Was ist ein Kontextfenster?
ModelleContext Window
Das Kontextfenster (Context Window) ist die Menge an Text, die ein Sprachmodell bei einer Anfrage gleichzeitig verarbeiten kann, gemessen in Token. Es begrenzt, wie lange Dokumente oder Gesprächsverläufe in die Antwort einbezogen werden können.
Kurz vorwegEin größeres Fenster ersetzt keine Retrieval-Schicht. Zur Private-AI-Beratung
Kontextfenster: Definition
Das Kontextfenster bestimmt, wie viel Information ein LLM bei jeder Anfrage berücksichtigen kann. Bei einem Chatbot sind das der bisherige Gesprächsverlauf, bei der Dokumentenanalyse ganze Verträge oder Handbücher, bei RAG-Systemen die gefundenen Textstellen aus der Wissensdatenbank. Moderne Modelle bieten 128.000 bis 1.000.000 Tokens, einzelne mehr (Stand 08/2026).
Ist ein Dokument länger als das Fenster, wird es abgeschnitten oder muss aufgeteilt werden - beides kann die Antwortqualität verschlechtern. Für Unternehmen ist das Kontextfenster aus zwei Gründen entscheidend: Es entscheidet, wie viel eigenes Wissen in eine Anfrage passt, und es treibt die Kosten, weil Anbieter nach Tokens abrechnen.
- Steht für
- Context Window (englisch)
- Gemessen in
- Tokens (100 deutsche Wörter ergeben je nach Modell und Textsorte etwa 130 bis 200 Tokens)
- Typische Größen
- 128.000 bis 1.000.000 Tokens, einzelne Modelle mehr (Stand 08/2026)
- Abrechnung
- Eingabe und Ausgabe werden pro Token gezählt
- Kernidee
- Größer ist nicht automatisch besser - erst das Füllen treibt Preis und Antwortzeit
Warum ist das Kontextfenster wichtig?
Das Kontextfenster entscheidet, wie viel Kontext ein Modell tatsächlich nutzt. Ein großes Fenster ist aber kein Ersatz für eine saubere Datenstrategie: Wer dem Modell einfach alles hineinschreibt, zahlt mehr und riskiert ungenauere Antworten, weil relevante und irrelevante Information gleich behandelt werden.
Die bessere Frage ist deshalb nicht „Wie groß ist das Fenster?“, sondern: Welche zwölf relevanten Dokumente gehören in die Anfrage - statt aller vierhundert?
Kontextfenster oder Retrieval?
- wenige, lange Dokumente vollständig verarbeitet werden müssen
- die Inhalte des gesamten Bestands in ein Fenster passen
- Gesprächsverläufe über viele Schritte erhalten bleiben sollen
- der Wissensbestand zu groß ist, um ihn komplett mitzuschicken
- nicht jeder Nutzer alles sehen darf (Berechtigungen vor der Suche)
- die Kosten pro Anfrage begrenzt bleiben müssen
Wie groß sind die Fenster heute?
Die Angaben gelten für den Stand 08/2026 und ändern sich mit jeder Modellgeneration. Entscheidend ist nicht der Höchstwert, sondern was Sie tatsächlich hineinlegen.
Großes Fenster oder Retrieval?
Die Frage wird regelmäßig als Entweder-oder gestellt und ist in der Praxis eine Frage der Menge und der Berechtigungen.
| Kriterium | Retrieval | Alles ins Fenster |
|---|---|---|
| Kosten je Anfrage | nur die gefundenen Stellen werden bezahlt | der gesamte mitgeschickte Text wird bezahlt |
| Berechtigungen | greifen vor der Suche, pro Nutzer steuerbar | alles im Fenster ist für das Modell sichtbar |
| Aktualisierung | neues Dokument einlesen | Zusammenstellung bei jeder Anfrage neu |
| Nachvollziehbarkeit | Fundstelle mit Abschnitt benennbar | Quelle im Gesamttext schwer zuzuordnen |
| Grenze | Trefferqualität hängt an der Zerlegung | Bestand muss vollständig hineinpassen |
Wer Token-Limits erreicht, hat meist ein Kontextproblem, kein Kontingentproblem. Die Lösung ist fast nie ein teureres Modell mit größerem Fenster, sondern eine Retrieval-Schicht, die die relevanten Abschnitte vorher aussortiert.
„Ein größeres Kontextfenster macht RAG überflüssig.“ Auch mit einem Fenster von einer Million Tokens bleibt die Frage der Relevanz: Ein Modell, das 400 Dateien bekommt, findet die entscheidende Stelle nicht zuverlässiger - es bezahlt nur mehr dafür.
Häufige Fragen zu Kontextfenster
Was passiert, wenn ein Text länger ist als das Kontextfenster?
Der Text wird abgeschnitten oder in Chunks aufgeteilt, die einzeln verarbeitet werden. Beides kann dazu führen, dass wichtige Informationen fehlen. RAG-Systeme lösen das, indem sie vor der Anfrage die relevantesten Textstellen auswählen.
Wie viele Tokens hat ein deutscher Text?
Als Faustregel ergeben rund 100 deutsche Wörter etwa 130 bis 200 Tokens. Die Spanne kommt von zwei Dingen: neuere Tokenizer zerlegen Deutsch sparsamer als ältere, und Fachtexte mit zusammengesetzten Wörtern liegen deutlich über Alltagssprache.
Warum ist das Kontextfenster für Unternehmen wichtig?
Weil es bestimmt, wie viel internes Wissen (Verträge, Handbücher, E-Mails) in eine Anfrage passt und wie hoch die Token-Kosten sind. Die richtige Modellwahl hängt direkt vom Kontextfenster ab.
Welches Modell und welches Kontextfenster zu Ihrem Anwendungsfall passen, klären wir anhand Ihrer Dokumente und Datenklassen.
Zur Private-AI-Beratung