Ziel
Beschreibt, was die aktuelle Aufgabe erreichen soll und woran ein brauchbares Ergebnis erkennbar ist.
Deep Dive · Context Graphs
Ein Context Graph macht den laufenden Kontext einer Aufgabe explizit: Ziele, Quellen, Annahmen, Entscheidungen, offene Fragen, Tool-Aufrufe und Zwischenergebnisse werden als abfragbarer Zustand modelliert.
Kuratierter erster Schnitt · Stand Mai 2026
Kontext ist in Agentensystemen oft nur Prompt-Text: lang, flüchtig und schwer zu prüfen. Ein Context Graph behandelt Kontext als Arbeitszustand. Er hält fest, was das Ziel ist, welche Quellen genutzt wurden, welche Annahmen offen sind und welche Entscheidungen bereits getroffen wurden.
Dadurch kann ein Agent gezielter fragen: Was ist belegt? Was ist offen? Welche Tool-Ergebnisse gehören zu welcher Entscheidung? Und welche Teile dieses Zustands sind noch aktuell?
Ein guter Context Graph startet mit wenigen Knotentypen. Wichtig ist, dass Quellen, Claims und Entscheidungen getrennt bleiben.
Beschreibt, was die aktuelle Aufgabe erreichen soll und woran ein brauchbares Ergebnis erkennbar ist.
Hält konkrete Arbeitsschritte, Teilfragen, Verantwortlichkeiten oder Agentenaufträge fest.
Verweist auf Dokumente, Daten, Tool-Ergebnisse oder Gespräche, die als Evidenz dienen.
Macht sichtbar, wo der Agent oder Nutzer noch nicht sicher weiß, ob eine Aussage stimmt.
Dokumentiert, was im Lauf der Arbeit entschieden wurde und auf welcher Grundlage.
Verknüpft Aktionen, Parameter, Ergebnisse und Fehler mit dem Arbeitskontext.
Verbindet Frage, Antwort, verwendete Fakten, Quellen und Feedback zu einer prüfbaren Spur.
Context Graphs sind dynamisch. Sie wachsen während der Aufgabe, werden verdichtet und am Ende teilweise abgeschlossen oder in längerfristige Erinnerung überführt.
Ziel, Scope, Rollen und erste Quellen werden angelegt. Der Graph startet klein.
Neue Quellen, Claims, offene Fragen und Tool-Ergebnisse werden als Knoten und Kanten ergänzt.
Zwischenstände werden zusammengeführt, Duplikate entfernt und relevante Pfade hervorgehoben.
Unsichere Annahmen, widersprüchliche Quellen und offene Fragen werden markiert.
Das Ergebnis wird mit Quellen, Entscheidungen und offenen Restpunkten nachvollziehbar gemacht.
Längerfristig relevante Entscheidungen oder Präferenzen können in Agent Memory übernommen werden.
Der Context Graph trennt Aufgabe, Evidenz, Annahmen und Entscheidung. Das macht den Weg zum Ergebnis nachvollziehbar.
Bewerte, ob Hybrid Retrieval für Supportfragen im GraphRAG Compass als nächster Architekturpfad sinnvoll ist.
Der Context Graph zeigt, welche Quellen und Annahmen zur Entscheidung geführt haben, und hält den finalen Text nachvollziehbar.
Knoten
Kanten
Agenten profitieren, wenn Arbeitszustand explizit abgefragt und weitergegeben werden kann.
Ein kleiner Context Graph reicht oft, wenn die Knoten und Kanten fachlich klar bleiben.
nodes:
- Goal
- Task
- Source
- Claim
- Decision
- OpenQuestion
- ToolResult
edges:
- Task -> USES -> Source
- Source -> SUPPORTS -> Claim
- Claim -> INFORMS -> Decision
- Decision -> CREATES -> Task
- OpenQuestion -> BLOCKS -> DecisionDie beiden Konzepte gehören zusammen, lösen aber unterschiedliche Probleme. Der Context Graph hält die laufende Aufgabe zusammen; Memory bewahrt ausgewählte Erkenntnisse für später.
modelliert den laufenden Zustand einer konkreten Aufgabe: Quellen, Claims, Tool-Aufrufe, offene Fragen und Zwischenentscheidungen.
speichert länger nutzbare Erkenntnisse, Präferenzen, Entscheidungen oder Projektfakten über einzelne Aufgaben hinaus.
