Was ist ein Kontextfenster? Klartext-Ratgeber (2026)

Kurz gesagt. Das Kontextfenster ist die maximale Textmenge, die ein KI-Modell auf einmal lesen kann — gemessen in Token. Es umfasst deine Frage, eingefügte Dokumente und den bisherigen Chat. 2026 reicht es von rund 200.000 Token (Claude) bis zu 1–2 Millionen (GPT-5.x, Gemini). Wird ein Chat länger als das Fenster, „vergisst" die KI die ältesten Teile.

Zuletzt geprüft: 6. Juli 2026. Wird vierteljährlich geprüft, weil sich die Kontextgrenzen der Modelle schneller ändern als fast alles andere in der KI.

Du fügst einen langen Vertrag in ChatGPT ein, stellst drei kluge Fragen — und bei der vierten tut die KI so, als hätte sie Seite 40 nie gesehen. Nervig, klar. Aber das ist kein Bug, und die KI ist auch nicht faul. Du bist schlicht an den Rand ihres Kontextfensters gestoßen. Und wenn du einmal verstanden hast, was das ist, ergibt ein ganzer Haufen seltsames KI-Verhalten plötzlich Sinn.

Es ist außerdem die Zahl, mit der gerade jedes KI-Labor prahlt. Google hat das 2-Millionen-Token-Fenster von Gemini offensiv als Kernfeature seiner neuesten Pro-Modelle vermarktet. Der Begriff ist also überall. Diese Seite ist die Klartext-Version davon, was er tatsächlich bedeutet — und warum er für deine Arbeit zählt.

Ein Kontextfenster ist die maximale Textmenge — gemessen in Token —, die ein KI-Modell auf einmal lesen und berücksichtigen kann, während es eine Antwort schreibt. Im Klartext: wie viel die KI in einem Rutsch „sehen" kann. Größeres Fenster, mehr auf einmal.

Was ein Kontextfenster wirklich ist, in Klartext

Das Kontextfenster ist alles, worauf eine KI schauen kann, während sie dir antwortet — deine aktuelle Frage, alle Dateien oder Textstellen, die du eingefügt hast, die früheren Nachrichten in diesem Chat und die Antwort, an der sie gerade baut. Stell dir einen Schreibtisch mit Platz für eine feste Zahl an Seiten vor. Solange eine Seite auf dem Tisch liegt, kann die KI sie lesen. Wird der Tisch voll und du legst mehr drauf, rutschen die ältesten Seiten über die Kante. Genau dieser Moment — Seite fällt vom Tisch — ist der Grund, warum ein Chatbot „vergisst", was du ihm vorhin erzählt hast.

Gemessen wird das Fenster in Token, nicht in Wörtern. Ein Token ist ein Textbaustein — grob vier Zeichen, oder ungefähr drei Viertel eines Wortes. Als deutsche Faustregel gelten rund 100 Token für 75 Wörter. Ein 200.000-Token-Fenster hält also grob 150.000 Wörter, was Anthropic mit über 500 Seiten Material beziffert. Die genaue Wortzahl schwankt mit Sprache und Formatierung — Deutsch mit seinen langen Komposita tokenisiert oft etwas ungünstiger als Englisch —, aber die Größenordnung reicht zum Planen.

Und jetzt der Teil, den die meisten übersehen. Das Kontextfenster ist nicht nur deine Eingabe. Es ist Eingabe plus Ausgabe — die Antwort des Modells kommt aus demselben Budget. OpenAI sagt ausdrücklich, dass das Kontextfenster sowohl die Token zählt, die du sendest, als auch die, die das Modell erzeugt. Stopfst du das Fenster also bis zum Rand mit einem riesigen Dokument voll, kann dir der Platz für eine lange Antwort ausgehen. Das Fenster ist geteilter Raum, kein Briefkasten.

Warum das Kontextfenster gerade jetzt zählt

Das Kontextfenster zählt 2026, weil es die eine Zahl ist, die entscheidet, ob du einer KI ein echtes Stück Arbeit in die Hand drücken kannst — einen vollständigen Vertrag, ein Quartal an Buchungen, eine ganze Codebasis — oder ob du alles in Häppchen zerlegen und dabei den Faden verlieren musst. Die Grenzen sind so schnell gesprungen, dass heute Routine ist, was vor einem Jahr unmöglich war.

