Deine AI vergisst Dinge nicht, weil sie verwirrt ist - ihr geht der Platz aus. Jedes Modell hat ein festgelegtes "Kontextfenster", also die Gesamtmenge an Text, die es gleichzeitig aufnehmen und analysieren kann. Sobald dieses Fenster voll ist, muss etwas weichen: Ältere Nachrichten werden von neueren verdrängt, unter ihnen begraben oder vollständig entfernt.
Auf dieser Seite
- Was ein Kontextfenster tatsächlich ist
- Warum es sich so anfühlt, als würde die AI "vergessen"
- Die versteckten Kosten von „einfach das Dokument hochladen“
- Warum lange, mäandernde Chats die Sache ebenfalls verschlimmern
- Wo Skill-Dateien ins Spiel kommen
- Praktische Gewohnheiten, die wirklich helfen
- Häufig gestellte Fragen
Zuletzt aktualisiert: Juli 2026 · Vom KissMySkills-Team
Was ein Kontextfenster tatsächlich ist
Jedes Mal, wenn du eine Nachricht an Claude, ChatGPT oder Gemini sendest, sieht das Modell nicht nur diese eine Nachricht. Es sieht die gesamte bisherige Unterhaltung - alles, was du eingegeben hast, alles, worauf es geantwortet hat, sowie alle Dokumente, Bilder oder Dateien, die du angehängt hast - gebündelt als eine einzige Eingabe. Dieses gesamte Paket ist der "Kontext". Das "Fenster" ist die Obergrenze dafür, wie viel davon das Modell in einem Durchlauf verarbeiten kann.
Kontextfenster werden in Token gemessen, also in kleinen Textabschnitten - ungefähr ¾ eines Wortes. Ein Modell mit einem Fenster von 100.000 Token kann etwa 75.000 Wörter aus Unterhaltung, Dokumenten und Anweisungen zusammen aufnehmen, bevor es an seine Grenze stößt. Das klingt nach viel, bis man bedenkt, dass bereits ein einzelnes 40-seitiges PDF, ein Tabellenexport oder ein langes Sitzungsprotokoll allein Zehntausende Token verbrauchen kann - noch bevor du überhaupt deine eigentliche Frage gestellt hast.
Wichtig ist: Das Kontextfenster ist keine Datenbank, in der das Modell etwas nachschlägt. Es ähnelt eher dem Kurzzeitgedächtnis. Nichts außerhalb dieses Fensters existiert für das Modell überhaupt, und alles innerhalb des Fensters konkurriert um die begrenzte Aufmerksamkeit des Modells.
Warum es sich so anfühlt, als würde die AI "vergessen"
Menschen beschreiben das als ein "Vergessen" des Anfangs eines langen Chats durch die AI oder als Verlust des Überblicks über Details aus einem hochgeladenen Dokument. Das ist eine nachvollziehbare Beschreibung dessen, was du beobachtest, aber nicht ganz das, was im Hintergrund passiert. Es geschehen zwei verschiedene Dinge, die sich gegenseitig verstärken.
1. Weiches Vergessen: Verwässerung
Wenn eine Unterhaltung wächst, verschwindet älterer Inhalt nicht - er macht lediglich einen immer kleineren Anteil dessen aus, was das Modell betrachtet. Frühe Anweisungen, Entscheidungen oder Fakten erhalten im Verhältnis zu allem, was seitdem gesagt wurde, immer weniger "Gewicht". Das Modell kann technisch weiterhin auf diesen Inhalt zugreifen, muss aber mehr Aufwand betreiben, um ihn zwischen allem anderen, was in das Fenster gepackt wurde, zu finden und zu priorisieren. In der Praxis nimmt die Qualität bei langen Gesprächsverläufen sichtbar ab: Das Modell widerspricht früheren Antworten, wiederholt Fragen, die du bereits beantwortet hast, oder verliert den roten Faden einer nuancierten Anweisung von vor zehn Austauschrunden.
2. Hartes Vergessen: Abschneiden
Sobald die Unterhaltung die harte Grenze des Fensters tatsächlich überschreitet, muss etwas entfernt werden, um Platz für neue Eingaben zu schaffen. Die meisten Chat-Produkte lösen das, indem sie die ältesten Nachrichten unbemerkt löschen oder zusammenfassen. Ab diesem Zeitpunkt ist der Inhalt nicht nur verwässert - er ist wirklich verschwunden. Das Modell kann ihn buchstäblich nicht mehr sehen, ganz egal, wie wichtig er war.
Keines von beidem ist genau genommen ein Fehler. Es ist die physische Folge davon, dass sich ein Fenster fester Größe füllt. Das bedeutet jedoch, dass zwei gewöhnliche Gewohnheiten - ein riesiges Dokument einzufügen und einen Chat lange und mäandernd laufen zu lassen - die beiden schnellsten Wege sind, die Ausgabequalität zu ruinieren, oft ohne dass du bemerkst, warum die Antworten schlechter geworden sind.
