DEFINITIE
Wat is context engineering?
Voorheen: wat is prompt engineering?
Een goede vraag stellen aan een model is geen vak meer. Bepalen wat het model moet weten voordat het antwoord geeft, dat is het vak geworden. Gartner noemde die verschuiving in juli 2025 met zoveel woorden.
Context engineering is de discipline van het samenstellen, ordenen en begrenzen van de informatie die een AI-model bij elke opdracht meekrijgt: de instructie, de bedrijfskennis, de tools waar het model bij mag, het geheugen van eerdere stappen en de grenzen waarbinnen het mag handelen. Waar prompt engineering ging over hoe u het vraagt, gaat context engineering over wat het model bij zich heeft als het antwoordt. W69 AI Consultancy in Amstelveen richt die contextlaag in onder AI-platformen en agentsystemen.
Gartner benoemde context engineering in juli 2025 als de discipline die prompt engineering vervangt. PwC vroeg in januari 2026 aan 4.500 bestuurders wat AI had opgeleverd: 56 procent zei nog geen omzet of besparing te zien.
Waarom prompttrucs niet meer helpen
Tussen 2023 en 2026 is er iets veranderd waar veel organisaties nog niet naar hebben gehandeld: het model is beter geworden in denken, en daarmee is het knelpunt verschoven naar wat het model weet.
Modellen redeneren nu zelf
Chain-of-thought was de kunst om een model stap voor stap te laten denken door dat expliciet te vragen. Redeneermodellen doen dat inmiddels uit zichzelf, en beter dan u het kunt uitlokken. De truc is niet verdwenen, hij is verhuisd van uw prompt naar het model.
Er is niet één prompt meer
Een agent die een taak afmaakt zet tientallen stappen, raadpleegt systemen en geeft werk door. Bij elke stap wordt opnieuw bepaald wat er meegaat. Wie dat een prompt noemt, kijkt naar één zin in een gesprek dat de hele dag doorloopt.
Meer meegeven maakt het slechter
Een groot contextvenster is een ruimte, geen opdracht om hem te vullen. Hoe meer u meegeeft, hoe groter de kans dat het model op het verkeerde onderdeel let. Het vakwerk zit in weglaten: alleen dat meegeven wat voor deze stap nodig is.
Waar de context vandaan komt
Vijf bronnen worden per stap samengevoegd tot precies dat wat het model deze keer nodig heeft. Wat er niet in past, blijft bereikbaar maar gaat niet mee.
Context engineering in vier stappen
Dit is werk voor een architect, niet voor een tekstschrijver. De volgorde doet ertoe: wie bij stap drie begint, bouwt begrenzingen om kennis die er nog niet is.
Bepaal wat het model moet weten
Niet wat het moet doen, dat is de makkelijke helft. Loop een echte taak na en schrijf op welke feiten een nieuwe medewerker zou moeten opzoeken om hem goed uit te voeren. Precies die feiten moeten in de context terechtkomen. Wat u niet kunt opschrijven, kan een agent niet weten.
Leg de kennislaag eronder
Zonder één plek waar staat wat er bij u waar is, blijft elke instructie een poging om uw bedrijf handmatig na te vertellen aan een model dat het de volgende keer weer vergeten is. Dit is de stap die het meeste werk kost en de meeste ellende voorkomt.
Begrens wat er mee mag
Welke tools het model mag aanroepen, bij welke gegevens het mag, wanneer een mens erbij moet en wat er onder geen beding meegaat. Begrenzing hoort in de context, niet in een beleidsstuk dat naast het systeem leeft. Dit is waar governance en techniek elkaar raken.
Meet het, elke keer opnieuw
Leg een vaste set realistische opdrachten vast met het antwoord dat u verwacht, en draai die set bij elke wijziging: ander model, aangepaste instructie, nieuwe koppeling. Zonder die set weet u niet of een agent die vorige week goed werkte dat deze week nog steeds doet.
En wat is er dan met prompt engineering gebeurd?
De technieken zijn niet weggegooid, ze zijn onderdeel geworden van iets groters. Hier staat waar ze gebleven zijn, zodat u ze herkent als iemand ze nog noemt.
