Context Studios

Context Engineering für Claude im Enterprise 2026

Context Engineering für Claude im Enterprise 2026: AGENTS.md, Agent Skills, MCP-Server, Projects, Memory, Plugins und Subagents — mit offiziellen Quellen.

Aktualisiert: 2. Juni 2026
von Michael Kerkhoff

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.

Die wichtigsten Context-Engineering-Bausteine

1

AGENTS.md / CLAUDE.md

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.

System-Prompt auf Repo-Ebene — dauerhafte Identität, Konventionen und Leitplanken je SessionKostenlos — offene Konvention
2

Agent Skills

AI-Native

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.

Domänenwissen on demand — Workflows und Best Practices, nur bei Bedarf geladenIn Claude / Claude Code enthalten
3

MCP-Server

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.

Standardisierte Anbindung an Enterprise-Daten und Tools (Jira, GitHub, SQL, interne APIs)Kostenlos — offenes Protokoll (Linux Foundation)
4

Claude Projects

AI-Native

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 Arbeitsbereich, der Anweisungen + Wissensbasis für ein Team bündeltClaude Pro / Team / Enterprise
5

Memory-Tool

AI-Native

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.

Dauerhafter Speicher über Sessions, damit Agenten ohne Neu-Onboarding Kontext behaltenAPI-Feature (Token-basiert)
6

Plugins

AI-Native

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.

Gebündelte Pakete aus Skills, Commands, MCP-Servern und Hooks zur Ein-Schritt-VerteilungIn Claude Code enthalten
7

Slash-Commands & Routinen

AI-Native

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.

Wiederverwendbare, parametrisierte Prompts und mehrstufige Routinen für WorkflowsKostenlos / enthalten
8

Subagents

AI-Native

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.

Isolierte Sub-Agenten, die enge Aufgaben auslagern und das Haupt-Kontextfenster schützenIn Claude Code enthalten

Bausteine im Vergleich

NameWas es löstFormat / MechanismusGeltungsbereichKosten / VerfügbarkeitAnthropic-nativ
1AGENTS.md / CLAUDE.md
System-Prompt auf Repo-Ebene — dauerhafte Identität, Konventionen und Leitplanken je SessionMarkdown-Manifest im Repo-Root (AGENTS.md / CLAUDE.md), Git-versioniertProjekt / RepoKostenlos — offene Konvention
2Agent Skills
Domänenwissen on demand — Workflows und Best Practices, nur bei Bedarf geladenDateiordner: SKILL.md + Skripte/Ressourcen, Progressive DisclosureNutzer / Projekt / OrgIn Claude / Claude Code enthalten
3MCP-Server
Standardisierte Anbindung an Enterprise-Daten und Tools (Jira, GitHub, SQL, interne APIs)MCP-Server über stdio / Streamable HTTP; TypeScript- & Python-SDKsOrg / InfrastrukturKostenlos — offenes Protokoll (Linux Foundation)
4Claude Projects
Dauerhafter Arbeitsbereich, der Anweisungen + Wissensbasis für ein Team bündeltClaude (Pro/Team/Enterprise) Projects: individuelle Anweisungen + WissensbasisTeam / WorkspaceClaude Pro / Team / Enterprise
5Memory-Tool
Dauerhafter Speicher über Sessions, damit Agenten ohne Neu-Onboarding Kontext behaltenMemory-Tool + Context-Management-API; dateibasiertes Memory-VerzeichnisAgent / sessionübergreifendAPI-Feature (Token-basiert)
6Plugins
Gebündelte Pakete aus Skills, Commands, MCP-Servern und Hooks zur Ein-Schritt-VerteilungClaude-Code-Plugins über Marketplaces (.claude-plugin-Manifest)Team / OrgIn Claude Code enthalten
7Slash-Commands & Routinen
Wiederverwendbare, parametrisierte Prompts und mehrstufige Routinen für WorkflowsMarkdown-Slash-Commands (.claude/commands) + Hooks für AutomatisierungNutzer / ProjektKostenlos / enthalten
8Subagents
Isolierte Sub-Agenten, die enge Aufgaben auslagern und das Haupt-Kontextfenster schützenSubagent-Definitionen (.claude/agents) mit eingegrenzten Tools und eigenem KontextTask / OrchestrierungIn Claude Code enthalten

← Horizontal scrollen für alle Spalten

So führen Sie Context Engineering im Unternehmen ein

  • 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.

Häufige Fragen zum Context Engineering

Context Engineering ist die Disziplin, alles systematisch zu steuern, was in Claudes Kontextfenster gelangt — Anweisungen, Domänenwissen, Tools und Memory — statt nur einzelne Prompts zu formulieren. Anthropic beschreibt es als natürliche Weiterentwicklung des Prompt Engineering: Prompt Engineering dreht sich um das „Wie frage ich", Context Engineering um das „Wie strukturiere ich den Arbeitsbereich" (AGENTS.md, Projects) und „Was verbinde ich" (MCP-Server, Skills, Memory). Im Enterprise wird es zur Software-Engineering-Praxis mit Versionierung und Auditierbarkeit.

