Prompt engineering — de kunst van het zorgvuldig formuleren van je instructies aan een AI — was de definiërende AI-vaardigheid van 2023 en 2024. Hele carrières werden erop gebouwd. Cursussen werden voor duizenden verkocht. LinkedIn-profielen werden 's nachts bijgewerkt.
Het is niet dood. Maar het is niet langer de bottleneck. De ontwikkelaars, analisten en schrijvers die in 2026 de beste AI-uitvoer krijgen, besteden hun tijd niet aan betere prompts. Ze besteden het aan betere context. De verschuiving is subtiel maar de resultaten zijn dramatisch: dezelfde prompt levert wild verschillende kwaliteit afhankelijk van de omliggende context.
Die verschuiving heeft een naam: context engineering. En als je nog steeds prompts optimaliseert zonder context te optimaliseren, poets je een sportwagen op terwijl je 'm in de eerste versnelling laat staan.
Wat is context engineering?
Context engineering is de praktijk van het beheersen van alles wat de AI ziet voordat het een reactie genereert — niet alleen je prompt, maar ook de system prompt, gespreksgeschiedenis, opgehaalde documenten, toolresultaten en omgevingsvariabelen die bepalen hoe het model denkt.
Een prompt is één bericht. Context is het volledige informatievenster dat het model verwerkt. In 2026 kan dat venster 200.000 tokens bevatten (Claude) of zelfs een miljoen (Gemini). Het verschil tussen een goed resultaat en een geweldig resultaat zit meestal niet in de 50-woorden prompt — het zit in de 50.000 tokens context eromheen.
Hier is een concreet voorbeeld. Je vraagt een AI om "een projectstatusupdate te schrijven." Met prompt engineering formuleer je dat zorgvuldig als "Schrijf een beknopte projectstatusupdate voor stakeholders, in bullet points, met voortgang, blokkades en volgende stappen." Betere prompt, iets betere uitvoer.
Met context engineering geef je de AI je laatste drie statusupdates (zodat het je stijl matcht), het huidige sprintbord (zodat het de echte voortgang kent), de Slack-thread over de database-migratieblokkade (zodat het echte details heeft) en de communicatierichtlijnen van je bedrijf (zodat het het verwachte formaat volgt). Zelfde prompt, dramatisch betere uitvoer — omdat de context het zware werk doet.
Waarom prompt engineering zijn plafond bereikte
Prompt engineering optimaliseert één variabele in een systeem met tientallen. Het is alsof je je zoekopdracht op Google perfectioneert terwijl je negeert dat Google ook je locatie, zoekgeschiedenis en duizend andere signalen gebruikt om resultaten te rangschikken.
Drie dingen veranderden waardoor prompts relatief minder belangrijk werden ten opzichte van context:
Modellen werden beter in instructievolging. GPT-3 had uitgebreide prompts nodig omdat het vaak de intentie verkeerd begreep. Claude Opus en GPT-5 snappen "schrijf een statusupdate" prima. Het marginale rendement van promptverbetering is gekrompen omdat de modellen minder hand-vasthouding nodig hebben.
Contextvensters explodeerden. Toen je 4K tokens had, telde elk woord in de prompt omdat er nauwelijks ruimte was voor iets anders. Met 200K tokens kun je hele documenten, codebases en gespreksgeschiedenissen opnemen. De prompt wordt een klein deel van wat het model ziet.
Tools en agents veranderden het spel. AI-agents verwerken niet alleen prompts — ze halen data op, roepen APIs aan, lezen bestanden en voeren code uit. De resultaten van die acties worden context voor de volgende stap. De effectiviteit van een agent hangt af van de kwaliteit van de opgehaalde context, niet van de elegantie van de prompt. Hier komt MCP (Model Context Protocol) om de hoek kijken — het standaardiseert hoe AI externe context ophaalt.
--- 📬 Waarde hieruit halen? We publiceren elke week één diepgaande duik in praktische AI-vaardigheden. Sluit je aan bij lezers die het in hun inbox krijgen → ---Het ICCSSE Framework was al die tijd context engineering
Als je onze gids over het ICCSSE prompt framework hebt gelezen, herken je iets: vier van de zes elementen (Identity, Context, Steps, Specifics) zijn context, geen prompttechniek. Alleen Instructions en Examples zijn pure "prompt engineering" in de traditionele zin.
Als je een Identity instelt ("Je bent een senior data-analist"), geef je context over hoe je je moet gedragen. Als je Context toevoegt ("Ons bedrijf is een B2B SaaS met 500 klanten"), voeg je domeinkennis toe. Als je Specifics geeft ("Focus op churn rate en MRR"), vernauw je de contextruimte. Als je Examples geeft, bied je referentiecontext.