Vor zwei Jahren war das typische Fenster winzig. GPT-4o kam auf 128.000 Token, GPT-3 gerade mal auf gut 4.000. Heute liegt Claude standardmäßig bei 200.000 Token und bietet eine 1-Millionen-Option in der Beta. OpenAIs GPT-5.x-Reihe reicht je nach Variante von mehreren Hunderttausend bis zu 1 Million Token — die ChatGPT-App selbst arbeitet inzwischen mit rund 400.000. Google gibt für Gemini bis zu 2 Millionen Token an, das größte in breiter Nutzung. Und am äußersten Rand steht Metas Llama 4 Scout mit angeblich 10 Millionen Token (Open Weights, selbst gehostet) — mehr eine Machbarkeitsdemo als etwas für den Büroalltag.

Für einen Berufstätigen ist das der Unterschied zwischen „KI ist ein Spielzeug für kurze Fragen" und „KI kann das ganze Ding lesen". Ein 200.000-Token-Fenster verschluckt schon einen langen Bericht; ein 2-Millionen-Fenster verschluckt ein Buch. Aber — und das ist der ehrliche Teil, den die meisten Anbieterseiten weglassen — etwas ins Fenster hineinzubekommen ist nicht dasselbe, als würde das Modell auch alles zuverlässig nutzen. Dazu gleich mehr.

Wie das Kontextfenster funktioniert (ohne Fachchinesisch)

Das Kontextfenster funktioniert, indem das Modell einen einzigen Block Text vorgesetzt bekommt und Wort für Wort vorhersagt, was als Nächstes kommt. Alles in diesem Block — deine Anweisungen, deine eingefügten Daten, der Chatverlauf, die halbfertige Antwort — ist im Spiel. Nichts außerhalb existiert, soweit es das Modell betrifft. Es gibt keine separate „Langzeit-Datei", aus der es heimlich mitliest; steht ein Fakt gerade nicht im Fenster, kann das Modell ihn nicht sehen.

Wird ein Gespräch lang, muss das Werkzeug entscheiden, was es behält. Der einfachste Ansatz ist ein rollendes Fenster: die jüngsten Nachrichten behalten, die reinpassen, und die ältesten stillschweigend fallen lassen. Deshalb verliert ein langer Chat langsam seine frühesten Details, während er sich merkt, was du gerade gesagt hast. Manche Werkzeuge sind schlauer — sie fassen ältere Gesprächsrunden zu einer kurzen Notiz zusammen und behalten die Zusammenfassung statt des vollen Texts, sodass der Kern überlebt, auch wenn die wortwörtlichen Nachrichten weg sind. So oder so ist das Kontextfenster die harte Decke darunter.

Ein kurzes Beispiel macht die Sache mit dem geteilten Budget greifbar. Sagen wir, du nutzt ein Modell mit einem 200.000-Token-Fenster und fügst ein 180.000-Token-Dokument ein. Dann hast du rund 20.000 Token für alles andere übrig: deine Frage, das Nachdenken des Modells, seine Antwort. Bittest du jetzt um eine 50-seitige Überarbeitung, geht dir der Platz aus — nicht, weil die KI das nicht könnte, sondern weil im Fenster kein Raum mehr ist, wo sie das hinlegen könnte. Neuere Claude-Modelle können ihr eigenes Restbudget mitten in der Aufgabe sogar mitverfolgen, damit sie sich nicht selbst in genau diese Ecke manövrieren.

Wo das Kontextfenster in echter Arbeit auftaucht

Das Kontextfenster legt still die Spielregeln für fast alles fest, was du mit KI an echten Dokumenten machst. Es entscheidet, wie viel du einfügen kannst, wie lange ein Chat kohärent bleibt und ob du einen Umweg wie Retrieval brauchst. Die Tabelle unten bildet die Alltagssituationen ab, in denen das Fenster tatsächlich das ist, was hilft oder bremst — meistens, ohne dass dir jemand sagt, dass genau das gerade der Grund ist.