Zero-shot en few-shot
Een model iets vragen zonder voorbeeld, of juist met een paar voorbeelden erbij. Dit leeft gewoon voort, alleen heet het nu het samenstellen van voorbeelden in de context. De vraag is verschoven van of u voorbeelden meegeeft naar welke voorbeelden, uit welke bron en hoe actueel.
Chain-of-thought
Stapsgewijs laten redeneren om fouten te voorkomen. Bij de modellen van 2023 moest u dit zelf uitlokken. Redeneermodellen doen het nu uit zichzelf. Wat u nog wel bepaalt is hoeveel tijd en rekenkracht een model aan een vraag mag besteden, en dat is een kostenafweging geworden.
System prompts en persona’s
Het model een rol en gedragsregels meegeven. Dit is opgegaan in de instructielaag van de context, waar het nu naast de kennislaag en de begrenzingen staat. Een persona zonder kennislaag eronder blijft een model dat overtuigend klinkt zonder iets van u te weten.
Kort gezegd: prompt engineering was een vaardigheid die tijdelijk op een vakgebied leek. Nu de modellen zelf redeneren en agents zelfstandig doorwerken, is de vraag niet meer hoe u het vraagt maar wat het systeem bij zich heeft. Dat is architectuurwerk en het begint bij een kennislaag.
Wat mensen hierover vragen
Prompt engineering gaat over hoe u een vraag formuleert. Context engineering gaat over wat het model bij zich heeft op het moment dat het antwoordt: de instructie, de bedrijfskennis, de tools waar het bij mag, het geheugen van eerdere stappen en de begrenzingen. De prompt is daar één onderdeel van geworden. Bij een agent die tientallen stappen zet bestaat er niet eens één prompt meer, maar wordt per stap opnieuw een context samengesteld.
Nee, het is opgegaan in een groter vak. Helder formuleren blijft nuttig, maar het is geen zelfstandige functie meer. Gartner stelde in juli 2025 dat context engineering prompt engineering vervangt als de discipline die er bij organisaties toe doet. Wat verdween is het idee dat u met de juiste formulering een model iets kunt laten weten wat het niet weet. Dat lost u op met kennis, niet met woordkeuze.
Chain-of-thought is de techniek waarbij u een model vraagt zijn redenering stap voor stap uit te schrijven, zodat het minder fouten maakt. Bij de modellen van 2023 en 2024 moest u dat zelf uitlokken. Redeneermodellen doen dit inmiddels uit zichzelf en vaak beter dan u het kunt vragen. De techniek is niet verdwenen, hij is verhuisd van uw prompt naar het model.
Nee, en dit is de meest gemaakte fout. Hoe meer u meegeeft, hoe groter de kans dat het model op het verkeerde onderdeel let. Een groot contextvenster is een ruimte, geen opdracht om hem te vullen. Het vakwerk in context engineering zit in weglaten: alleen dat meegeven wat voor deze stap nodig is, en de rest bereikbaar houden via de kennislaag of via tools.
Door het te meten in plaats van het te vinden. Leg een vaste set realistische opdrachten vast met het antwoord dat u verwacht, en draai die set opnieuw bij elke wijziging: een ander model, een aangepaste instructie, een nieuwe koppeling. Zonder zo’n vaste set weet u niet of een agent die vorige week goed werkte deze week nog steeds goed werkt, en dat is precies de vraag waar een auditor op doorvraagt.
Bij de kennis, niet bij de tekst. Zolang er geen plek is waar staat wat er in uw organisatie waar is, blijft elke instructie een poging om dat handmatig mee te typen. Die plek heet een kennislaag. Zonder die laag is context engineering het steeds opnieuw navertellen van uw eigen bedrijf aan een model dat het de volgende keer weer vergeten is.
Weet uw AI wat uw organisatie weet?
De AI Navigator™ brengt in kaart waar u staat, inclusief het punt waar het meestal stukloopt: de context waarop uw modellen moeten draaien.
Zoekt u groei, marketing en vindbaarheid in plaats van architectuur?
Ons zusterbedrijf W69 AI Growth biedt AI Agent Development, de commerciële en groeigerichte kant van wat wij hier op enterprise-niveau bouwen.
Bekijk AI Agent Development op w69.nl →