Prompt Engineering optimiert eine einzelne Anfrage — Wortwahl, Beispiele und Struktur einer Anweisung. Context Engineering optimiert die gesamte Umgebung, in der der Agent über viele Turns und Sessions arbeitet: das Repo-Manifest (AGENTS.md), wiederverwendbare Skills, angebundene MCP-Tools, dauerhafte Projects und Memory. Statische Prompts skalieren nicht für agentische Workflows, deshalb wechseln Teams vom „perfekten Prompt schreiben" zum „Kontext architektieren" — dem dynamischen Zusammenstellen der richtigen Informationen aus mehreren Quellen.

Acht Bausteine: (1) AGENTS.md / CLAUDE.md — das Manifest auf Repo-Ebene; (2) Agent Skills — Domänenwissen on demand; (3) MCP-Server — die Integrationsschicht für Daten und Tools; (4) Claude Projects — geteilte Arbeitsbereiche mit Wissensbasis; (5) das Memory-Tool — dauerhafter Kontext über Sessions; (6) Plugins — geschnürte, verteilbare Pakete; (7) Slash-Commands und Routinen — wiederverwendbare Workflows; (8) Subagents — Kontext-Isolation und Parallelität. Die meisten Enterprise-Rollouts kombinieren zuerst AGENTS.md + Skills + MCP und ergänzen dann Projects, Memory und Plugins beim Skalieren.

AGENTS.md (und Claudes CLAUDE.md) ist ein Markdown-Manifest im Root eines Repositorys, das als dauerhafter System-Prompt auf Projektebene wirkt — es definiert Identität, Code-Konventionen, Verhaltensgrenzen und Workflows des Agenten. Weil es in Git lebt, ist es reviewbar, versioniert und für jeden Entwickler und jede Session konsistent. Es ist eine offene, tool-übergreifende Konvention (unterstützt von Claude Code, GitHub Copilot, Cursor u.a.) — deshalb der grundlegende, kostengünstigste Context-Engineering-Schritt.

Das Model Context Protocol (MCP) ist der offene Standard — inzwischen unter der Linux Foundation —, der Claude mit Enterprise-Datensilos und Tools wie Jira, GitHub, SQL-Datenbanken und internen APIs verbindet. Statt Daten in Prompts zu kopieren oder fragile Eigenintegrationen zu pflegen, stellen MCP-Server getypte Tools über stdio oder Streamable HTTP bereit und geben Agenten eine wiederverwendbare Zugriffsschicht mit minimalen Rechten. MCP ist die „letzte Meile", die aus Claude statt eines Chatbots ein System macht, das auf deinen echten Daten handeln kann.

Skills sind wiederverwendbare Pakete mit Domänenwissen, die on demand laden. Plugins sind der Verteilmechanismus: ein Plugin bündelt Skills, Slash-Commands, MCP-Server und Hooks, sodass ein Unternehmen ein kuratiertes Context-Setup in einem Schritt über einen Marketplace an alle Entwickler ausrollt. Subagents sind das Orchestrierungs-Primitiv: isolierte Agenten mit eigenen, eingegrenzten Tools und frischem Kontext, die enge Aufgaben übernehmen und das Haupt-Kontextfenster vor Überlauf schützen. Zusammen lassen sie Context Engineering paketieren, verteilen und teamweit skalieren.

Beginne mit einem AGENTS.md-Manifest in deinen wichtigsten Repositorys — Konventionen, Leitplanken, Identität — und versioniere es. Ergänze Skills für wiederholbares Wissen und binde 2-3 hochwertige MCP-Server an (Issue-Tracker, Code-Host und eine Datenbank) mit minimalen Rechten. Führe Claude Projects für geteiltes Teamwissen und das Memory-Tool für langlaufende Agenten ein. Sobald sich Muster stabilisieren, schnüre alles in Plugins für die Ein-Schritt-Verteilung in der ganzen Org. Behandle das gesamte Setup als Code: reviewen, MCP-Rechte auditieren und einen Enablement-Verantwortlichen benennen. Ein fokussierter Claude-Enablement-Workshop verkürzt diesen Rollout von Monaten auf Wochen.

Weiterführende Ressourcen

📖 Verwandte Leitfäden

📝 Verwandte Blog-Artikel

⚖️ Vergleiche

📚 KI-Glossar

🔧 Unsere Leistungen

Quellen & weiterführende Links

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

Context Studios

Bereit für Ihr KI-Projekt?

Buchen Sie ein kostenloses 30-Minuten-Gespräch, um Ihre Anforderungen zu besprechen.

Beratung buchen