Das Muster über alles hinweg: Das Kontextfenster ist dein Budget, und gute KI-Arbeit besteht meistens darin, es klug auszugeben. Füg die Seite ein, die zählt, nicht den ganzen Ordner. Die Berufstätigen, die 2026 am meisten aus KI herausholen, sind nicht die mit Zugang zum größten Fenster — es sind die, die gelernt haben, wählerisch zu sein bei dem, was reinkommt. Genau auf dieser einen Gewohnheit bauen unsere Kurse auf, weil sie das billigste Können mit dem größten Ertrag ist.

Was das für Anwälte heißt

Für Anwältinnen und Anwälte ist das Kontextfenster der Grund, warum eine KI eine 12-seitige Vertraulichkeitsvereinbarung in Sekunden prüft, aber an einem 300-seitigen Rahmenvertrag mit 40 Anlagen strauchelt. Das ganze Dokument muss ins Fenster passen, damit die KI durchgängig darüber nachdenken kann. Ein Standard-Fenster mit 200.000 Token deckt grob 500 Seiten ab, die meisten Einzelverträge passen also — aber ein voller Deal-Ordner samt Schriftsätzen und Anlagen sprengt es, und genau dann fängt die KI an, eine Klausel zu „übersehen", die sie schlicht nicht sehen kann.

Der Arbeitsablauf, der hält: Füttere die KI mit einem Dokument nach dem anderen, lass sie die konkreten Klauseln herausziehen, die dich interessieren (Haftung, Kündigung, anwendbares Recht), und setz deine Anweisung an den Anfang des Prompts, wo die Erinnerung am stärksten ist. Bei einem riesigen Aktenkonvolut nicht alles einfügen — erst die relevanten Abschnitte suchen, dann die hineingeben. Die ehrliche Grenze, und die ist für juristische Arbeit groß: Vertrau einer KI mit langem Kontext nie zu, jeden vergrabenen Querverweis in einem 200-Seiten-Vertrag zu finden. Der „lost in the middle"-Effekt (Liu et al., 2023) sorgt dafür, dass ausgerechnet das Detail auf Seite 130 am ehesten durchrutscht. Die finale Fassung liest weiterhin ein Mensch.

Der nächste Schritt: Der Kurs KI für Anwälte zeigt einen sorgfältigen, verschwiegenheitssicheren Weg, KI an echten juristischen Dokumenten zu nutzen — was du einfügst, was nie, und wie du die Ausgabe prüfst. Erste zwei Lektionen frei, ohne Kreditkarte.

Was das für Buchhalter heißt

Für Buchhalterinnen und Steuerberater entscheidet das Kontextfenster, wie viel vom Kontenwerk eine KI in einem Rutsch anschauen kann. Fügst du einen Export mit 50.000 Buchungszeilen ein, übergibst du nicht „eine Tabelle" — du übergibst eine Flut von Token, denn jede Zelle zählt gegen das Fenster. Deshalb gibt eine KI eine scharfe Antwort zu einer getrimmten Saldenliste und eine schwammige zu einem rohen Jahresend-Dump. Die Lösung ist selten ein größeres Modell. Es ist, die Spalten und die Periode einzufügen, die wirklich zählen, nicht den ganzen Export.

Der Referenz-Ablauf für den Monatsabschluss: die konkreten Konten oder Abweichungen ziehen, die du untersuchst, der KI diesen fokussierten Ausschnitt plus eine klare Frage geben und sie den Kommentar entwerfen lassen. Halt den Chat auf eine Aufgabe beschränkt — wird ein Abstimmungs-Thread lang, fallen die frühen Zahlen aus dem Fenster, und die Zahlen der KI driften. Die ehrliche Grenze: Eine KI, die im Kontextfenster arbeitet, rechnet mit dem, was sie gerade sieht, und wird eine Zahl selbstbewusst übersehen, die oben rausgescrollt ist. Stimm die Zahlen selbst ab, und füg nie mandantenidentifizierende Daten in einen Consumer-Chatbot ein.

