Was ist ein Kontextfenster? Das KI-Limit, das alles erklärt

Die einfache Erklärung

Ein Kontextfenster ist die gesamte Textmenge, die ein Modell gleichzeitig im Blick behalten kann. Alles, was das Modell über euer aktuelles Gespräch weiß, muss dort hineinpassen: deine Anweisungen, jede Nachricht von euch beiden, jede hochgeladene Datei und die Antwort, die es gerade schreiben will.

Ein hilfreiches Bild: Das Modell hat überhaupt kein Gedächtnis für euer Gespräch. Bei jeder Nachricht bekommt es das komplette bisherige Gespräch frisch überreicht, liest alles und schreibt dann die nächste Antwort. Das Kontextfenster ist die Größe des Schreibtischs, auf den dieses Protokoll passen muss. Ist der Tisch voll, muss etwas herunter.

Deshalb wirkt eine KI zwanzig Nachrichten lang scharfsinnig und fängt dann an, sich zu widersprechen, eine Vorgabe vom Anfang zu vergessen oder nach einer Datei zu fragen, die du längst geschickt hast. Sie ist nicht durcheinandergekommen. Der frühe Teil des Gesprächs ist vom Tisch gerutscht.

Eine Unterscheidung solltest du sofort sauber ziehen, weil sie viel Verwirrung stiftet: Das Kontextfenster ist nicht dasselbe wie das Gedächtnis. Produkte wie ChatGPT und Claude haben eine eigene Gedächtnisfunktion, die Fakten über dich zwischen Gesprächen speichert und still in neue Gespräche einfügt. Das ist eine Produktfunktion, die auf dem Modell aufsetzt. Das Kontextfenster ist eine harte Eigenschaft des Modells selbst, und keine Gedächtnisfunktion macht es größer.

Token, und wie du sie abschätzt

Kontextfenster werden in Token gemessen und nicht in Wörtern, denn Modelle lesen keine Wörter. Sie lesen Bruchstücke: Häufige Wörter sind meist ein Token, längere oder ungewöhnliche Wörter zerfallen in mehrere, und Satzzeichen und Leerzeichen zählen ebenfalls mit.

Die groben Umrechnungen, die du dir merken solltest:

• 1 Token sind etwa 4 Zeichen englischer Text, also rund drei Viertel eines Wortes.
• 1.000 Token sind ungefähr 750 Wörter, also etwa anderthalb Seiten normale Prosa.
• Code ist dichter. Rechne eher mit einem Token pro drei Zeichen, wegen Sonderzeichen, Einrückungen und ungewöhnlichen Bezeichnern.
• Andere Sprachen sind weniger effizient. Text in Sprachen, die im Tokenizer schwächer vertreten sind, braucht für dieselbe Bedeutung schnell zwei- bis dreimal so viele Token. Deutsch gehört dazu, und das ist wichtig zu wissen, wenn du pro Token bezahlst.

Damit kannst du dir die Zahlen aus den Werbetexten endlich vorstellen:

Kontextfenster	Entspricht ungefähr
8.000 Token	Einem langen Artikel
32.000 Token	Einer kurzen Studie mit Notizen
128.000 Token	Einem Buch mit 300 Seiten
200.000 Token	Einem dichten Technikhandbuch oder einer mittelgroßen Codebasis
1.000.000 Token	Mehreren Büchern oder einem Jahr Meeting-Protokolle

Was die Tabelle verschweigt, ist das Wichtigste: Das Limit gilt für das gesamte Gespräch, nicht pro Nachricht. Ein Fenster von 128.000 Token heißt nicht, dass du immer wieder 128.000 Token schicken kannst. Es heißt, dass die laufende Summe von allem unter dieser Zahl bleiben muss, auch die Antworten des Modells selbst.

Was dein Fenster wirklich füllt

Die meisten sind überrascht, wie schnell sich das Fenster füllt, denn das meiste darin ist unsichtbar. In einer typischen Chat-Sitzung liest das Modell bei jedem einzelnen Zug alles Folgende:

1. Den System-Prompt. Anweisungen, die das Produkt sendet, bevor du überhaupt tippst: wie es sich verhalten soll, welche Tools es gibt, das heutige Datum, Sicherheitsregeln. Oft mehrere tausend Token, und du siehst sie nie.
2. Deine eigenen Anweisungen oder das Gedächtnis. Alles, was das Produkt über dich gespeichert hat und automatisch einfügt.
3. Jede vorherige Nachricht, deine und die des Modells, in voller Länge. Die langen Antworten des Modells zählen mit und sind meist der größte Posten.
4. Jede hochgeladene Datei oder die daraus extrahierten Teile. Ein PDF mit 40 Seiten sind grob 20.000 bis 30.000 Token.
5. Tool- und Suchergebnisse. Eine Websuche, die fünf Seiten heranzieht, kann mehr hinzufügen als euer ganzes bisheriges Gespräch.
6. Die Antwort, die gerade entsteht. Die Ausgabe teilt sich dasselbe Budget mit der Eingabe.

