Kontextfenster-Management: Was mich 50 Sitzungen über KI-Entwicklung gelehrt haben

Ich habe den Token-Verbrauch über 50 Claude Code-Entwicklungssitzungen hinweg gemessen. Das Muster war konsistent: Die Ausgabequalität verschlechtert sich bei etwa 60 % Kontextauslastung — lange bevor das harte Limit die Komprimierung auslöst.¹

TL;DR

Kontextfenster-Erschöpfung verschlechtert die Qualität der KI-gestützten Programmierung schleichend. Nach der Auswertung von 50 Sitzungen beim Aufbau meiner Claude Code-Infrastruktur und meines Blog-Qualitätssystems habe ich drei Muster identifiziert, die die Ausgabequalität über mehrstündige Sitzungen hinweg aufrechterhalten: proaktive Komprimierung nach jeder Teilaufgabe, dateisystembasierter Speicher, der über Kontextgrenzen hinweg persistiert, und Subagenten-Delegation, die den Hauptkontext schlank hält. Die entscheidende Erkenntnis: Behandeln Sie das Kontextfenster als knappe Ressource, nicht als bodenlosen Gesprächsfaden.

Wie sich die Verschlechterung tatsächlich zeigt

Jedes Lesen einer Datei, jede Tool-Ausgabe und jeder Gesprächsschritt verbraucht Token. Ein einzelnes Lesen einer großen Datei (2.000 Zeilen) kann 15.000–20.000 Token verbrauchen. Nach dem Lesen von 10 Dateien und der Ausführung mehrerer Befehle enthält das Kontextfenster mehr Tool-Ausgaben als tatsächliche Anweisungen.²

Die Verschlechterung ist subtil. Claude kündigt nicht an: „Mein Kontext ist zu 80 % voll.” Stattdessen beginnt das Modell: - Frühere Anweisungen zu vergessen, die vor 20 Minuten festgelegt wurden - Vorschläge zu wiederholen, die bereits drei Schritte zuvor abgelehnt wurden - Muster zu übersehen, die früher in der Konversation etabliert wurden - Weniger kohärente Änderungen über mehrere Dateien hinweg zu erzeugen

Ich bemerkte dieses Muster beim Aufbau meines Deliberation-Systems. Eine Sitzung, die mit präzisen Änderungen über 8 Python-Module hinweg begann, degradierte nach der 90-Minuten-Marke zu einem Tunnelblick auf einzelne Dateien. Der Agent hörte auf, die Architektur zu referenzieren, die er zuvor gelesen hatte, weil dieser Kontext komprimiert worden war.

Strategie 1: Proaktive Komprimierung

Der /compact-Befehl von Claude Code fasst die Konversation zusammen und gibt Kontextkapazität frei. Das System bewahrt wichtige Entscheidungen, Dateiinhalte und den Aufgabenstatus, während es ausführliche Tool-Ausgaben verwirft.³

Wann komprimieren: - Nach Abschluss einer abgrenzbaren Teilaufgabe (Funktion implementiert, Fehler behoben) - Vor dem Wechsel in einen neuen Bereich der Codebasis - Wenn Claude beginnt, sich zu wiederholen oder früheren Kontext zu vergessen

Ich komprimiere während intensiver Sitzungen ungefähr alle 25–30 Minuten. Während des Aufbaus der Deliberation-Infrastruktur (9 PRDs, 3.455 Zeilen Python) komprimierte ich nach Abschluss jedes PRDs. Jede Komprimierung bewahrte die Architekturentscheidungen und gab gleichzeitig Kontext für die nächste Implementierungsphase frei.

Strategie 2: Das Dateisystem als Gedächtnis

Das zuverlässigste Gedächtnis über Kontextgrenzen hinweg lebt im Dateisystem. Claude Code liest CLAUDE.md und Speicherdateien zu Beginn jeder Sitzung und nach jeder Komprimierung.⁴

Mein .claude/-Verzeichnis dient als strukturierter Gedächtnispalast:

~/.claude/
├── configs/           # 14 JSON configs (thresholds, rules, budgets)
│   ├── deliberation-config.json
│   ├── recursion-limits.json
│   └── consensus-profiles.json
├── hooks/             # 95 lifecycle event handlers
├── skills/            # 44 reusable knowledge modules
├── state/             # Runtime state (recursion depth, agent lineage)
├── handoffs/          # 49 multi-session context documents
├── docs/              # 40+ system documentation files
└── projects/          # Per-project memory directories
    └── {project}/memory/
        └── MEMORY.md  # Always loaded into context

