Agenten-Kompass
Wissensübersicht

KontextTeil 2 von 5 6 Minuten

Welche Informationen kann das Modell gerade nutzen?

Der Kontext enthält das Arbeitsmaterial für den aktuellen Modellaufruf, etwa den Auftrag, Regeln und ausgewählte Textstellen. Das Kontextfenster begrenzt, wie viel davon auf einmal hineinpasst.

So entsteht der Arbeitskontext

Eine Karte mit Zielscheibe führt zu einem Kasten voller Blätter, aus dem ein einzelnes Blatt herausragt. Daraus entsteht eine begrenzte Arbeitsmatte mit drei Karten und am Ende ein kleiner Stapel mit orangefarbenem Band.1Bedarf2Quelle3Arbeitsfläche4Verdichtung
Kasten: alles Erreichbare. Matte: der aktuelle Kontext. Stapel: die Zusammenfassung. KI-generierte Illustration.

  1. Bedarf klären

    Die aktuelle Frage bestimmt, welche Regeln, Fakten und bisherigen Entscheidungen relevant sind.

    Bei LeaGebraucht werden Leas Vorliebe und die freien Zeiten dieser Woche. Alte Kalender helfen nicht.

  2. Passende Inhalte holen

    Suche und Dateizugriffe liefern benötigte Ausschnitte aus Dokumenten, Werkzeugen oder gespeichertem Wissen.

    Bei LeaEine Kalendersuche liefert die freien Zeiten. Die Notiz zu Lea kommt aus dem Gedächtnis.

  3. Arbeitskontext zusammenstellen

    Ausgewählte Inhalte werden mit dem Auftrag an das Modell übergeben. Quellenverweise erleichtern späteres Nachprüfen.

    Bei LeaAuftrag, Regeln, Notiz und Kalendertreffer gehen gemeinsam an das Modell.

  4. Aktualisieren und verdichten

    Neue Ergebnisse ergänzen den Kontext. Bei langen Abläufen können Zusammenfassungen Platz schaffen.

    Bei LeaEine Zusammenfassung ersetzt ältere Kalenderdetails. Der Verweis auf den Kalender bleibt erhalten.

SELBST AUSPROBIEREN

Pack das Kontextfenster.

Das Fenster fasst 100 Einheiten. Wähle aus, was das Modell für den Termin mit Lea braucht, und beobachte, wie sich die Antwort ändert.

Was gibst du dem Modell mit?

So reagiert das Modell

Passt nicht ins Fenster.

Für die Antwort bleibt kein Platz. Die Anwendung müsste kürzen oder verdichten. Nimm etwas heraus.

Kein Auftrag im Kontext.

Das Modell sieht Material, aber keine Aufgabe. Die Antwort kann nur raten, was du möchtest.

Es fehlen die freien Zeiten.

Das Modell kennt den Auftrag, aber nicht den Kalender. Es kann einen Werkzeugaufruf vorschlagen oder nachfragen, aber noch keinen Termin nennen.

Es fehlt Leas Vorliebe.

Vorschlag: Donnerstag, 15 Uhr. Formal frei, aber Lea bevorzugt vormittags. Gespeichert war das, im Kontext lag es nicht.

Es fehlen die Regeln.

Der Vorschlag passt. Das Modell kennt aber deine Vorgaben für diesen Lauf nicht. Durchsetzen muss sie ohnehin die Laufzeit.

Passt, kostet aber Platz.

Vorschlag: Donnerstag, 9:30 Uhr. Das Zusatzmaterial hilft bei dieser Aufgabe nicht und belegt Platz, der später für Werkzeugergebnisse fehlt.

Genau das Nötige.

Vorschlag: Donnerstag, 9:30 Uhr. Das Fenster hat noch Platz für Werkzeugergebnisse und die Antwort.

STIMMT DAS?

Drei Sätze, die man oft hört.

Ein größeres Kontextfenster macht Antworten automatisch besser.

Stimmt nicht Es erweitert die Kapazität. Die Qualität hängt weiterhin von Auswahl und Verständlichkeit der Inhalte ab.

Hat ein Agent Zugriff auf ein Repository, liegt alles im Kontext.

Stimmt nicht Das Repository kann viel größer sein als der aktive Kontext. Suche und gezieltes Lesen holen passende Teile hinzu.

Beim Verdichten können Einzelheiten verloren gehen.

Stimmt Darum sollten Entscheidungen, offene Fragen und Quellenverweise erhalten bleiben. Originalquellen ermöglichen späteres Nachprüfen.

Die Zusammenhänge vertiefen

Ein begrenzter Arbeitsbereich

Das Kontextfenster begrenzt, wie viele Tokens ein Modellaufruf verarbeiten kann. Tokens sind kleine Verarbeitungseinheiten, etwa Wortteile. Auch die Ausgabe benötigt Platz. Ein größeres Fenster erweitert die Kapazität; die Qualität hängt weiterhin von Auswahl und Verständlichkeit der Inhalte ab.

Anthropic: Context windows
Zugriff wird durch Auswahl nutzbar

Ein zugängliches Repository oder Dokumentenarchiv kann viel größer sein als der aktive Kontext. Suche und gezieltes Lesen holen passende Teile hinzu. Auch gespeicherte Erinnerungen werden erst durch Laden oder Abrufen zum Arbeitsmaterial des aktuellen Aufrufs.

Anthropic: Effective context engineering
Treffer mit Herkunft einordnen

Retrieval bezeichnet das Abrufen passender Informationen. Semantische Suche kann ähnliche Bedeutungen finden, selbst bei anderer Wortwahl. Quellenangaben und Dokumentmetadaten helfen anschließend, einen Treffer einzuordnen. Ähnlichkeit allein belegt seine Aktualität oder fachliche Richtigkeit nicht.

OpenAI: Retrieval
Verdichtung erhält eine Auswahl

Compaction ersetzt ältere Gesprächsteile durch eine kürzere Darstellung. Das erleichtert die Fortsetzung, kann aber Einzelheiten verlieren. Wichtige Entscheidungen, offene Fragen und Quellenverweise sollten erhalten bleiben; Originalquellen ermöglichen späteres Nachprüfen. Ein dauerhaftes Gedächtnis ist ein eigener Speicherbereich.

Anthropic: Compaction overviewAnthropic: Effective context engineering

Grundlagen und Primärquellen geprüft am 05.11.2026. Die Beispiele erklären das Prinzip; konkrete Produkte können davon abweichen.