Der nächste Schritt: ChatGPT für Excel: FP&A-Funktionen zeigt, wie du Finanzdaten richtig an die KI fütterst — was rein soll, was draußen bleibt, und wie du das Fenster für dich arbeiten lässt statt gegen dich. Der Grundlagen-Beitrag ChatGPT für Excel gibt den Einstieg.

Was das für Marketing heißt

Für Marketing-Leute ist das Kontextfenster das, was eine KI tatsächlich nach deiner Marke klingen lässt statt nach generischem Brei — wenn du es gut nutzt. Füg deinen kompletten Markenleitfaden ein, drei Top-Mails und das Briefing, und das Modell kann all das „im Kopf" behalten, während es entwirft, solange es ins Fenster passt. Mit Fenstern, die jetzt bis zu einer Million Token und mehr reichen, kriegst du eine ernsthafte Menge Markenkontext in einen einzigen Prompt — vor einem Jahr hieß das noch ständiges Neu-Erklären.

Der Haken ist die Mitte. Packst du einen 40-seitigen Markenbibel-Wälzer nach vorn und versteckst die eigentliche Aufgabe am Ende, liest das Modell deine Anweisungen und den Anfang des Leitfadens am besten — und das Zeug dazwischen kriegt die schwächste Aufmerksamkeit (Liu et al., 2023). Setz das Briefing und die Nicht-verhandelbaren also ganz nach oben oder ganz nach unten, nicht mitten in die Datei. Die ehrliche Grenze: Ein größeres Fenster verführt dazu, alles reinzukippen, aber ein knapper Kontext aus deinen drei besten Beispielen schlägt meist einen riesigen, unfokussierten. Weniger, gut gewählt, gewinnt.

Der nächste Schritt: Den Prompt zu schreiben, der beim ersten Versuch einen markengerechten Entwurf liefert, ist zum Großteil Kontext-Können. Prompt Engineering — kostenlos, mit Zertifikat — bringt dir genau das bei. Und KI im Marketing zeigt den Rest des Workflows.

Was das für Autoren heißt

Für Autorinnen und Autoren ist das Kontextfenster das, was eine KI über ein langes Manuskript hinweg auf Stimme hält — oder eben nicht. Willst du, dass die KI die Stimme deiner Figur in Kapitel 12 trifft, muss sie genug von den früheren Kapiteln im Fenster haben, um zu wissen, wie diese Figur klingt. Ein ganzes Sachbuch-Kapitel oder ein paar Szenen passen locker rein; ein kompletter Roman sprengt selbst große Fenster, und dann fängt die KI an, Details aus dem ersten Akt zu vergessen.

Der Ablauf, der hält: Arbeite in Abschnitten, gib der KI eine kurze „Story-Bibel" (wer ist wer, was ist bisher passiert, in welchem Ton) am Anfang jeder Sitzung, und lass sie zusammenfassen, bevor du weitermachst. Die ehrliche Grenze — und die trifft kreatives Schreiben besonders: Ein detailliertes Setup mitten in einen langen Prompt zu vergraben ist die zuverlässigste Art, es ignorieren zu lassen. Was dir am wichtigsten ist, gehört an den Rand, nicht in die Mitte. Ein größeres Fenster hilft, aber es ersetzt nicht, den Kontext bewusst zu setzen.

Der nächste Schritt: KI-Grundlagen erklärt Token, Kontextfenster und wie du verlässliche Antworten kriegst — ohne Fachchinesisch, ohne Programmieren. Erste zwei Lektionen frei.

Verbreitete Irrtümer über das Kontextfenster

Eine Handvoll Mythen über das Kontextfenster verursacht den Großteil des Frusts, den Leute mit KI an echten Dokumenten haben. Die meisten stammen aus Anbieter-Marketing, das die Schlagzahl verkauft und das Kleingedruckte überspringt. Lohnt sich, sie geradezurücken, bevor du einer KI etwas anvertraust, das zählt.

„Ein größeres Kontextfenster heißt immer bessere Antworten."

