Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Kontextverdichtung

Kontextverdichtung (Context Compaction) ist der Schritt, in dem ein Agent eine Unterhaltung zusammenfasst, die an die Grenze ihres Kontextfensters kommt, und in einem frischen Fenster weitermacht, das mit dieser Zusammenfassung beginnt, damit eine lange Aufgabe fortgesetzt werden kann.

Auch: auto-compact

Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir

Jedes Modell hat ein Kontextfenster, und lange Agenten-Sitzungen füllen es mit Tool-Ausgaben, Dateiinhalten und Hin und Her. Ist das Fenster voll, müsste die Sitzung sonst enden. Die Verdichtung ersetzt den vollständigen Verlauf durch eine gekürzte Fassung und macht weiter.

So funktioniert es

Der Agent oder der Harness um ihn herum lässt das Modell die bisherige Unterhaltung zusammenfassen: das Ziel, getroffene Entscheidungen, berührte Dateien, offene Probleme und nächste Schritte. Die alten Nachrichten werden verworfen, und die Zusammenfassung wird zum Anfang eines neuen Kontexts. Manche Tools tun das automatisch, wenn die Nutzung einen Schwellenwert überschreitet, oft Auto-Compact genannt; Claude Code lässt dich es auch von Hand mit /compact auslösen. Eine günstigere Variante löscht alte Tool-Ergebnisse und behält den Rest.

Warum es wichtig ist

Verdichtung hält lange Aufgaben am Leben und kann auch Antworten verbessern, weil ein Modell, das mit einem kurzen, fokussierten Kontext arbeitet, weniger anfällig für Context Rot ist. Anthropic beschreibt sie als ersten Hebel, um Agenten über lange Läufe kohärent zu halten.

Verdichtung und Gedächtnis

Verdichtung schreibt die aktuelle Sitzung um. Agenten-Gedächtnis speichert Fakten außerhalb der Sitzung zur späteren Wiederverwendung. Wer Nebenarbeit an einen Subagenten gibt, verhindert, dass sich das Fenster überhaupt füllt.

Grenzen

Eine Zusammenfassung verliert Details. Eine exakte Fehlermeldung, eine feine Einschränkung oder eine frühe Anweisung kann verschwinden, und der Agent wiederholt dann Arbeit oder bricht eine Regel, die er befolgt hatte. Halte wichtige Regeln in einer Anweisungsdatei, die neu geladen wird, und prüf wichtige Details nach einer Verdichtung erneut.

Verwandte Begriffe

Context Rot
Context Rot (Kontextverfall) ist der Rückgang von Genauigkeit und Zuverlässigkeit eines Sprachmodells, wenn seine Eingabe länger wird, selbst wenn die Eingabe noch ins Kontextfenster passt und die benötigte Information vorhanden ist.
Agenten-Gedächtnis
Agenten-Gedächtnis (Agent Memory) umfasst die Techniken, mit denen ein KI-Agent Informationen über ein einzelnes Kontextfenster hinaus behält, etwa Fakten über einen Nutzer oder frühere Arbeit, indem er sie außerhalb des Modells speichert und bei Bedarf wieder lädt.
Kontextfenster
Ein Kontextfenster (Context Window) ist die maximale Textmenge, gezählt in Tokens, die ein Sprachmodell auf einmal berücksichtigen kann, einschließlich System-Prompt, Unterhaltung, Dokumenten, Tool-Ergebnissen und der Antwort, die es schreibt.
Context Engineering
Context Engineering (Kontextgestaltung) ist die Praxis, alles auszuwählen und zu pflegen, was während einer Aufgabe in das Kontextfenster eines Sprachmodells gelangt: Anweisungen, abgerufene Dokumente, Tool-Definitionen, Tool-Ergebnisse und Gesprächsverlauf.
Subagent
Ein Subagent ist ein Hilfsagent, dem ein Hauptagent eine Aufgabe übergibt. Er arbeitet in seinem eigenen, frischen Kontextfenster, oft mit eigenen Anweisungen und Tools, und gibt nur eine Zusammenfassung des Ergebnisses zurück.

Quellen