„Context Engineering“ ist auf dem besten Weg, der nächste Sammelbegriff der KI-Welt zu werden. Fast immer ist damit gemeint, was man einem KI-Modell über eine Codebasis mitgibt. Unser Geschäftsführer Thomas Immich setzt ein „Human-Centered“ davor und meint etwas Tieferes: den gesamten Kontext, den ein Team über die mentalen Modelle und Bedürfnisse seiner Nutzenden hat, also den „Context of Use“.
Für das Projekt Basiswissen KI hat Michael Überschär ausführlich mit Thomas gesprochen: über KI-Personas, die Ideen auch abwatschen dürfen, über Bots mit menschlichen Paten, über absichtlich eingebaute Reibung und über die Frage, wem eigentlich der Kontext eines KI-Agenten gehört. Hier sind die wichtigsten Gedanken aus dem Gespräch.
Kontext, der nicht im Code steht
Technisch gedacht wird der Kontext beim Context Engineering meist aus dem Code abgeleitet: Ein Coding-Agent wie Claude Code schaut sich die Codebasis an und weiß, was als Nächstes zu tun ist. Domänenexpertinnen und -experten greifen eher auf Wissenskontext zurück, also auf Wikis, Handbücher oder Tickets. Human-Centered Context Engineering verbindet beides, mit einem bestimmten Fokus:
„Es geht hier um das Wissen, das über denjenigen aufgebaut wurde, dem das Produkt letztlich gefallen muss: dem Nutzenden.“
Genau dieses Wissen fehlt in vielen Unternehmen. Domänenwissen ist meist vorhanden, aber selten aus Sicht der Nutzenden und noch seltener abgestimmt mit deren mentalen Modellen. Hier setzt LeanScope AI an, die Product-Discovery-Plattform, die aus dem Projektgeschäft von Centigrade entstanden ist: Sie hilft, User-Research-Erkenntnisse aufzubauen und sie über Knowledge Graphs und Retrieval auch für KI nutzbar zu machen. Der Claim dahinter: „Sieh die Welt mit den Augen deines Publikums.“
Bots mit Paten: das Experiment im eigenen Haus
Auf unserer Team-Seite stehen neben Menschen auch ein paar Bots, etwa T0-N1, unser Voice-and-Tone-Bot, oder E. Le Fand. Begonnen hat das kurz nach dem Erscheinen von ChatGPT 3.5 mit P.F.U.X., einem Bot für Thomas’ damaligen Podcast „Prompts for UX“. Schnell zeigte sich, dass ein gut gemachter Charakter etwas mit Menschen macht. Es ist eben nicht nur Text, sondern eine Persönlichkeit, die diesen Text überliefert.
Damit kam auch eine berechtigte Diskussion: Fühlen sich Menschen ersetzt, wenn KI nicht nur beeindruckende Fähigkeiten, sondern auch noch eine eigene Persönlichkeit hat? Die Antwort war das Paten-Modell. Jeder Bot hat eine Patin oder einen Paten, also einen Menschen, der ihn eingearbeitet hat, seinen Prompt pflegt und für ihn einsteht.
„Der Pate ist der Godfather, die Patin die Godmother. Danach hat keiner mehr das Gefühl, dass er oder sie der KI unterstellt ist.“
Diese Haltung zeigt sich auch auf unserer Website: „Menschen“ steht als oberster Menüpunkt, das KI-Thema kommt weiter hinten. KI ist wichtig, aber der Enabler für komplexe digitale Systeme in hoher Qualität sind die Menschen in unserem Team.
Woher weiß man, dass eine Persona stimmt?
KI-Personas sind kein Ersatz für echte Nutzende, sondern ein Kompass zu ihnen. Eine Persona bildet nie einen einzelnen Menschen ab, sondern die Summe der Eigenschaften ähnlicher Menschen. Thomas unterscheidet deshalb klar zwischen der Proto-Persona, die auf Zuruf aus dem Weltwissen der KI entsteht, und der verifizierten Persona, die auf echten Interviews beruht.
Wie groß der Unterschied sein kann, zeigt ein Beispiel aus einem Centigrade-Projekt: Eine Maschinenbauer-Persona fand im Proto-Zustand die Idee, sich per Gesichtserkennung an der Maschine einzuloggen, „innovativ, mega“. Nach nur drei Tiefeninterviews mit echten Maschinenbauern und dem Einspielen der Transkripte antwortete dieselbe Persona: „Ich trage Schutzhelm und Brille an der Maschine, ich glaube nicht, dass das funktioniert.“
„Die eigene Idee mag cool klingen, aber die Persona watscht sie gnadenlos ab. So etwas kann uns Menschen tatsächlich erden.“
Damit Teams nicht gegen ihre eigene Selbstbestätigung entwickeln, setzt LeanScope auf Assumption-Tracking, ein Prinzip aus Jeff Gothelfs Lean UX: Streit im Workshop wird nicht ausdiskutiert, sondern als Annahme notiert, die noch einen Beleg braucht. Die Persona wird so mit jeder neuen Erkenntnis besser, und User Researcher bleiben dauerhaft Teil des Prozesses. Das größte Risiko sieht Thomas ausgerechnet bei Teams, die noch nie User Research gemacht haben, weil sie sich am ehesten darauf verlassen, dass alles, was die Persona sagt, bare Münze ist. Deshalb ist auch die Partnerschaft mit TestingTime kein Widerspruch, sondern eine sinnvolle Ergänzung: TestingTime rekrutiert echte Menschen für Interviews, LeanScope macht aus den Ergebnissen lebensnahe KI-Personas.