Halb wahr — und die falsche Hälfte ist teuer. Ein größeres Fenster lässt mehr hineinpassen, aber es bringt das Modell nicht dazu, sorgfältig zu lesen. Der gut belegte „lost in the middle"-Effekt zeigt eine U-förmige Kurve: stark am Anfang und Ende eines langen Kontexts, am schwächsten in der Mitte (Liu et al., 2023). Und das ist 2026 nicht gelöst — die Chroma-Untersuchung „Context Rot" bestätigt, dass die Zuverlässigkeit mit wachsender Länge weiter abbaut, strukturell bedingt durch die Funktionsweise der Transformer-Aufmerksamkeit. Ein 2-Millionen-Token-Fenster mit halbwegs relevantem Text vollzustopfen, liefert oft eine schlechtere Antwort als ein knapper, gut gewählter Prompt — plus höhere Kosten und langsamere Antworten.

„Das Kontextfenster ist das Gedächtnis der KI."

Nein — und das bringt fast alle durcheinander. Das Kontextfenster ist Kurzzeitgedächtnis für den aktuellen Chat, und es wird gelöscht, sobald dieser Chat endet. Ein dauerhaftes KI-Gedächtnis (Memory) ist ein separates Feature, das Fakten über dich über verschiedene Gespräche hinweg speichert. Ein langes Dokument, das du einfügst, lebt im Kontextfenster, nicht im Gedächtnis; schließ den Chat, und die KI hat keine Ahnung, dass du es je geteilt hast. Verwandt, aber nicht dasselbe System.

„Wenn es ins Fenster passt, hat die KI es vollständig gelesen."

Das ist der gefährlichste für berufliche Arbeit. Reinpassen und Erinnern sind zwei verschiedene Dinge. Ein Modell kann dein 500-Seiten-Dokument klaglos annehmen und trotzdem eine Klausel auf Seite 300 übersehen, weil die Aufmerksamkeit über sehr lange Eingaben ausdünnt (Liu et al., 2023). Neuere Benchmarks wie NoLiMa zeigen das schön: Modelle, die bei simpler Nadel-im-Heuhaufen-Suche fast perfekt abschneiden, brechen deutlich ein, sobald die Stelle in der Mitte inhaltlich verstanden werden muss und nicht nur wortwörtlich passt. Behandle einen großen Kontext als „die KI kann das nachschlagen", nicht als „die KI hat das auswendig gelernt".

„Token sind dasselbe wie Wörter."

Nah dran, aber die Lücke zählt beim Planen. Ein Token ist grob vier Zeichen oder drei Viertel eines Wortes, 100 Token sind also rund 75 Wörter. Zahlen, Code, Satzzeichen und andere Sprachen tokenisieren anders — eine Seite dichter Finanzdaten frisst mehr Token als eine Seite Fließtext, und Deutsch mit seinen Komposita liegt oft ungünstiger als Englisch. Wenn du abschätzt, ob etwas passt, rechne damit, dass das Fenster weniger Wörter hält, als die rohe Token-Zahl vermuten lässt.

„Ich sollte immer das Modell mit dem größten Fenster nehmen."

Meist unnötig, manchmal kontraproduktiv. Das größte Fenster kostet mehr pro Aufruf und repariert weder einen vagen Prompt noch eine unordentliche Eingabe. Die meisten Alltagsaufgaben — eine Mail, eine Vertragsklausel, ein Berichtsabschnitt — passen locker in ein 200.000-Token-Fenster mit Platz übrig. Greif zu einem Millionen- oder Zwei-Millionen-Modell, wenn du wirklich über ein riesiges Dokumentenkonvolut auf einmal nachdenken musst, nicht als Standard. Das Fenster gut auszugeben schlägt, das meiste davon zu haben.

Verwandte Konzepte

Das Kontextfenster steht nicht für sich allein — ein paar Nachbarbegriffe kommen ständig zusammen mit ihm auf, und Leute bringen sie dauernd durcheinander, weil sie sich überlappen. Weil das FindSkill KI-Glossar Stück für Stück wächst, verlinken wir hier vorerst auf passende Beiträge und Kurse — die eigenständigen Glossar-Seiten zu Token, RAG und KI-Gedächtnis kommen nach und nach dazu.