Die MEMORY.md-Datei erfasst Fehler, Entscheidungen und Muster über Sitzungen hinweg. Derzeit enthält sie 54 dokumentierte Fehlschläge mit domänenübergreifenden Lernmustern. Wenn ich entdecke, dass ((VAR++)) mit set -e in Bash fehlschlägt, wenn VAR den Wert 0 hat, halte ich das fest. Drei Sitzungen später, wenn ich auf einen ähnlichen Ganzzahl-Grenzfall in Python stoße, bringt der MEMORY.md-Eintrag das Muster zutage.⁵

Der domänenübergreifende Zinseszinseffekt: Ein Bash-Escaping-Fehler aus der Hook-Entwicklung führte zu einer Regex-Verbesserung in meinem Python-Blog-Linter. Eine CSS-Token-Lücke (--spacing-2xs existiert nicht) löste ein systematisches Audit aller Custom-Property-Referenzen aus. Jeder Eintrag verbindet Domänen, die sonst innerhalb einzelner Sitzungskontexte isoliert bleiben würden.

Strategie 3: Sitzungsübergabe

Für Aufgaben, die sich über mehrere Sitzungen erstrecken, erstelle ich Übergabedokumente, die den vollständigen Zustand erfassen:

## Handoff: Deliberation Infrastructure PRD-7
**Status:** Hook wiring complete, 81 Python unit tests passing
**Files changed:** hooks/post-deliberation.sh, hooks/deliberation-pride-check.sh
**Decision:** Placed post-deliberation in PostToolUse:Task, pride-check in Stop
**Blocked:** Spawn budget model needs inheritance instead of depth increment
**Next:** PRD-8 integration tests in tests/test_deliberation_lib.py

Mein ~/.claude/handoffs/-Verzeichnis enthält 49 Übergabedokumente aus Aufgaben über mehrere Sitzungen hinweg. Eine neue Sitzung mit claude -c (Fortsetzen) zu starten oder das Übergabedokument zu lesen, gibt der Nachfolgesitzung den vollständigen Kontext bei minimalem Token-Aufwand.⁶

Das Übergabemuster hat mich beim Deliberation-Aufbau gerettet. PRD-4 (Rekursionsschutz-Erweiterungen) erforderte das Verständnis von Entscheidungen aus PRD 1–3. Ohne die Übergabe hätte die neue Sitzung alle geänderten Dateien erneut lesen müssen. Mit der Übergabe startete die Sitzung mit dem Architekturkontext und ging direkt zur Implementierung über.

Strategie 4: Subagenten-Delegation

Subagenten laufen in unabhängigen Kontextfenstern. Die Delegation von Recherche- oder Review-Aufgaben an Subagenten bewahrt den Kontext der Hauptsitzung für die Implementierungsarbeit.⁷

Mein Rekursionsschutz-System verwaltet dies automatisch:

# From recursion-guard.sh - spawn budget enforcement
MAX_DEPTH=2
MAX_CHILDREN=5
DELIB_SPAWN_BUDGET=2
DELIB_MAX_AGENTS=12

Jeder Subagent gibt eine Zusammenfassung statt Rohdaten zurück, wodurch der Hauptkontext schlank bleibt. Während Blog-Überarbeitungen delegiere ich Erkundungsaufgaben (CSS-Daten sammeln, Hook-Code lesen, Verzeichnisstrukturen erfassen) an Subagenten. Der Hauptkontext bleibt auf das Schreiben fokussiert, während die Subagenten die Recherche übernehmen.

Das Spawn-Budget wurde auf die harte Tour gelernt: Eine frühe Sitzung ohne Limits erzeugte rekursive Subagenten, die jeweils weitere Subagenten erzeugten. Der Rekursionsschutz-Hook erzwingt nun Tiefenlimits mit sicherer Ganzzahl-Validierung und konfigurationsgesteuerten Budgets.⁸

Die Anti-Muster, aus denen ich gelernt habe

Ganze Dateien lesen, wenn Sie nur 10 Zeilen brauchen. Zu Beginn meiner Claude Code-Nutzung las ich ganze 2.000-Zeilen-Dateien für eine einzelne Funktion. Verwenden Sie Zeilen-Offsets: Read file.py offset=100 limit=20 spart über 15.000 Token pro Lesevorgang.

Ausführliche Fehlerausgaben im Kontext belassen. Nach dem Debugging des Spawn-Budget-Problems enthielt mein Kontext über 40 Stack-Traces aus fehlgeschlagenen Iterationen. Ein einzelnes /compact nach der Fehlerbehebung befreite diesen Ballast.

Jede Sitzung damit beginnen, jede Datei zu lesen. Meine ersten Sitzungen luden 8–10 Dateien „für den Kontext” vor. Jetzt lasse ich die Glob- und Grep-Tools von Claude Code relevante Dateien bei Bedarf finden, was über 100.000 Token unnötiger Vorladung einspart.