Het framework werkt omdat het stiekem een context engineering framework is dat de prompt als bezorgmechanisme gebruikt. De prompt is de envelop. De context is de brief.
Het tegenargument: prompts doen er nog steeds toe
Om eerlijk te zijn, prompts zijn niet irrelevant. Een vreselijke prompt met perfecte context levert nog steeds middelmatige uitvoer. De instructielaag — wat je de AI daadwerkelijk vraagt te doen — moet nog steeds duidelijk, specifiek en goed gestructureerd zijn.
En voor eenvoudige, eenmalige taken (snelle vragen, korte bewerkingen, brainstorming) is promptvaardigheid het hele spel omdat er geen context is om te engineeren. Je typt een vraag, je krijgt een antwoord. Promptfundamentals gelden nog steeds.
Maar voor het werk dat ertoe doet — complexe analyses, meerstappenprojecten, doorlopende workflows — levert context engineering 10x meer verbetering dan prompt engineering. De professionals die dit begrijpen, produceren werk dat in een heel andere categorie valt.
Hoe begin je vandaag met context engineering
Je hebt geen nieuwe tools nodig. Je hebt een nieuw mentaal model nodig. Hier zijn vier verschuivingen die meteen verschil maken:
Bouw contextbestanden, geen prompttemplates. Sla in plaats van slimme prompts contextdocumenten op — je schrijfstijlhandleiding, productspecificaties van je bedrijf, technische standaarden van je team. Laad deze in het gesprek voordat je iets vraagt. Claude Projects en ChatGPT's Custom Instructions zijn hiervoor gemaakt.
Voeg voorbeelden van goede uitvoer toe, niet alleen instructies. Laat de AI zien wat je wilt door een vorig rapport, e-mail of analyse te plakken die voldoet aan de kwaliteit die je verwacht. Eén echt voorbeeld communiceert meer dan een alinea instructies.
Haal op voordat je genereert. Voordat je de AI vraagt te schrijven, analyseren of beslissen, geef het de relevante data. Kopieer de spreadsheet. Plak de Slack-thread. Upload het document. De AI kan geen informatie gebruiken die het niet heeft, hoe goed je prompt ook is.
Gebruik system prompts als persistente context. System prompts zijn geen eenmalige instructies — het is persistente context die elke reactie vormt. Bouw een system prompt met je rol, je standaarden, je voorkeuren en je beperkingen. Onze system prompt generator helpt je er in minuten een te bouwen.
Waar dit naartoe gaat
Context engineering staat nog in de kinderschoenen. De tools voor beheren, cureren en optimaliseren van context zijn primitief vergeleken met wat komt. In 2027 verwacht contextmanagementplatforms, geautomatiseerde contextophaal die de juiste documenten op het juiste moment pakt, en AI-systemen die leren welke context de beste resultaten geeft voor welke taken.
Maar de fundamentele vaardigheid — begrijpen dat wat de prompt omringt belangrijker is dan de prompt zelf — kun je nu al ontwikkelen. Begin met je beste prompt en vraag: "Welke context zou deze prompt 10x beter maken?" Het antwoord op die vraag is waar de echte hefboom zit.
Wil je context engineering in actie zien? Probeer de Prompt Optimizer — het herstructureert je prompt met het ICCSSE framework, wat context engineering is in één tool.
--- 📬 Meer zoals dit willen? We schrijven wekelijks over AI-vaardigheden die er echt toe doen — geen cursussen, geen certificaten, gewoon het werk. Meld je gratis aan → ---Veelgestelde vragen
Is prompt engineering dood?
Nee, maar het is niet langer de vaardigheid met de hoogste hefboom. Het vermogen om duidelijke instructies te schrijven doet er nog toe, maar het beheren van de volledige context — system prompts, voorbeelden, opgehaalde data, tool-uitvoer — levert veel grotere verbeteringen in AI-uitvoerkwaliteit.
Wat is het verschil tussen prompt engineering en context engineering?
Prompt engineering richt zich op de instructie die je de AI geeft. Context engineering richt zich op alles wat de AI ziet — system prompts, gespreksgeschiedenis, geüploade documenten, opgehaalde data en voorbeelden. Context engineering is een superset die prompt engineering omvat.
Moet ik coderen leren voor context engineering?
Nee. De meeste context engineering gebeurt via functies die al in AI-tools zitten — Claude Projects, ChatGPT Custom Instructions, bestandsuploads en gespreksbeheer. Coderen helpt bij het bouwen van geautomatiseerde contextophaal, maar de kernvaardigheid is weten welke context je moet bieden.
---Disclosure: Sommige links in dit artikel zijn affiliate links. We raden alleen tools aan die we zelf hebben getest en regelmatig gebruiken. Zie ons volledige disclosure-beleid.