Deshalb kann ein Gespräch, das sich kurz anfühlte, schon nahe am Limit sein. Du hast acht kurze Nachrichten geschickt, aber das Modell hat acht lange Antworten geschrieben, du hast zwei Dokumente angehängt, und es hat drei Suchen ausgeführt. Der sichtbare Teil davon ist vielleicht zehn Prozent des Ganzen.

Und deshalb lautet die Lösung für ein verwirrtes Gespräch so oft "starte einen neuen Chat". Du setzt nicht die Laune des Modells zurück. Du räumst den Schreibtisch ab.

Beworbene Größe gegen nutzbare Größe

Das ist der Teil, der am meisten zählt und am wenigsten besprochen wird. Die Qualität eines Modells bleibt nicht bis zum Limit konstant und bricht dann schlagartig ein. Sie sinkt allmählich, und sie beginnt deutlich vor dem Limit zu sinken.

Die am besten belegte Form davon heißt oft Lost-in-the-Middle-Effekt. Setz einen bestimmten Fakt an den Anfang eines langen Dokuments, und das Modell findet ihn. Setz ihn ans Ende, und das Modell findet ihn. Vergrab ihn in der Mitte von 200 Seiten, und die Trefferquote sinkt spürbar. Die Aufmerksamkeit verteilt sich über eine lange Eingabe nicht gleichmäßig, und die Ränder bekommen mehr davon ab.

Noch schwieriger wird es, wenn die Aufgabe mehrere Fakten verbinden muss, die über eine lange Eingabe verstreut sind. Eine Nadel im Heuhaufen zu finden, ist ein gelöstes Problem. Vier Nadeln zu finden und über ihren Zusammenhang nachzudenken, ist es nicht, und genau dafür setzen Leute große Kontextfenster ein.

Behandle die beworbene Zahl also als Höchstkapazität, nicht als bequemen Arbeitsbereich. Eine praktische Faustregel aus dem echten Einsatz: Bis etwa zur Hälfte des beworbenen Fensters bekommst du verlässliches Verhalten, alles darüber solltest du prüfen statt ihm zu vertrauen. Wenn ein Modell dir sagt, ein 300-seitiger Vertrag enthalte keine Kündigungsklausel, sieh selbst nach, vor allem wenn die Klausel in der Mitte stünde.

Für den Vergleich zweier Modelle heißt das: Eines mit einem Fenster von einer Million Token ist bei langen Dokumenten nicht automatisch besser als eines mit 200.000. Es ist nur besser darin, sie anzunehmen. Ob es über das gesamte Material hinweg gut schlussfolgert, ist eine andere Frage, und das findest du nur heraus, indem du mit einem Dokument testest, dessen Antwort du schon kennst.

Was passiert, wenn es voll ist

Produkte gehen mit dem Überlauf unterschiedlich um, und zu wissen, welches Verhalten du vor dir hast, erklärt eine Menge seltsamer Momente.

Verhalten	Was du siehst	Wo es passiert
Harter Fehler	Die Anfrage wird mit einem Hinweis auf die Länge abgelehnt	Meist bei direkter API-Nutzung
Stilles Abschneiden	Die ältesten Nachrichten fallen weg, ohne dass es dir jemand sagt	Viele Chat-Oberflächen
Laufende Zusammenfassung	Alte Nachrichten werden zu einer Zusammenfassung verdichtet	Immer häufiger in Chat-Produkten
Retrieval	Pro Zug werden nur die relevanten Teile deiner Dokumente geholt	Dokumenten- und Wissensdatenbank-Tools

Das stille Abschneiden verursacht die echten Probleme, weil nichts darauf hinweist. Das Symptom ist ein Modell, das plötzlich eine Regel vom Anfang ignoriert, in einen Ton zurückfällt, den du vor einer Stunde korrigiert hast, oder eine Frage stellt, die du längst beantwortet hast. Mit dem Modell ist nichts schiefgelaufen. Diese Anweisungen liegen einfach nicht mehr auf dem Tisch.

Laufende Zusammenfassungen sind besser, aber verlustbehaftet. Eine Zusammenfassung behält den Kern und lässt die Details fallen. Aus der Vorgabe "benutze nie das Wort Synergie" wird "die Nutzerin hat Stilvorlieben", und damit ist dir überhaupt nicht geholfen.

