Startseite > Lexikon > KI im Marketing > Kontextfenster

Kontextfenster

Das Arbeitsgedächtnis einer KI. Alles, was du ihr in einem Chat gibst — Anweisung, Dokumente, Verlauf und ihre eigene Antwort — muss da hineinpassen.

Auch bekannt alsContext WindowKontextlängeContext Length

6 Min

Lesezeit

26.10.2026

Letzte Aktualisierung

Was ist das Kontextfenster?

Du arbeitest seit zwei Stunden mit einer KI an deinem Newsletter. Plötzlich hat sie den Styleguide vom Anfang vergessen. Das liegt fast immer am Kontextfenster.

Das Kontextfenster ist alles, was ein Sprachmodell bei einer Antwort „im Blick“ hat. Anthropic nennt es das Arbeitsgedächtnis des Modells, Google vergleicht es mit dem Kurzzeitgedächtnis. Hinein gehört:

die Grundanweisung (Systemprompt)
der ganze bisherige Chatverlauf
hochgeladene Dokumente, Bilder und Ergebnisse von Werkzeugen
und die Antwort, die das Modell gerade schreibt

Gemessen wird in Tokens. Ein Token ist ein Wortteil. Laut Google entspricht ein Token auf Englisch etwa vier Zeichen, 100 Tokens sind rund 60 bis 80 englische Wörter. Deutsch braucht meist mehr Tokens pro Wort als Englisch — Forschung zu vielen Sprachen zeigt: Derselbe Inhalt kostet je nach Sprache unterschiedlich viele Tokens.

Wie groß ist ein Kontextfenster?

Die Fenster sind in wenigen Jahren enorm gewachsen. Stand Oktober 2026 haben die aktuellen Modelle von Anthropic ein Kontextfenster von 1 Million Tokens, die Gemini-Modelle von Google gut 1,04 Millionen. Diese Zahlen ändern sich schnell — schau beim Anbieter nach, bevor du planst.

Was passt in eine Million Tokens? Google rechnet es selbst vor:

In 1 Mio. Tokens passen etwa

Menge

Codezeilen (je 80 Zeichen)

50.000

Romane (englisch, durchschnittlich lang)

Podcast-Transkripte

über 200 Folgen

Englische Wörter (laut Anthropic)

rund 555.000

Für dein Marketing heißt das: Alle Blogartikel einer kleinen Firmenwebsite plus Styleguide plus drei Wettbewerberseiten passen locker auf einmal hinein. Das Problem ist selten die Größe. Das Problem ist, was die KI daraus macht.

Warum größer nicht automatisch besser ist

Ein großes Fenster heißt nicht, dass das Modell alles darin gleich gut nutzt. Drei Befunde aus der Forschung:

Lost in the Middle: Forschende der Stanford University zeigten 2023, dass Modelle Informationen am Anfang und am Ende des Kontexts am besten nutzen. In der Mitte sinkt die Leistung deutlich.
Angabe ist nicht Leistung: Im RULER-Test von NVIDIA (2024) hielt nur etwa die Hälfte von 17 Modellen ihre Leistung bei 32.000 Tokens — obwohl alle mindestens so viel versprachen.
Context Rot: Mit wachsender Textmenge sinken Genauigkeit und Erinnerung. So steht es in der Dokumentation von Anthropic, und ein Report von Chroma fand 2025 dasselbe bei 18 Modellen.

Google meldet für Gemini: Eine einzelne gesuchte Information findet das Modell in langen Texten zu rund 99 %. Sollen mehrere Dinge gleichzeitig gefunden werden, sinkt die Trefferquote und schwankt stark.

Häufige Fehler

Fehler 1 · Alles reinkippen

„Hier sind 40 PDFs, schreib mir einen Blogartikel.“ Das Modell muss dann selbst herausfinden, was wichtig ist — und übersieht es oft. Anthropic empfiehlt die kleinstmögliche Menge an aussagekräftigem Text.

Fehler 2 · Das Wichtige in die Mitte packen

Deine Kernanweisung steht zwischen Seite 12 und 13 des Briefings? Dann geht sie unter. Wiederhole die wichtigste Anweisung am Anfang oder am Ende.

Fehler 3 · Endlos-Chats

Wird ein Chat zu lang, kürzen manche Oberflächen den Verlauf: Das Älteste fällt zuerst heraus, oder es wird zusammengefasst. Dann „vergisst“ die KI deinen Styleguide. Das ist kein Fehler des Modells, sondern eine volle Ablage.

Fehler 4 · Englische Faustregeln auf Deutsch übertragen

„Eine Million Tokens sind 750.000 Wörter“ stimmt für Deutsch nicht. Deutsche Texte brauchen mehr Tokens pro Wort. Plane großzügig.

So nutzt du das Kontextfenster klug

Neuer Chat pro Aufgabe. Ein Thema, ein Chat. Brauchst du Wissen aus dem alten, lass dir dort eine Zusammenfassung schreiben und starte damit neu.
Kurz und gezielt füttern. Statt des ganzen Handbuchs nur die drei relevanten Seiten.
Projekte nutzen. Claude Projects oder NotebookLM halten feste Unterlagen bereit, ohne dass du sie jedes Mal neu hochlädst.
Wichtiges an den Rand. Anweisung oben, Material in die Mitte, die Frage noch einmal ans Ende.

Wer Tokens zählen will: OpenAI bietet einen Tokenizer im Browser, Anthropic und Google haben Zählfunktionen in ihren Schnittstellen.

Häufige Fragen

Warum vergisst ChatGPT oder Claude in langen Chats, was am Anfang stand?

Weil der Verlauf irgendwann nicht mehr ins Kontextfenster passt oder so lang wird, dass das Modell Teile davon schlechter nutzt. Manche Oberflächen kürzen dann den ältesten Teil oder fassen ihn zusammen. Abhilfe: einen neuen Chat mit einer kurzen Zusammenfassung starten.

Zählt die Antwort der KI auch zum Kontextfenster?

In der Regel ja. Bei Anthropic und OpenAI zählen Eingabe, Antwort und internes Nachdenken zum selben Fenster. Bei einigen Google-Modellen gibt es getrennte Budgets für Eingabe und Ausgabe.

Ist ein größeres Kontextfenster immer besser?

Nein. Mehr Platz hilft, wenn du wirklich viel Material brauchst. Mit wachsender Menge sinken aber Genauigkeit und Erinnerung, und Informationen in der Mitte gehen eher unter. Ein kurzer, gezielter Kontext liefert oft bessere Antworten.

Was ist der Unterschied zwischen Kontextfenster und Trainingsdaten?

Die Trainingsdaten sind das, woraus das Modell einmalig gelernt hat — sie bestimmen sein Grundwissen und seinen Wissensstand. Das Kontextfenster ist der Arbeitsspeicher für das aktuelle Gespräch und wird bei jedem neuen Chat neu befüllt.

Kostet ein großes Kontextfenster mehr Geld?

Im Abo nicht direkt, über eine Schnittstelle schon: Dort bezahlst du jedes Token im Kontext bei jeder Anfrage. Lange Chats werden so mit jeder Nachricht teurer. Prompt Caching und kurze Chats halten die Kosten im Rahmen.

Quellen