Context Engineering für Claude im Enterprise 2026
Wie Unternehmen 2026 Context Engineering für Claude betreiben: AGENTS.md, Agent Skills, MCP-Server, Projects, das Memory-Tool, Plugins, Routinen und Subagents — der Wechsel vom Prompt Engineering zum Context Engineering, mit offiziellen Quellen.
TL;DR
Context Engineering ist 2026 der Nachfolger des Prompt Engineering: Statt einzelne Prompts zu formulieren, gestalten Unternehmen, was Claude weiß, kann und sich merkt. Die Kernbausteine sind AGENTS.md (das Manifest auf Repository-Ebene), Agent Skills (Domänenwissen on demand), MCP-Server (die Integrationsschicht für Tools und Daten), Claude Projects (geteilte Arbeitsbereiche), das Memory-Tool (dauerhafter Kontext über Sessions), Plugins, wiederverwendbare Routinen und Subagents. Behandle sie als versioniertes „Context-as-Code" — wiederholbar, auditierbar und teamweit — um Claude zuverlässig im Unternehmen auszurollen.
Top Picks
Das Fundament des Context Engineering: ein Manifest auf Repository-Ebene, das jeder Claude-Session eine dauerhafte Identität, Konventionen und Leitplanken gibt. In Git versioniert ist der „System-Prompt" deiner KI reviewbar und teamweit konsistent.
Wiederverwendbare, dateibasierte Pakete mit Domänenwissen — Workflows, Kontext und Best Practices, die per Progressive Disclosure on demand geladen werden. Skills machen aus einem generischen Agenten einen Spezialisten, ohne das Kontextfenster zu überladen, und sind über Claude-Apps, Claude Code und das Agent SDK portabel.
Das Model Context Protocol ist der offene Standard, der Claude mit Enterprise-Datensilos und Tools verbindet (Jira, GitHub, SQL, interne APIs). MCP gibt Agenten eine getypte Integrationsschicht mit minimalen Rechten — und löst die „letzte Meile", proprietären Kontext ins Modell zu bringen.
Dauerhafte Arbeitsbereiche, die individuelle Anweisungen mit einer hochgeladenen Wissensbasis für ein Team oder eine Initiative bündeln. Projects machen aus statischer interner Doku einen geteilten „Institutional-Memory"-Agenten — ideal für Onboarding und wiederholbare Workflows.
Dauerhafter Speicher über Sessions hinweg, damit Agenten Kontext behalten, ohne neu eingearbeitet zu werden. Zusammen mit Context-Management/Compaction sammeln langlaufende Enterprise-Agenten so Wissen an, statt jede Session bei null zu starten.
Geschnürte Pakete aus Skills, Slash-Commands, MCP-Servern und Hooks, verteilt über Marketplaces. Mit Plugins rollt ein Unternehmen ein kuratiertes, versioniertes Context-Setup in einem Schritt an alle Entwickler aus — der Verteilmechanismus für alles Darunter.
Wiederverwendbare, parametrisierte Prompts und mehrstufige Routinen für wiederholbare Workflows — Release-Checklisten, Code-Review, Incident-Triage. Als Markdown im Repo standardisieren sie das „Wie wir fragen" im Team und kombinieren sich mit Hooks für deterministische Automatisierung.
Isolierte Sub-Agenten, die enge Aufgaben (Recherche, Suche, Review) auslagern und das Haupt-Kontextfenster vor Überlauf schützen. Subagents sind das Orchestrierungs-Primitiv des Context Engineering — jeder läuft mit eigenen, eingegrenzten Tools und frischem Kontext.
