Context Engineering für die Unternehmenskommunikation

Ich erinnere mich gut an meine ersten Text-Versuche mit ChatGPT: In Sekunden stand eine formal perfekte Pressemitteilung mit sauberer Gliederung und fehlerfreier Grammatik auf dem Bildschirm. Namen, Zahlen und Kernbotschaften stimmten natürlich nicht, aber das erwartete ich damals auch nicht. In der Branche galt: Wir sparen Zeit beim ersten Entwurf, der Feinschliff kommt vom Menschen.

Knapp vier Jahre später sind die Sprachmodelle um ein Vielfaches besser. Ein modernes Large Language Model (LLM) verarbeitet ganze Dokumentensammlungen und kann auf strukturierte Unternehmensdaten zugreifen, KI-Agenten erledigen Aufgaben in mehreren Schritten. KI ist in der Kommunikation angekommen: Laut der Schweizer Trendstudie der ZHAW vom August 2026 nutzen bereits 99 Prozent der befragten Kommunikationsabteilungen generative KI in irgendeiner Form. In Deutschland dürfte das Bild kaum anders aussehen.

Und trotzdem hat sich in vielen Kommunikationsabteilungen am operativen Ablauf wenig verändert. Nach wie vor heißt es: prompten und nacharbeiten. KI wird weiterhin vor allem als bessere Schreibassistenz oder Textpolierer eingesetzt. Die anfängliche Faszination ist vielerorts einer spürbaren Ernüchterung gewichen, weil der Sprung von der experimentellen zur integrierten Arbeit nur mühsam gelingt.

Dabei liegt das selten am Sprachmodell selbst. Ein KI-Modell kennt allgemeines Weltwissen, aber nicht die Kommunikationsstrategie, nicht die Kernbotschaften, nicht die Feinheiten der Themen. Genau hier setzt Context Engineering an, mit einer einfachen Frage: Welche Informationen braucht die KI, um eine konkrete Aufgabe markentreu, faktensicher und präzise zu lösen?

Um den Sprung zur KI-integrierten Kommunikation zu schaffen, benötigen wir eine veränderte Haltung. Bisher denken viele Abteilungen Kommunikation und künstliche Intelligenz weitgehend getrennt: Teams schreiben Prompts, legen Prompt-Bibliotheken an und bauen erste Custom GPTs oder Assistenten. Das eigentliche Kommunikationsmanagement bleibt davon seltsamerweise unberührt: Sprachregelungen, Q&A-Dokumente, Kernbotschaften und Corporate Language entstehen nach wie vor so wie vor zehn Jahren, als ein, zwei große PDF-Dokumente mit vielen Fragen und einer Menge Text. Ich empfehle, beides als Einheit zu betrachten: Die Kommunikationsstrategie ist dann nicht mehr nur der Rahmen, in dem eine KI eingesetzt wird, sondern das Wissen, mit dem sie arbeitet. Und die KI ist nicht mehr das Werkzeug am Ende des Prozesses, sondern viel früher Bestandteil des Kommunikationsmanagements selbst.

Zwei Welten nebeneinander

Prompts und eigene Assistenten bringen KI-Kompetenz ins Team, aber selten echte Effizienz. Denn jeder Prompt und jeder Assistent kennt nur das, was ihm im Einzelfall manuell mitgegeben wird. Wie verbreitet diese Trennung ist, zeigt eine Befragung der AG CommTech unter 46 Unternehmen vom Februar 2026:

• Nur 35 Prozent der Befragten haben eine klare KI-Strategie.
• Lediglich 26 Prozent verfügen über zentral organisierte, digital zugängliche Daten.
• 76 Prozent stellen der KI ihr Abteilungswissen nach wie vor per manuellem Datei-Upload bereit.

Solange Inhalte und Daten nicht systematisch an die KI angebunden sind, sondern im Einzelfall hochgeladen werden, entsteht keine Integration. Context Engineering für die Kommunikation ist die Methode, die beides zusammenführt: Es macht das freigegebene Wissen und die Strategie der Abteilung zur direkten Arbeitsgrundlage der KI.

