Zum Inhalt springen

Kontext mit System: Context Engineering für einen KI-Tutor

Kontext mit System: Context Engineering für einen KI-Tutor

Video: Kontext mit System: Context Engineering für einen KI-Tutor1:39 Min. · ohne Cookies, ohne YouTube

Context Engineering heißt, einem Sprachmodell die gefundenen Informationen so zu übergeben, dass es sie richtig versteht. Tarsus erkennt, was jede Fundstelle ist, bereitet Tabellen und Bilder auf, ordnet nach Quelle, markiert Lücken zwischen Abschnitten und ergänzt Quellen, Leitplanken und den Gesprächsverlauf.


Warum der Kontext oft unterschätzt wird

Hat die Suche die passenden Bits gefunden, scheint die Arbeit getan. Hängt man sie aber einfach aneinander, entsteht ein Durcheinander aus Textstücken, Tabellenzeilen und Bildern ohne Struktur. Das Sprachmodell muss raten, was wozu gehört. Wie die Bits gefunden werden, zeigt der Film Vom Fragen zum Finden: So sucht ein KI-Tutor in Ihren Unterlagen.


Schritt 1: Erkennen

Zuerst bestimmt Tarsus für jedes Bit Typ und Herkunft: Text aus dem Skript, eine Tabelle aus den Folien, ein Bild aus einer Abbildung, eine Aufgabe aus einem Übungsblatt.


Schritt 2: Aufbereiten

Jeder Typ wird so aufbereitet, dass ein Sprachmodell ihn lesen kann. Bei Tabellen bleiben Zeilen und Spalten erhalten. Bilder bekommen eine Beschreibung, im Beispiel: „Erlös- und Gesamtkostenlinie schneiden sich bei 500 Stück.“ Texte behalten Titel und Untertitel ihres Kapitels. Jedes Bit trägt seine Quelle, etwa „Skript.pdf, S. 12“.


Schritt 3: Ordnen

Die Suche liefert Treffer nach Relevanz sortiert. Für das Verständnis zählt aber die Reihenfolge im Dokument. Tarsus ordnet die Bits deshalb neu: nach Quelle, also nach Skript, Folien und Übungsblatt.


Schritt 4: Lücken trennen

Zwischen zwei Fundstellen aus demselben Dokument liegen oft viele Seiten. Im Beispiel steht auf Seite 12: „Die Fixkosten betragen 20.000 €.“ Auf Seite 27 steht: „Die Materialkosten schwanken stark. Sie sinken im zweiten Jahr deutlich.“ Gefunden wurde nur der zweite Satz. Hängt man beide Fundstellen ohne Trennung aneinander, liest das Modell: Die Fixkosten sinken. Das ist falsch.

Tarsus kennzeichnet die Lücke deshalb ausdrücklich, hier mit „Lücke: S. 13 bis 26“. So zieht das Modell keinen falschen Schluss. Solche Fälle gibt es viele: Bits aus demselben Dokument und aus verschiedenen Dokumenten, Texte, Tabellen und Bilder. Jeder Fall wird bedacht.


Schritt 5: Zutaten ergänzen

  • Referenzen: Jede relevante Quelle bekommt eine Nummer wie [1], damit die Antwort sie zitieren kann.

  • Metadaten: Datei, Seite, Typ und Kapitel zu jedem Bit.

  • Leitplanken: zum Beispiel „Nur auf Basis der Quellen antworten“ und „Unsicherheit offen benennen“.

  • Verlauf: die bisherige Unterhaltung, damit Rückfragen verstanden werden.


Schritt 6: Rahmen und Budget

Zum Schluss kommt der Rahmen: die Rolle, im Beispiel „Du bist Lerncoach für BWL und erklärst Schritt für Schritt.“, dazu die Originalfrage und das Antwortformat „Kurz und mit Quellenangaben wie [1].“ Das Kontextfenster eines Sprachmodells ist begrenzt. Tarsus behält dieses Budget im Blick: Wird es zu voll, fallen die weniger relevanten Bits zuerst heraus.


Das Ergebnis: richtige Bits an der richtigen Stelle

  • Typ und Quelle erkannt

  • Nach Dokument geordnet

  • Lücken klar getrennt

  • Zutaten ergänzt

  • Budget im Blick

Erst dieser Kontext geht an das Sprachmodell. Die Unterlagen dafür indexiert Tarsus automatisch, auch SCORM-Pakete und H5P-Elemente, siehe Indexierung. Im Modus Frage stellen antwortet der KI-Tutor damit aus den eigenen Unterlagen, und der KI-Lerncoach fragt den Stoff ab.


Warum das Halluzinationen vorbeugt

Sprachmodelle füllen Lücken gern mit plausiblen Vermutungen. Sichtbare Quellen, getrennte Fundstellen und klare Leitplanken nehmen ihnen diesen Spielraum. Mehr dazu im Beitrag KI-Halluzinationen im Kurs vermeiden. Für adaptives Lernen ist das die Voraussetzung dafür, dass Erklärungen und Übungsfragen zum Kursstoff passen: Adaptives Lernen: Definition, Beispiele und wie KI es umsetzt.


Häufige Fragen

Was ist Context Engineering?

Context Engineering ist die Gestaltung all dessen, was ein Sprachmodell zu einer Anfrage zu sehen bekommt: Fundstellen, Anweisungen, Verlauf und Antwortformat. Es geht über das Formulieren eines einzelnen Prompts hinaus.

Was ist ein Kontextfenster?

Das Kontextfenster ist die Menge an Text, die ein Sprachmodell bei einer Anfrage auf einmal verarbeiten kann. Was nicht hineinpasst, sieht das Modell nicht.

Warum nennt der KI-Tutor Quellen?

Quellenangaben machen nachprüfbar, woher eine Aussage stammt. Lernende können die Stelle im Skript nachlesen, Lehrende sehen, worauf sich die Antwort stützt.


Weiterlesen

Weitere Blogartikel lesen

Weitere Blogartikel lesen