---
title: "Was ist ein Kontextfenster bei LLMs? Limits erklärt | BroadRouter"
description: "Das Kontextfenster ist die maximale Token-Zahl, die ein LLM pro Anfrage verarbeitet, Prompt und Output zusammen. Was zählt, was bei vollem Fenster passiert, Größen."
url: https://broadrouter.com/de/glossary/context-window/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/context-window/) (aktualisiert am 2026-11-14).

# Kontextfenster (Context Window)

Aktualisiert 2026-11-14

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

Auch genannt: Kontextfenster, Kontextlänge, Kontextgröße, Token-Limit, Kontextlimit, context window, context length, context size, token limit, context limit

Das Kontextfenster ist das Arbeitsgedächtnis eines Modells für eine Anfrage. Alles, was das Modell sehen muss, und alles, was es zurückschreibt, muss hineinpassen.

## So funktioniert es

Das Fenster wird in [Tokens](https://broadrouter.com/de/glossary/token/) gemessen. Die Dokumentation von Anthropic beschreibt es als „all the text a language model can reference when generating a response, including the response itself“ (Übersetzung: „der gesamte Text, auf den ein Sprachmodell beim Erzeugen einer Antwort zugreifen kann, einschließlich der Antwort selbst“). Dazu gehören:

-   der System-Prompt und jede Nachricht, auch frühere Runden;
-   Tool-Definitionen und Tool-Ergebnisse;
-   Dokumente und Bilder;
-   der Output, einschließlich versteckter [Reasoning-Tokens](https://broadrouter.com/de/glossary/reasoning-tokens/).

Das Budget ist also geteilt. Bei einem Fenster von 1.048.576 Tokens bleiben nach einem Prompt von 1.040.000 Tokens etwa 8.000 Tokens für Reasoning und Antwort. Setzen Sie [`max_tokens`](https://broadrouter.com/de/glossary/max-tokens/) entsprechend.

Das Modell erinnert sich nicht an frühere Anfragen. Ein Chat wirkt nur deshalb durchgehend, weil der Client in jeder Runde den Verlauf erneut sendet. Ein langes Gespräch füllt das Fenster also Schritt für Schritt.

## Warum es wichtig ist

-   **Leistungsfähigkeit.** Ein großes Fenster fasst in einer Anfrage eine ganze Codebasis, ein Vertragswerk oder stundenlange Transkripte, sodass das Modell Fakten darüber hinweg verknüpfen kann.
-   **Kosten.** Bei einem Schlüssel mit Abrechnung pro Token wird jedes Token im Fenster als Input berechnet. [Caching](https://broadrouter.com/de/glossary/cached-input-tokens/) senkt den Preis wiederholter Präfixe, aber gecachte Tokens belegen das Fenster trotzdem.
-   **Qualität.** Mehr ist nicht immer besser. Anthropic nennt den Genauigkeitsverlust bei sehr langen Prompts „context rot“. Wählen Sie gezielt aus, was Sie senden.
-   **Latenz.** Bei langen Prompts dauert es länger, bis das erste Token erscheint.

## Bei BroadNet Inference

| Modell | Kontextfenster |
| --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) | 1.048.576 Tokens |
| [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) | 1.048.576 Tokens |
| [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) | 262.144 Tokens |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/de/models/gemma-4-vl-26b/) | 32.768 Tokens |

Das Fenster umfasst Prompt und Antwort zusammen, und BroadNet kürzt Ihren Kontext nicht. DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B denken vor der Antwort nach (Reasoning). Lassen Sie also Platz: Ein volles Fenster mit kleinem Output-Budget liefert eine leere Antwort. Siehe [warum Reasoning-Modelle leere Antworten liefern](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/).

Die unbegrenzten Pläne enthalten das volle Fenster von 1M Tokens bei DeepSeek V4.1 Flash. Wann so viel Kontext besser ist als Retrieval, lesen Sie im [Leitfaden zum Kontextfenster mit 1M Tokens](https://broadrouter.com/de/blog/million-token-context-window-guide/).

## Häufige Fehler

-   Das Fenster mit der Output-Länge verwechseln. Output-Limits setzen Sie separat mit `max_tokens`.
-   Den vollständigen Verlauf endlos neu senden. Fassen Sie alte Runden zusammen oder lassen Sie sie weg, bevor das Fenster voll ist.

## Häufige Fragen

### Was passiert, wenn mein Prompt länger ist als das Kontextfenster?

Die API lehnt die Anfrage ab, meist mit einem 400-Fehler. Anthropic liefert zum Beispiel „prompt is too long“ (Übersetzung: „Prompt ist zu lang“). Manche Chat-Apps kürzen alte Nachrichten automatisch; die meisten APIs tun das nicht.

### Ist ein größeres Kontextfenster immer besser?

Nein. Lange Prompts kosten mehr und brauchen länger in der Verarbeitung, und laut Anthropic können Genauigkeit und Erinnerungsleistung mit wachsender Token-Zahl nachlassen. Senden Sie, was die Aufgabe braucht.

### Kürzt BroadNet meinen Kontext?

Nein. BroadNet Inference kürzt Ihren Kontext nicht. Passt die Anfrage nicht hinein, müssen Sie sie selbst kürzen.

## Siehe auch

-   [Token](https://broadrouter.com/de/glossary/token/) (Begriff)
-   [max\_tokens](https://broadrouter.com/de/glossary/max-tokens/) (Begriff)
-   [Reasoning-Tokens](https://broadrouter.com/de/glossary/reasoning-tokens/) (Begriff)
-   [Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/) (Begriff)
-   [KV-Cache](https://broadrouter.com/de/glossary/kv-cache/) (Begriff)
-   [Context Rot](https://broadrouter.com/de/glossary/context-rot/) (Begriff)
-   [Lost in the Middle](https://broadrouter.com/de/glossary/lost-in-the-middle/) (Begriff)
-   [RAG (Retrieval-Augmented Generation)](https://broadrouter.com/de/glossary/rag/) (Begriff)
-   [Context Compaction (Kontextverdichtung)](https://broadrouter.com/de/glossary/context-compaction/) (Begriff)
-   [Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/) (Anleitung)
-   [Wann sich ein Kontextfenster mit 1M Tokens lohnt (und wann nicht)](https://broadrouter.com/de/blog/million-token-context-window-guide/) (Artikel)
-   [Gecachte Input-Tokens: So senken Sie die Rechnung Ihrer LLM-API](https://broadrouter.com/de/blog/cached-input-tokens-explained/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-context-window&utm_content=page-cta) ·

**Quellen**

-   [Anthropic, Kontextfenster](https://platform.claude.com/docs/en/build-with-claude/context-windows)
-   [OpenAI, Reasoning-Modelle (Reasoning-Tokens belegen das Kontextfenster)](https://developers.openai.com/api/docs/guides/reasoning)
-   [Maschinenlesbare Preise und Kontextlängen von BroadNet Inference (pricing.json) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-context-window&utm_content=sources)
