mir oder meinen Analystenkollegen bei der ARC Advisory Group, um mehr über unseren Executive Insights Service für Industrieunternehmen und den Industrial AI Insights Service für Anbieter zu erfahren.