Comparison Table
| Name | Was es löst | Format / Mechanismus | Geltungsbereich | Kosten / Verfügbarkeit | Anthropic-nativ |
|---|---|---|---|---|---|
| System-Prompt auf Repo-Ebene — dauerhafte Identität, Konventionen und Leitplanken je Session | Markdown-Manifest im Repo-Root (AGENTS.md / CLAUDE.md), Git-versioniert | Projekt / Repo | Kostenlos — offene Konvention | ||
| Domänenwissen on demand — Workflows und Best Practices, nur bei Bedarf geladen | Dateiordner: SKILL.md + Skripte/Ressourcen, Progressive Disclosure | Nutzer / Projekt / Org | In Claude / Claude Code enthalten | ||
| Standardisierte Anbindung an Enterprise-Daten und Tools (Jira, GitHub, SQL, interne APIs) | MCP-Server über stdio / Streamable HTTP; TypeScript- & Python-SDKs | Org / Infrastruktur | Kostenlos — offenes Protokoll (Linux Foundation) | ||
| Dauerhafter Arbeitsbereich, der Anweisungen + Wissensbasis für ein Team bündelt | Claude (Pro/Team/Enterprise) Projects: individuelle Anweisungen + Wissensbasis | Team / Workspace | Claude Pro / Team / Enterprise | ||
| Dauerhafter Speicher über Sessions, damit Agenten ohne Neu-Onboarding Kontext behalten | Memory-Tool + Context-Management-API; dateibasiertes Memory-Verzeichnis | Agent / sessionübergreifend | API-Feature (Token-basiert) | ||
| Gebündelte Pakete aus Skills, Commands, MCP-Servern und Hooks zur Ein-Schritt-Verteilung | Claude-Code-Plugins über Marketplaces (.claude-plugin-Manifest) | Team / Org | In Claude Code enthalten | ||
| Wiederverwendbare, parametrisierte Prompts und mehrstufige Routinen für Workflows | Markdown-Slash-Commands (.claude/commands) + Hooks für Automatisierung | Nutzer / Projekt | Kostenlos / enthalten | ||
| Isolierte Sub-Agenten, die enge Aufgaben auslagern und das Haupt-Kontextfenster schützen | Subagent-Definitionen (.claude/agents) mit eingegrenzten Tools und eigenem Kontext | Task / Orchestrierung | In Claude Code enthalten |
← Scroll horizontally to see all columns
How to Choose
- Beginne mit AGENTS.md, bevor du etwas anderes tust: ein einziges Manifest auf Repo-Ebene mit Konventionen, Leitplanken und Identität ist der günstigste, wirkungsvollste Context-Engineering-Schritt. In Git versionieren, damit es reviewbar ist.
- Nutze Skills für „wie wir X machen", MCP für „wo die Daten liegen". Skills bündeln wiederholbares Wissen und laden on demand; MCP-Server geben Claude getypten Zugriff mit minimalen Rechten auf Enterprise-Systeme. Die meisten Rollouts brauchen beides.
- Wähle den richtigen Geltungsbereich: AGENTS.md, Slash-Commands und Skills leben im Repo (pro Projekt); Projects und das Memory-Tool persistieren teamweit über Sessions; Plugins verteilen ein kuratiertes Setup in einem Schritt an die ganze Org.
- Steuere das Kontextfenster bewusst: bevorzuge Subagents und on-demand-Skills, statt alles in einen langen Prompt zu packen. Baue Kontext-Bundles mit hohem Signalgehalt, um Token-Kosten und Drift zu senken.
- Behandle Kontext als Code: versioniere, reviewe und auditiere AGENTS.md, Skills und MCP-Konfigurationen. Für das Enterprise zählen Governance, MCP-Zugriff mit minimalen Rechten und ein Audit-Trail genauso wie reine Fähigkeiten.
Frequently Asked Questions
Related Resources
📖 Related Guides
📝 Related Blog Posts
⚖️ Related Comparisons
Sources & Further Reading
Effective context engineering for AI agents
Anthropic Engineering
Equipping agents for the real world with Agent Skills
Anthropic Engineering
Agent Skills — Overview
Claude API Docs
MCP connector
Claude API Docs
Context Engineering for Coding Agents
martinfowler.com
AGENTS.md — der offene Standard für Agent-Anweisungen
AGENTS.md
Bereit für Ihr KI-Projekt?
Buchen Sie ein kostenloses 30-Minuten-Gespräch, um Ihre Anforderungen zu besprechen.
Beratung buchen