Der Prompt sagt, was die KI tun soll. Der Kontext sagt, was sie dafür wissen muss.

Der Begriff Context Engineering hat sich seit Sommer 2025 in der KI-Entwicklung durchgesetzt. Er beschreibt eine Verschiebung: Die eigentliche Kunst liegt nicht im perfekten Prompting, sondern darin, der KI im Moment der Aufgabe genau das bereitzustellen, was sie für ein hochwertiges Ergebnis braucht. Dazu gehören dauerhafte Anweisungen im Systemprompt (in Tools wie Claude oder ChatGPT heißt er Projektanweisung), das relevante Wissen und gute Beispiele. Der Prompt mit der konkreten Aufgabe ist davon nur ein kleiner Teil.

Für die Unternehmenskommunikation reicht diese technische Sicht allerdings nicht aus. Sie beschreibt präzise, wie Wissen in die KI gelangt, aber kaum, welches Wissen gilt, wofür es steht und wer es verantwortet. Genau das sind die Kernfragen der Kommunikation. Context Engineering für die Kommunikation ergänzt deshalb vier Dinge:

• Strategiebezug: Das Wissen ist aus der Kommunikationsstrategie abgeleitet und geordnet, nicht zufällig zusammengetragen.
• Zielgruppenlogik: Die KI erhält nicht nur das passende Thema, sondern auch den Blick auf die Zielgruppe, für die sie schreibt.
• Governance: Freigabe, Gültigkeit, Verantwortlichkeiten und Zugriffsrechte sorgen dafür, dass nur geprüftes, aktuelles Wissen in die KI gelangt.
• Wirkungsmessung: Ein KI-Ergebnis ist nicht nur dann gut, wenn es korrekt ist, sondern wenn es die Kernbotschaften trägt, die später gemessen werden.

Kurz gesagt: Technisches Context Engineering optimiert eine Aufgabe. Context Engineering für die Kommunikation ordnet das Wissen eines ganzen Unternehmens.

Deshalb empfehle ich, die Energie, die heute in Prompt-Sammlungen und Prompt-Schulungen fließt, umzulenken: weg von der besseren Formulierung der Aufgabe, hin zur strukturierten Aufbereitung des Wissens. Ein mittelmäßiger Prompt mit exzellentem Kontext schlägt einen brillanten Prompt ohne Kontext fast immer.

Was eine strategisch ausgerichtete KI konkret bedeutet

Strategisch ausgerichtet heißt: Die KI arbeitet nicht nur mit dem Ausführungsauftrag, sondern mit dem Wissen, wofür ein Text da ist. Damit das gelingt, braucht es keine teure Spezialsoftware, sondern eine klare Ordnung. Ich arbeite dafür mit fünf Kernbegriffen, die systematisch aufeinander aufbauen, und mit einer Governance, die das Ganze verlässlich hält:

• Quell-Content: das freigegebene Rohmaterial der Kommunikation, darunter Themen, Kernbotschaften, Zahlen, Faktenblätter und Sprachregelungen.
• Themenarchitektur: die strukturelle Ordnung über dem Content. Sie gliedert das Unternehmenswissen von oben nach unten – von Strategie und Positionierung über Themenfelder bis hin zu einzelnen Themen, Botschaften und Belegen.
• Themenkarte: der zentrale Wissensbaustein. Eine Themenkarte beschreibt genau ein Thema, aus sich heraus verständlich – mit Strategiebezug, Kernbotschaft, Belegen mit Stichtag, Zielgruppen, Sprachregelungen, Tabus sowie der Angabe von Verantwortlichkeit und Gültigkeitsdauer. Entscheidend: Die Begriffe und Botschaften, nach denen die spätere Evaluation und das Medienmonitoring suchen, sind hier ausdrücklich verankert. Nur dann trägt die KI genau das in ihre Texte, was am Ende gemessen wird. Strategie, Content und Erfolgskontrolle sprechen dieselbe Sprache.
• Kontextpaket: die maßgeschneiderte Zusammenstellung für eine konkrete Aufgabe. Die KI lernt daraus nichts dauerhaft, sie bekommt genau das, was sie für diesen einen Auftrag braucht. Dazu gehören etwa die passende Themenkarte, freigegebene Zahlen und ein früheres Q&A als Muster; andere Themen und ältere Entwürfe bleiben bewusst draußen.
• Second Brain: das Gesamtsystem – das digitale Gedächtnis der Kommunikationsabteilung, auf das KI-Modelle und Agenten kontrolliert zugreifen.
• Governance: Sie sorgt dafür, dass dieses Gedächtnis verlässlich bleibt. Ohne sie veraltet auch die beste Wissensbasis innerhalb weniger Monate. Ich empfehle, vier Dinge von Anfang an verbindlich zu regeln: Wer ist für welches Thema verantwortlich? Wann und wie oft wird jede Themenkarte überprüft? Wer darf Inhalte verändern? Und welche Personen und Anwendungen, auch KI-Agenten anderer Abteilungen, dürfen auf die Daten zugreifen?