• Konsistente KI-Ergebnisse — warum dieselbe Frage mal so, mal so beantwortet wird, und was das Kontextfenster damit zu tun hat
• Token-Rechner für ChatGPT, Claude & Gemini — die Einheit, in der das Fenster gemessen wird, zum Selbst-Nachzählen
• ChatGPT vs. Claude vs. Gemini — welches Modell wie viel Kontext hält, im ehrlichen Vergleich
• Prompt Engineering — der Kurs, der dir beibringt, deinen Prompt gut ins Fenster zu setzen, das du hast

Das Fazit

Das Kontextfenster ist einfach nur, wie viel eine KI auf einmal lesen kann — und wenn du das kapierst, hören die meisten ihrer Macken auf, ein Rätsel zu sein. Der Chatbot vergisst, weil der Chat das Fenster gesprengt hat. Das große Dokument wird in der Mitte schwammig, weil die Erinnerung dort abbaut. Die Lösung ist fast nie „kauf das größte Fenster". Es ist, zu lernen, das Fenster, das du hast, für den Text auszugeben, der wirklich zählt. Füg die Seite ein, nicht den Ordner. Diese eine Gewohnheit trennt die, die verlässlich Arbeit aus KI herausholen, von denen, die sich immer wieder daran verbrennen.

Siehe auch

Wenn du beim Kontextfenster tiefer einsteigen willst — und lernen, es in deinem konkreten Beruf klug zu nutzen — sind die Kurse und Beiträge unten die naheliegenden nächsten Schritte.

Kurse zum Kontextfenster und angrenzenden Themen

• KI-Grundlagen — der anfängerfreundliche Einstieg; Token, Fenster, verlässliche Antworten
• Prompt Engineering — kostenlos, mit Zertifikat; deinen Prompt gut ins Fenster setzen
• KI für Anwälte — verschwiegenheitssichere Vertragsprüfung mit KI
• KI für Buchhalter — Finanzdaten richtig füttern, ohne das Fenster zu überladen
• KI im Marketing — Markenkontext setzen statt alles reinkippen
• KI für Lehrkräfte — Material aufbereiten, ohne den Faden zu verlieren
• Kritisches Denken mit KI — den Reflex trainieren, KI-Ausgaben nicht blind zu glauben

Passende Blog-Beiträge

• Konsistente KI-Ergebnisse — warum dieselbe Frage verschiedene Antworten liefert
• Token-Rechner für ChatGPT, Claude & Gemini — Token selbst zählen und abschätzen
• ChatGPT für Excel: FP&A-Funktionen — Finanzdaten füttern, ohne das Fenster zu sprengen
• ChatGPT vs. Claude vs. Gemini — Kontextgrößen im ehrlichen Vergleich

Häufige Fragen

Was ist ein Kontextfenster einfach erklärt? Das Kontextfenster ist, wie viel eine KI in einem Gespräch auf einmal lesen und im Kopf behalten kann — deine Frage, alles, was du eingefügt hast, und den bisherigen Chat. Gemessen wird es in Token, also Textbausteinen von grob vier Zeichen. Wird ein Chat länger als das Fenster, fallen die ältesten Teile raus, und genau deshalb wirkt es, als hätte die KI vergessen, was du vorhin gesagt hast.

Warum vergisst ChatGPT, was ich vorhin gesagt habe? Weil das Gespräch das Kontextfenster überschritten hat. Das Modell sieht nur den jüngsten Teil des Chats, der in sein Token-Limit passt — überschreitest du diese Grenze, fallen die ältesten Nachrichten raus, und die KI kann sie wirklich nicht mehr sehen. Sie ignoriert dich nicht und ist auch nicht kaputt; der alte Text steht schlicht außerhalb des Fensters. Ein frischer Chat oder ein erneutes Einfügen der wichtigsten Fakten holt sie zurück.