Digital Twins und die Datenschutzfalle
Klar grenzt sich Thomas auch von Digital Twins ab. Ein digitales Abbild eines einzelnen Menschen ist eine 1-zu-1-Beziehung und birgt damit immer eine Datenschutzfalle.
„Habe ich das digitale Objekt gehackt, habe ich quasi den Menschen gehackt. Deswegen sind Personas für uns keine 1-zu-1-, sondern explizit 1-zu-n-Mappings.“
Weil eine Persona immer das Wissen vieler Menschen abbildet, lässt sich keine Aussage auf eine einzelne Person zurückführen. So entsteht „by Design“ keine Falle mit personenbezogenen Daten.
Wo Reibung bleiben muss
Unsere Branche reduziert gern Reibung, Cognitive Load und Interaction Costs. Thomas plädiert dafür, an den richtigen Stellen bewusst Reibung einzubauen. Wer jede Prüfung als Bremse empfindet, riskiert ein „Deskilling“: Wir verlernen ungeteilte Aufmerksamkeit, kritisches Denken und präzise Qualitätsbewertung.
LeanScope arbeitet deshalb an einer „Second Voice“: einer zweiten, kritischen KI, die den Gesprächsverlauf mit einer Persona prüft und zum Beispiel darauf hinweist, dass hinter einer Aussage noch gar kein User Research steht. Ein eingebauter Nudge nach Jeff Gothelfs Motto „get out of the building“.
„Wir möchten, dass man wegen KI-Personas mehr User Research macht und nicht weniger.“
Sattel oder Sitz: mentale Modelle
Zwei Menschen, ein Begriff, zwei mentale Modelle: Wer an ein Fahrrad denkt, denkt meist an einen Sattel. Wer Liegerad fährt, denkt eher an einen Sitz. Software wird oft mit dem mentalen Modell von UX-Fachleuten oder, schlimmer noch, von Software Engineers gestaltet, und das kollidiert mit dem mentalen Modell der Nutzenden. Personas bilden genau diese mentalen Modelle so detailliert ab, dass sie direkt in der Gestaltung von User Interfaces nutzbar werden. Ansätze wie das Open Knowledge Format, das für Begriffe Aliase und Synonyme vorsieht, zeigen dabei in die richtige Richtung: Wissen ist nicht absolut, sondern hängt vom Nutzungskontext ab.
Das gemeinsame Lagerfeuer und die Echokammer
Wenn Software sich über personalisierte KI-Agenten immer stärker auf einzelne Menschen zuschneidet, wo bleibt dann das gemeinsame Lagerfeuer? Für Thomas sind es letztlich nicht die Werkzeuge, sondern die Geschichten, die wir einander erzählen. Gegen Echokammern helfen Bildung, Aufklärung über Algorithmen und ein bewusster Kampf gegen die eigene Bequemlichkeit, ähnlich wie beim Joggen um fünf Uhr morgens im Regen.
„Wenn dir immer jeder zustimmt, dann bist du bereits in der Echokammer.“
Der Blick nach vorn
Woran Thomas merken wird, dass die Reise funktioniert hat? Nicht am Schulterklopfen, sondern am Leuchten in den Augen der Nutzenden und daran, dass das Team an das glaubt, was es baut. Erfolg ist für ihn der gute Match zwischen Werten, Purpose und der Arbeit, die Kundinnen, Kunden und Nutzende zurückspiegeln.
Das ganze Interview lesen
Das vollständige Gespräch mit vielen weiteren Fragen und Antworten gibt es auf Basiswissen KI: Human-Centered Context Engineering – Interview mit Thomas Immich. Wer tiefer in das Thema Persona-Agenten einsteigen möchte, findet in unserem Journal den Artikel KI-Personas: Empathieverstärker oder Vortäuschung falscher Tatsachen?
Die Zitate stammen aus dem Interview „Human-Centered Context Engineering“ von Michael Überschär auf basiswissen-ki.de, veröffentlicht unter der Lizenz CC BY 4.0. Die Inhalte wurden für diesen Beitrag gekürzt und zusammengefasst.