Die versteckten Kosten von „einfach das Dokument hochladen“
Eine große Datei hochzuladen, fühlt sich kostenlos an. Ist es aber nicht. Ein umfangreicher Vertrag, ein Forschungsbericht oder ein vollständiger Datensatz kann einen riesigen Teil des verfügbaren Fensters verbrauchen, bevor das Modell ein einziges Wort deiner eigentlichen Anfrage verarbeitet hat. Wenn dein Modell beispielsweise über ein Fenster mit 150.000 Tokens verfügt und dein Dokument 90.000 dieser Tokens beansprucht, bleiben dir 60.000 für die Systemanweisungen, den Gesprächsverlauf sowie die eigene Überlegung und Antwort des Modells - bei einer Aufgabe, die möglicherweise tatsächlich über das gesamte Dokument hinweg Zusammenhänge herstellen muss.
Genau diese Situation bringt Menschen bei umfangreicher analytischer Arbeit aus dem Tritt: Marketingberichte voller Tabellen, Finanzmodelle, umfangreiche Forschungskorpora. Je größer und unübersichtlicher der Input ist, desto weniger Platz bleibt der AI, tatsächlich gründlich darüber nachzudenken, was sie damit tun soll.
Rafa macht Claude für genau dieses Problem zum Senior-Spezialisten für Marketinganalysen - zum Auswerten umfangreicher Berichte, Dashboards und Kampagnendaten, ohne dass die dauerhaft geltenden Anweisungen den Platz beanspruchen, den dein Dokument benötigt.
Rafa ansehen - Spezialist für Marketinganalysen →Warum lange, mäandernde Chats die Sache ebenfalls verschlimmern
Die andere Falle ist der Marathon-Chat - der Thread, den du nie schließt, weil er „bereits den ganzen Kontext enthält“. Jeder Austausch, jeder verworfene Nebengedanke, jedes „eigentlich, versuchen wir es anders“ bleibt im Fenster, nimmt Platz ein und verwässert das, was wirklich wichtig ist. Bei Nachricht fünfzig hält das Modell einen Haufen halbwegs relevanter Historie neben deiner aktuellen, eigentlichen Anfrage - und behandelt all das ungefähr gleichwertig.
Die Lösung besteht nicht darin, „nie lange Gespräche zu führen“. Es geht darum, bewusst darauf zu achten, was tatsächlich Platz in diesem Fenster beansprucht, und sicherzustellen, dass die Dinge, die das Modell stark gewichten soll - deine aktuelle Aufgabe, dein aktuelles Dokument - nicht von Dingen überlagert werden, die inzwischen keine Rolle mehr spielen.
Wo Skill-Dateien ins Spiel kommen
Das ist der praktische Grund, warum Skill-Dateien (oder System-prompts, benutzerdefinierte Anweisungen, Projektanweisungen - dieselbe Idee, je nach Plattform anders benannt) existieren. Eine Skill-Datei trennt zwei sehr unterschiedliche Arten von Inhalten, die normalerweise im Kontextfenster miteinander vermischt werden:
- Feste Anweisungen - als wer die AI auftreten soll, welche Standards sie anwenden soll und in welchem Format sie ausgeben soll. Das ändert sich nicht von Aufgabe zu Aufgabe.
- Aufgabeninhalt - das Dokument, das du analysierst, die Daten, mit denen du arbeitest, und das eigentliche Gespräch über das eigentliche Problem. Das ändert sich jedes Mal.
Wenn du eine lange, freie Erklärung wie „Verhalte dich wie ein leitender Analyst, befolge diese Struktur, verwende diesen Ton, tue immer X und niemals Y“ direkt in den Chat einfügst, nimmt diese Erklärung im Kontextfenster neben deinem Dokument und deinen Fragen jedes Mal und in jeder Unterhaltung Platz und Aufmerksamkeit ein. Eine Skill-Datei lädt denselben Anweisungssatz einmal kompakt als klar definierte Rolle, in die das Modell schlüpft. Sie ist präziser formuliert als eine typische Erklärung im Dialog und wird im Verlauf der Unterhaltung nicht erneut infrage gestellt oder erklärt, wie es bei spontanen Anweisungen häufig der Fall ist.
Das Ergebnis ist unkompliziert: Ein größerer Teil des Kontextfensters bleibt für das, was tatsächlich variiert - den Bericht, den du hochgeladen hast, die Daten, nach denen du fragst, und die zwanzig Anschlussfragen in dieser Sitzung. Die Qualität bleibt länger höher, weil das Modell seine begrenzte Aufmerksamkeit nicht zwischen dem „Erinnern daran, wie es sich verhalten soll“ und dem „Verstehen, was du gerade tatsächlich fragst“ aufteilen muss.
Ryan konfiguriert Claude für genau die Art von fortlaufender Executive-Arbeit mit viel Kontext - Vorstandspräsentationen, Briefings und Entscheidungsvorlagen - bei der eine kompakte feste Rolle mit zunehmender Gesprächsdauer immer wichtiger wird.