Wie groß ist das Kontextfenster 2026? Das hängt vom Modell ab. Claude liegt standardmäßig bei 200.000 Token, mit einer 1-Millionen-Option in der Beta. OpenAIs GPT-5.x verarbeitet je nach Variante mehrere Hunderttausend bis zu 1 Million Token, die ChatGPT-App etwa 400.000. Google gibt für Gemini bis zu 2 Millionen Token an. Als grobe Faustregel: 1 Million Token sind rund 600.000 bis 700.000 deutsche Wörter, also mehrere Bücher.

Was ist der Unterschied zwischen Kontextfenster und KI-Gedächtnis? Das Kontextfenster ist Kurzzeitgedächtnis — alles im aktuellen Chat, das die KI vergisst, sobald dieser Chat endet. Ein KI-Gedächtnis (Memory) ist langfristig: Fakten, die die KI speichert und in späteren, getrennten Gesprächen wiederverwendet. Das Fenster ist, was sie gerade im Blick hat; das Gedächtnis ist, was sie zwischen den Sitzungen mitnimmt. Ein langes PDF, das du einfügst, lebt im Kontextfenster, nicht im Gedächtnis.

Bedeutet ein größeres Kontextfenster automatisch bessere Antworten? Nein, nicht automatisch. Ein größeres Fenster lässt mehr hineinpassen, aber Modelle erinnern sich an Fakten am Anfang und Ende eines langen Kontexts deutlich besser als an solche in der Mitte — das gut belegte Problem „lost in the middle" (Liu et al., 2023). Ein Fenster mit halbwegs relevantem Text vollzustopfen, verwässert außerdem den Fokus und kostet mehr. Oft schlägt ein kleiner, gut gewählter Kontext einen riesigen, unordentlichen.

Wie vermeide ich, dass ich an die Kontextfenster-Grenze stoße? Füg nur das ein, was zählt, statt ganzer Dokumente, starte für eine neue Aufgabe einen frischen Chat und fass einen langen Verlauf zusammen, bevor du weitermachst. Für wiederkehrende Arbeit an einer großen Wissensbasis holt Retrieval (RAG) nur die relevanten Ausschnitte hinein, statt der ganzen Bibliothek. Und setz deine wichtigsten Anweisungen ganz an den Anfang oder ganz ans Ende eines langen Prompts — dort liest das Modell am zuverlässigsten.

Quellen

1. Anthropic, „Context windows" (Claude-Doku), abgerufen am 06.07.2026. https://platform.claude.com/docs/en/build-with-claude/context-windows
2. Google AI for Developers, „Long context" (Gemini API), abgerufen am 06.07.2026. https://ai.google.dev/gemini-api/docs/long-context
3. Google (The Keyword), „What is a long context window? Google DeepMind engineers explain", abgerufen am 06.07.2026. https://blog.google/innovation-and-ai/products/long-context-window-ai-models/
4. IBM (Think), „Was ist ein Kontextfenster?", abgerufen am 06.07.2026. https://www.ibm.com/think/topics/context-window
5. KI Weekly, „ChatGPT Tokens erklärt: zählen, Limit & Kosten verstehen", abgerufen am 06.07.2026. https://www.kiweekly.de/blog/chatgpt-tokens-erklaert
6. Stefanie Weidner, „Kontextfenster — Das Gedächtnis der KI erklärt" (KI-Glossar), abgerufen am 06.07.2026. https://www.stefanieweidner.com/ki-glossar/kontextfenster
7. Liu et al., „Lost in the Middle: How Language Models Use Long Contexts" (arXiv 2307.03172, TACL 2024), abgerufen am 06.07.2026. https://arxiv.org/abs/2307.03172
8. Wu et al., „Found in the Middle: Calibrating Positional Attention Bias for Long Context" (arXiv 2406.16008), abgerufen am 06.07.2026. https://arxiv.org/abs/2406.16008
9. Modarressi et al., „NoLiMa: Long-Context Evaluation Beyond Literal Matching" (arXiv 2502.05167), abgerufen am 06.07.2026. https://arxiv.org/abs/2502.05167
10. Chroma Research, „Context Rot: How Increasing Input Tokens Impacts LLM Performance", abgerufen am 06.07.2026. https://research.trychroma.com/context-rot