Taktiken, die wirklich etwas bringen

Sortiert danach, wie viel sie im Verhältnis zum Aufwand bringen.

Starte einen neuen Chat, wenn das Thema wechselt. Die Gewohnheit mit dem größten Nutzen. Ein langes Gespräch schleppt die Kosten von allem mit, was davor war, auch von Abschweifungen, die längst nicht mehr relevant sind. Lange Gespräche sind nicht besser informiert, sie sind teurer und verwässerter.

Stell deine Frage nach dem langen Material, nicht davor. Wenn du ein Dokument einfügst und dann fragst, steht die Frage nah an der Stelle, an der die Antwort entsteht, und das verbessert die Genauigkeit bei langen Eingaben messbar. Erst einfügen, dann fragen.

Verankere wichtige Vorgaben neu. In jedem Gespräch mit mehr als etwa fünfzehn Wechseln wiederholst du die Regeln, auf die es ankommt, in genau der Nachricht, in der sie zählen: "zur Erinnerung: britisches Englisch, keine Aufzählungspunkte, unter 400 Wörter". Das kostet dich eine Zeile und überlebt das Abschneiden.

Schick die relevanten Seiten, nicht das ganze Buch. Wenn das Modell die Haftungsklausel prüfen soll, gib ihm die Haftungsklausel und ihre Nachbarn. Präzision schlägt Menge: Es ist schneller, es ist günstiger, und es ist genauer.

Fass zusammen und starte bewusst neu. Wenn eine Arbeitssitzung lang wird, bitte um eine strukturierte Übergabe: aktueller Stand, getroffene Entscheidungen, offene Fragen, Vorgaben. Füg das in einen neuen Chat ein. Du behältst die Substanz und lässt das Rauschen zurück, und du wirst merken, dass das Modell sofort schärfer wird.

Nutze Retrieval für alles, was nicht hineinpasst. Wenn dein Material wirklich größer ist als jedes Fenster, ist die Antwort kein größeres Fenster, sondern das gezielte Nachladen der relevanten Abschnitte pro Frage. Genau das machen Dokumenten-Tools unter der Haube.

Achte auf nachlassende Qualität, nicht nur auf Fehlermeldungen. Wenn Antworten vager werden, mehr relativieren oder Formatvorgaben ignorieren, steckst du wahrscheinlich tief im Fenster. Fang neu an, bevor du annimmst, das Modell sei schlechter geworden.

Wie viel Fenster brauchst du wirklich?

Richte das Fenster nach der Aufgabe aus, statt nach der größten Zahl zu kaufen.

Deine Arbeit	Was du brauchst	Warum
E-Mails, Entwürfe, schnelle Fragen	Irgendetwas Modernes	Du kommst dem Limit nie nahe
Lange Dokumente überarbeiten	100.000 und mehr	Das Dokument plus euer Gespräch darüber
Verträge und Richtlinien prüfen	200.000 und mehr, und nachprüfen	Das Dokument plus die Schlussfolgerungen dazu, mit dem Vorbehalt von oben
Über eine ganze Codebasis schlussfolgern	Das größte verfügbare	Code ist tokendicht, und dateiübergreifendes Denken braucht Breite
Monate an Protokollen auswerten	Das größte verfügbare, oder Retrieval	Oft besser mit Retrieval gelöst als mit roher Gewalt
Ein Produkt auf einer API bauen	Kleiner als du denkst, plus Caching	Lange Prompts treiben Kosten und Latenz am stärksten

Für die meisten Menschen lautet die ehrliche Antwort: Das Kontextfenster entscheidet nicht zwischen zwei Abos. Schreibqualität, Ökosystem und Preis wiegen schwerer. Zum entscheidenden Faktor wird es in genau einer Situation: wenn deine Arbeit regelmäßig mehr Material verlangt, als ein normales Fenster fasst. Dann ist der Unterschied nicht graduell, sondern der zwischen möglich und unmöglich.

Wenn du das selbst prüfen willst, lässt du dasselbe lange Dokument durch zwei oder drei Modelle laufen und vergleichst die Antworten mit etwas, das du bereits weißt. Ein Arbeitsbereich wie Whizi macht das leicht, weil GPT, Claude, Gemini, Grok und DeepSeek hinter einem einzigen Abo liegen und Geminis sehr großes Fenster einen Klick von Claudes sorgfältiger Synthese entfernt ist. Sieh dir Modelle nebeneinander vergleichen an, oder lies wie du ein KI-Modell auswählst für die größere Entscheidung.