Ryan - Chief of Staff ansehen →Praktische Gewohnheiten, die wirklich helfen
- Starte für neue Aufgaben neue Threads. Eine neue Unterhaltung bedeutet ein sauberes Kontextfenster - keine abgeschwächte Historie, die mit deiner aktuellen Frage konkurriert.
- Halte feste Anweisungen getrennt und knapp. Eine einmal geladene Skill-Datei ist besser, als deine Erwartungen in jedem Chat erneut zu erklären.
- Lade weniger hoch. Wenn du nur die Kapitel 3 und 4 brauchst, lade nicht das ganze Buch hoch - jede unnötige Seite enthält Tokens, die das Modell nicht für deine Frage verwenden kann.
- Fasse zusammen, bevor du fortfährst. Bitte das Modell bei einem länger laufenden Projekt regelmäßig, die bisherigen wichtigsten Entscheidungen in einer kurzen Zusammenfassung zu bündeln - oder erledige das selbst. Starte dann einen neuen Thread mit dieser Zusammenfassung und deiner Skill-Datei.
- Achte auf die Warnsignale. Wiederholte Fragen, widersprüchliche frühere Antworten oder vage Antworten auf konkrete Fragen sind oft Symptome eines überfüllten oder gekürzten Kontextfensters - und kein Problem mit einem vermeintlich intelligenteren prompt.
Zusammengefasst:
Jedes AI-Modell verfügt über ein festes Kontextfenster. Sobald es gefüllt ist, werden ältere Inhalte verwässert oder entfernt - das ist das von dir bemerkte „Vergessen“, keine Verwirrung. Sowohl große Dokument-Uploads als auch ausufernde Chatverläufe beanspruchen denselben begrenzten Platz. Wenn du deine dauerhaften Anweisungen kompakt und getrennt hältst, etwa mit Rafa (Spezialist für Marketinganalysen) oder Ryan (Chief of Staff), bleibt mehr Platz für den Dokument- und Aufgabeninhalt, der tatsächlich benötigt wird - so bleiben die Antworten länger präzise.
Gib ein, wie du (oder dein Team) AI-Chats tatsächlich nutzt, und erhalte eine realistische monatliche Schätzung für Tokenverschwendung und Kosten beim erneuten Prompten im Vergleich zu einer dauerhaften Skill-Datei. Keine Anmeldung, keine E-Mail - nur die Berechnung aus diesem Beitrag, angewendet auf deine Zahlen.
Rechner ausprobieren →Häufig gestellte Fragen
Was genau zählt zum Kontextfenster?
Alles im aktuellen Gespräch: deine Nachrichten, die Antworten des Modells, Anweisungen aus System-Prompts oder Skill-Dateien sowie der vollständige aus angehängten Dateien oder Dokumenten extrahierte Text. Alles wird gemeinsam in Tokens gemessen und gegen ein gemeinsames Limit aufgerechnet.
Behebt das Starten eines neuen Chats das Problem tatsächlich?
Ja, insofern dadurch das Fenster vollständig geleert wird - kein verwässerter Verlauf, kein Risiko, dass Inhalte aus einem früheren Gesprächsabschnitt abgeschnitten werden. Der Nachteil ist, dass du den Kontext aus dem alten Thread verlierst, den du nicht übernommen hast. Deshalb lohnt es sich, eine kurze Zusammenfassung zusammen mit deiner Skill-Datei in den neuen Chat zu übernehmen, statt bei null anzufangen.
Warum nicht einfach ein Modell mit einem größeren Kontextfenster verwenden?
Ein größeres Fenster hilft, beseitigt die zugrunde liegenden Dynamiken aber nicht - Verwässerung und Priorisierung treten auch bei größerem Umfang auf, und riesige Eingaben kosten weiterhin echte Tokens, egal ob die Obergrenze bei 100.000 oder 1.000.000 liegt. Ein größeres Fenster verschafft dir mehr Platz; es sorgt aber nicht dafür, dass das Modell automatisch weiß, was es innerhalb dieses Platzes priorisieren soll.
Worin unterscheidet sich eine Skill-Datei davon, einfach gute Anweisungen in den Chat zu schreiben?
Beides kann funktionieren, aber direkt in einen Chat eingegebene Anweisungen stehen im selben überfüllten Fenster wie alles andere und werden oft wiederholt, widersprochen oder im Verlauf des Gesprächs verwässert. Eine Skill-Datei wird einmal als definierte Rolle geladen - kompakt und getrennt vom Aufgabeninhalt -, sodass sie nicht mit dem Dokument oder den Daten um Platz konkurriert, an denen du tatsächlich arbeitest.
Verwandte Themen: Die besten Claude-Skills für Führungskräfte und Chief of Staffs · Die besten Claude-Skill-Marktplätze (im Vergleich)