# Kontextfenster: Definition und Bedeutung für Unternehmen

> Das Kontextfenster ist die Obergrenze an Tokens, die ein Sprachmodell bei einer Anfrage gleichzeitig verarbeiten kann – Systemanweisung, Verlauf, Dokumente, Tool-Ergebnisse und die eigene Antwort. Es ist Arbeitsspeicher, kein Gedächtnis: Was nicht darin steht, kennt das Modell in diesem Moment nicht.

Kanonische URL: https://www.ruebstudio.de/de/lexikon/kontextfenster  
Autor: Dr.-Ing. Marcus Rüb, CEO  
Veröffentlicht: 2026-10-30

Ein Kontextfenster ist die maximale Menge an Text, gemessen in Tokens, die ein [Sprachmodell (LLM)](https://www.ruebstudio.de/de/lexikon/large-language-model-llm) bei einer einzelnen Anfrage gleichzeitig berücksichtigen kann – einschließlich der Antwort, die es gerade erzeugt. Für KI-Agenten im Unternehmen ist es die entscheidende Grenze dafür, wie viel Auftrag, Verlauf und Firmenwissen in einem Arbeitsschritt zusammen vorliegen.

## Wie funktioniert ein Kontextfenster?

Bei jeder Anfrage wird alles, was das Modell sehen soll, in einen gemeinsamen Eingabeblock gepackt. Das Modell liest diesen Block vollständig und schreibt dann seine Antwort, die ebenfalls Platz im Fenster belegt. Nichts davon bleibt nach der Anfrage im Modell gespeichert.

Laut der [Claude-Dokumentation zu Kontextfenstern](https://platform.claude.com/docs/en/build-with-claude/context-windows) zählen dazu die Systemanweisung, alle Nachrichten inklusive Tool-Ergebnissen, Bildern und Dokumenten, die Tool-Definitionen sowie die erzeugte Ausgabe samt Denkschritten. Die aktuellen Claude-Modelle haben dort ein Fenster von 1 Million Tokens, andere, ältere Modelle 200.000 Tokens (Stand Oktober 2026). Was ein Token ist, hängt vom Tokenizer ab; als grobe Orientierung entspricht ein Token einem Wortteil.

In einem Agenten-Lauf wächst der Kontext mit jedem Schritt: Jede Antwort aus dem [Tool Use](https://www.ruebstudio.de/de/lexikon/tool-use-function-calling), etwa ein abgefragter Datensatz aus dem ERP oder ein gelesenes PDF, wird an den Verlauf angehängt und bei der nächsten Anfrage erneut mitgeschickt.

## Abgrenzung: Kontextfenster, Gedächtnis und RAG

Das Kontextfenster ist Arbeitsspeicher, kein Gedächtnis und kein Trainingswissen. Was das Modell im Training gelernt hat, ist fest eingebaut; was im Kontextfenster steht, gilt nur für die aktuelle Anfrage. Ein „Gedächtnis" über Sitzungen hinweg ist immer eine Funktion der Anwendung, die Inhalte speichert und später wieder in den Kontext lädt.

Ein großes Fenster ersetzt [Retrieval-Augmented Generation (RAG)](https://www.ruebstudio.de/de/lexikon/rag-retrieval-augmented-generation) nicht. Erstens passt der Dokumentenbestand eines Unternehmens – Handbücher, Tickets, Angebote mehrerer Jahre – meist auch in 1 Million Tokens nicht hinein. Zweitens wird jede Anfrage mit vollem Fenster teurer und langsamer. Drittens nimmt die Qualität mit der Menge ab: Die Claude-Dokumentation beschreibt, dass Genauigkeit und Erinnerungsleistung mit wachsender Tokenzahl nachlassen, und nennt das „context rot". Die Studie [„Lost in the Middle"](https://arxiv.org/abs/2307.03172) fand, dass Modelle relevante Informationen am Anfang oder Ende der Eingabe oft besser nutzen als in der Mitte. RAG wählt deshalb die wenigen passenden Abschnitte aus und legt nur diese in das Fenster.

## Worauf achten?

Für den Betrieb zählt weniger die Maximalgröße als die Frage, was im Fenster steht. Ein Agent, der gezielt die drei relevanten Absätze aus einer Wartungsanleitung bekommt, arbeitet in der Regel zuverlässiger als einer, dem man das gesamte Handbuch übergibt.

- **Messen statt schätzen:** Die API meldet pro Anfrage den Tokenverbrauch; zu große Eingaben lehnt sie bei Claude mit einem Fehler ab.
- **Lange Läufe planen:** Bei Agenten mit vielen Schritten ältere Tool-Ergebnisse entfernen oder zusammenfassen, bevor das Fenster voll ist.
- **Wichtiges an den Rand:** Auftrag und zentrale Regeln am Anfang, die konkrete Frage am Ende.
- **Kosten mitdenken:** Prompt-Caching verbilligt wiederholte Teile, belegt aber denselben Platz.

Wie sich diese Grenzen in konkreten Prozessen wie Angebotserstellung oder technischem Service auswirken, zeigt die Übersicht zu [KI-Agenten für Unternehmen](https://www.ruebstudio.de/de/ki-agenten). Weitere Begriffe erklärt das [KI-Lexikon](https://www.ruebstudio.de/de/lexikon).

## Häufige Fragen

### Merkt sich ein Modell Inhalte aus früheren Gesprächen über das Kontextfenster?

Nein. Das Kontextfenster gilt nur für die einzelne Anfrage. Soll ein Agent sich etwas über Sitzungen hinweg merken, muss die Anwendung es speichern und beim nächsten Mal wieder in den Kontext laden.

### Kostet ein volles Kontextfenster mehr?

Ja, abgerechnet wird pro Token, und jede Anfrage schickt den gesamten Kontext erneut. Prompt-Caching senkt den Preis wiederholter Teile, belegt aber weiterhin denselben Platz im Fenster.

### Was passiert, wenn die Eingabe zu lang ist?

Bei der Claude-API wird eine Anfrage, deren Eingabe das Fenster bereits überschreitet, mit einem Fehler abgelehnt. Agenten-Frameworks kürzen oder fassen ältere Teile deshalb vorher zusammen.

## Quellen

- [Anthropic: Context windows (Claude-Dokumentation, abgerufen Oktober 2026)](https://platform.claude.com/docs/en/build-with-claude/context-windows)
- [Liu et al.: Lost in the Middle – How Language Models Use Long Contexts](https://arxiv.org/abs/2307.03172)