Warum mehr Kontext nicht automatisch besser ist

Ein Punkt beim Kontextpaket ist mir besonders wichtig, weil er der Intuition vieler Teams widerspricht: Mehr Kontext führt nicht automatisch zu besseren Ergebnissen.

Mit wachsender Textmenge sinkt die Genauigkeit, mit der ein Modell einzelne Informationen nutzt. Anthropic nennt das „Context Rot“; zudem gehen Informationen in der Mitte langer Texte besonders leicht unter („Lost in the Middle“). Deshalb sollte eine KI niemals pauschalen Zugriff auf das gesamte Intranet, Netzlaufwerke oder das historische Pressearchiv erhalten: Dort steht zu viel Veraltetes, das die KI genauso selbstverständlich zitiert wie aktuelle Beschlüsse, und die schiere Textmenge ist für eine einzelne Aufgabe zu groß. Die Effizienz liegt in der gezielten Auswahl.

Der Unterschied in der Praxis

Wie stark sich dieser Ansatz auswirkt, zeigt ein Beispiel: die Erstellung eines Q&A zu einer Standortverlagerung.

• Ohne Kontextpaket (nur mit Prompt): Die KI liefert generische Phrasen („Wir optimieren unsere Standortstrukturen nachhaltig, um wettbewerbsfähig zu bleiben …“). Wichtige Zahlen oder spezifische Standortfakten fehlen oder sind erfunden. Die Redakteurin verbringt den Großteil ihrer Zeit mit Faktencheck, Korrektur und Abstimmung.
• Mit Kontextpaket (Grounding über die Themenkarte): Die KI nutzt die freigegebene Investitionssumme, greift die drei definierten Kernbotschaften auf und hält sich an die vereinbarte Sprachregelung, zum Beispiel keine Aussagen zu Personalzahlen vor der Betriebsversammlung. Die Redakteurin beginnt nicht mit der zeitintensiven Rohkorrektur, sondern direkt mit der strategischen Beurteilung.

Warum die Kommunikation Context Engineering führen sollte

Context Engineering klingt sehr technisch, ist deshalb aber noch lange kein reines IT-Projekt. Wie für die gesamte digitale Transformation der Kommunikation gilt auch hier, dass IT und Kommunikation zusammenarbeiten müssen. Die technische Einrichtung, IT-Sicherheit, Schnittstellen und Rechteverwaltung gehören dazu, aber der fachliche Kern bleibt kommunikativ.

Kommunikationsabteilungen verwalten seit jeher die „offizielle Wahrheit“ des Unternehmens: Marken-Guide, Themenmanagement, Sprachregelungen, Fact Sheets und FAQs. Botschaftshaus, Corporate Language und Freigabeprozess gibt es längst, nur in einer Form, die für menschliche Leser gemacht ist. Context Engineering verlangt von Kommunikatoren also kein neues Denken. Es verlangt, das vorhandene Handwerk maschinenlesbar zu machen. Das ist der schnellste Weg zur strategischen KI, weil niemand bei null anfangen muss.