Beim Abschluss können ausgewählte Entscheidungen, Präferenzen oder stabile Fakten aus dem Context Graph ins Memory übernommen werden.
Context Graphs werden nützlich, wenn sie strukturierte Arbeitszustände sammeln. Die Trennung dieser Knotentypen zeigt, was belegt ist, was interpretiert wird, was entschieden wurde und was noch offen bleibt.
Die gestellte Frage mit Nutzerrolle, Zeitpunkt und erwarteter Antwortform.
Warum schlägt Login für Version 4.2 nach der Migration fehl?
Eine beobachtete Quelle oder ein Tool-Ergebnis: etwas wurde gesehen, gelesen oder gemessen.
Release Notes nennen OAuth-Änderung in Version 4.2.
Eine interpretierte Aussage, die durch Quellen gestützt oder widerlegt werden kann.
Die OAuth-Änderung ist wahrscheinlich Ursache für Loginfehler.
Eine getroffene Auswahl, die Arbeit steuert und später nachvollziehbar sein muss.
Hybrid Retrieval wird als nächster Architekturpfad getestet.
Die erzeugte Antwort mit Verweis auf verwendete Quellen, Claims oder Graphpfade.
Antwort nutzt Release Notes 4.2, Incident 381 und den Pfad Service -> Reporting API.
Eine noch ungeklärte Frage, die weitere Recherche oder Entscheidung blockiert.
Reichen Metadatenfilter oder braucht es Graphkontext?
Nutzer- oder Review-Signal, das spätere Retrieval-Regeln, Reranking oder Schreibregeln verbessern kann.
Supportartikel war richtig, aber veraltete Anleitung wurde zu hoch gerankt.
Ein Context Graph verbessert Nachvollziehbarkeit nur, wenn er bewusst begrenzt und geprüft wird.
Jeder Zwischenschritt wird gespeichert, bis der Graph unübersichtlich und teuer wird.
Eine Quelle stützt einen Claim nicht wirklich, wird aber als Evidenz verknüpft.
Alte Zwischenergebnisse wirken aktiv, obwohl sich Ziel, Quelle oder Entscheidung geändert haben.
Der Graph enthält Reasoning-Rauschen, aber keine belastbaren Claims, Entscheidungen oder offenen Fragen.
Unklar bleibt, wer Knoten korrigieren, abschließen oder ins Memory übernehmen darf.
Context Graphs sind die operative Arbeitsfläche zwischen Graphmodell, Agentenprotokollen und Memory.
übernimmt stabile Erkenntnisse aus abgeschlossenen oder laufenden Context Graphs.
können Context Graphs als kontrollierte Kontextquelle für Tools und mehrere Agenten verfügbar machen.
liefern das allgemeine Graphmodell; Context Graphs fokussieren den temporären Arbeitszustand.
definiert, welche Knoten, Kanten und Aktionen in einem fachlichen Kontext erlaubt und sinnvoll sind.
Der beste Start ist ein enger, sichtbarer Arbeitsgraph für einen konkreten Agentenlauf. Erst wenn das Modell beim Wiederaufnehmen und Prüfen hilft, lohnt mehr Detail.
Mit einem einzelnen Workflow starten, zum Beispiel Recherche oder Analyseauftrag.
Nur wenige Knotentypen erlauben: Ziel, Quelle, Claim, Entscheidung, offene Frage, Tool-Ergebnis.
Kanten semantisch eng halten: nutzt, stützt, widerspricht, blockiert, erzeugt.
Nach jedem Agentenschritt aktualisieren: Was ist neu, was ist belegt, was ist offen?
Am Ende entscheiden, welche Knoten ins Agent Memory übernommen werden.
Nutze Context Graphs, wenn Quellen, Tool-Aufrufe und Zwischenentscheidungen über mehrere Schritte erhalten bleiben müssen.
Trenne Quelle, Claim und Entscheidung. Dann lässt sich später prüfen, warum ein Ergebnis entstanden ist.
Überführe nur stabile Entscheidungen, Präferenzen oder Fakten ins Memory. Nicht jeder Zwischenzustand gehört dauerhaft gespeichert.
Nächste Schritte