Zudem hat dieser Schritt eine Konsequenz, die weit über die eigene Abteilung hinausreicht: Auch Vertrieb, Marketing, HR und Investor Relations wollen KI nutzen und eigenen Content erzeugen. Wer die zentrale Wissensbasis sauber pflegt, kann allen diesen Abteilungen denselben verifizierten Wissenskern bereitstellen.

In vier Schritten von der Prompt-Sammlung zum Second Brain

Der Sprung vom Ausprobieren zum produktiven Arbeiten braucht kein monatelanges Großprojekt. Ich empfehle folgendes Vorgehen:

• Mit wenigen Kernthemen beginnen. Zwei oder drei zentrale Corporate-Themen strukturiert aufbereiten, die in den nächsten Wochen sicher gebraucht werden. Also ganz gezielt das, was operativ ansteht.
• Vorhandene Werkzeuge nutzen. Für den Einstieg reicht die Infrastruktur, die in den meisten Unternehmen ohnehin da ist: Microsoft 365 Copilot, Custom GPTs in ChatGPT oder ein Projekt in Claude, in dem Projektanweisung, Themenkarten und Mustertexte zusammenliegen. Ein erstes Kontextpaket lässt sich so in wenigen Tagen aufsetzen.
• Governance von Anfang an verankern. Jede Themenkarte bekommt eine verantwortliche Person und ein klares Gültigkeitsdatum. Ohne diese Regel liefert auch die beste KI nach kurzer Zeit veraltete Texte. Deshalb legt auch der Systemprompt fest, dass abgelaufene Themenkarten nicht als gültiges Wissen verwendet werden. Zudem sollten automatisierte Erinnerungen die Verantwortlichen vor Ablauf der Gültigkeit auf die anstehende Prüfung hinweisen.
• Effizienzgewinne messen. Messen Sie den Vorher-nachher-Effekt: Wie lange dauern Q&As, Intranet-Beiträge oder Pressemitteilungen, und wie viele Abstimmungsschleifen sind nötig, bis der Feinschliff passt? Diese Zahlen sind das beste Argument für die Skalierung im Unternehmen.

Diesen Schritt muss übrigens niemand aufschieben oder aufwendig freigeben lassen. Ein Kommunikationsteam kann morgen damit anfangen, die erste Themenkarte zu schreiben. Aus meiner Erfahrung in Leitungspositionen und Management-Teams weiß ich, dass Geschäftsführungen und Bereichsleiter auf genau solche Initiativen warten, während die Fachabteilungen auf ein Signal von oben warten. Am Ende warten beide.

Was beim Menschen bleibt

Eine Grenze gehört zur Ehrlichkeit dazu: Ziele, Prioritäten, Timing und die finale Entscheidung, was wann über welchen Kanal kommuniziert wird, bleiben vollständig in menschlicher Verantwortung. Die KI setzt die Strategie in Inhalten um, sie übernimmt sie nicht.

Genau darin liegt der eigentliche Gewinn: Wenn der erste Entwurf durch guten Kontext weitgehend sitzt, verschiebt sich die Arbeitszeit von der reinen Textproduktion hin zur strategischen Bewertung: Ist das die richtige Botschaft für diese Zielgruppe? Stimmt das Timing? Und ist das aktuell überhaupt unser Thema? Das ist genau die Arbeit, für die Kommunikationsprofis eigentlich da sind.

Jetzt tiefer einsteigen: Webinar der AG CommTech

Am 12. November 2026 zeige ich im Webinar der AG CommTech, wie Sie Ihr Abteilungswissen als Quell-Content aufbereiten und daraus ein Second Brain für Ihre KI aufbauen.

👉 Jetzt kostenfrei zum Webinar der AG CommTech anmelden

Mein praktischer Rat bis dahin: Nehmen Sie sich ein einziges Thema vor, das in den nächsten Wochen in Ihren Texten vorkommt, und schreiben Sie dafür eine erste Themenkarte: eine Kernbotschaft, drei Belege mit Datum, zwei Tabus. Geben Sie diese Themenkarte zusammen mit Ihrem nächsten Auftrag an die KI und vergleichen Sie das Ergebnis mit dem letzten Entwurf ohne Kontext. Der Unterschied ist das beste Argument für alles Weitere.