Zentrale Erkenntnisse

Für einzelne Entwickler: - Komprimieren Sie nach jeder abgeschlossenen Teilaufgabe, nicht erst wenn Claude die Komprimierung erzwingt; proaktive Komprimierung in 25–30-Minuten-Intervallen erhält die Ausgabequalität - Schreiben Sie wichtige Entscheidungen in Dateisystem-Speicherdateien, während die Sitzung fortschreitet; meine MEMORY.md enthält 54 Einträge, die über Hunderte von Sitzungen hinweg persistieren - Nutzen Sie Subagenten für Rechercheaufgaben, die den Hauptkontext verunreinigen würden; eine 5-Dateien-Recherche kostet über 75.000 Token im Hauptkontext, aber nur eine 500-Token-Zusammenfassung per Subagent

Für Teams: - Standardisieren Sie das Format von Übergabedokumenten für Aufgaben über mehrere Sitzungen hinweg; meine 49 Übergaben folgen jeweils der gleichen Status/Dateien/Entscheidung/Blockiert/Nächste-Struktur - Konfigurieren Sie projektweite CLAUDE.md-Dateien mit Architekturkontext, der automatisch in jede Sitzung geladen wird — die siebenschichtige Hierarchie, die aus diesen Prinzipien des Token-Managements hervorgegangen ist, beschreibt Kontext ist Architektur

Häufige Fragen

Was passiert, wenn das Kontextfenster eines LLM voll ist?

Nähert sich das Kontextfenster seiner Kapazitätsgrenze (etwa 95 % Auslastung), löst Claude Code eine automatische Komprimierung aus — einen Zusammenfassungsvorgang, der den Gesprächsverlauf verdichtet und dadurch Platz schafft. Die Ausgabequalität verschlechtert sich allerdings lange vor diesem Punkt. In meinen Messungen über 50 Sitzungen setzt die Verschlechterung bei rund 60 % Kontextauslastung ein: Das Modell vergisst frühere Anweisungen, wiederholt bereits abgelehnte Vorschläge und liefert weniger stimmige Änderungen über mehrere Dateien hinweg. Jede Komprimierung verwirft zudem Kontext, der wichtige Entscheidungen enthalten haben kann — je seltener komprimiert wird, desto stimmiger bleibt die Sitzung.

Wie behält man den LLM-Kontext in langen Sitzungen im Griff?

Vier Strategien halten die Ausgabequalität über mehrstündige Sitzungen hinweg stabil. Proaktive Komprimierung nach jeder abgeschlossenen Teilaufgabe (alle 25 bis 30 Minuten) verhindert die schleichende Verschlechterung. Dateisystembasierter Speicher (CLAUDE.md, MEMORY.md, Übergabedokumente) hält kritische Zustände über Kontextgrenzen hinweg fest. Subagenten-Delegation lagert Rechercheaufgaben in eigene Kontextfenster aus und liefert Zusammenfassungen statt Rohausgaben zurück. Und gezielte Lesevorgänge mit Zeilen-Offsets (Read file.py offset=100 limit=20) sparen gegenüber dem Einlesen ganzer Dateien mehr als 15.000 Token pro Lesevorgang. Das dreischichtige Komprimierungsmodell beschreibt Kontext ist der neue Speicher.

Was ist Kontext-Komprimierung in Claude Code?

Kontext-Komprimierung ist der eingebaute Mechanismus von Claude Code, der den Gesprächsverlauf zusammenfasst, sobald das Kontextfenster an seine Kapazitätsgrenze stößt. Der Befehl /compact stößt sie manuell an, die automatische Komprimierung greift bei etwa 95 % Auslastung. Dabei bleiben zentrale Entscheidungen, Dateiinhalte und der Aufgabenstand erhalten, während ausufernde Werkzeugausgaben verworfen werden. Ein Circuit Breaker stoppt den Vorgang nach drei aufeinanderfolgenden Fehlschlägen und verhindert so endlose Wiederholungsschleifen. Bevor es diese Absicherung gab, verzeichneten 1.279 Sitzungen mehr als 50 Fehlschläge in Folge und verschwendeten rund 250.000 API-Aufrufe pro Tag, wie die Analyse des Quellcode-Leaks dokumentiert.

Wie viele Token reichen für produktive KI-Entwicklung?

Ein Kontextfenster von 200K Token genügt, sofern es sauber verwaltet wird. Mein komprimiertes Setup hält rund 78 % des Fensters (156.000 Token) für das eigentliche Denken frei und ermöglicht 40 bis 60 produktive Runden, bevor die Komprimierungsschwelle erreicht ist. Ein unkomprimiertes Setup lässt dafür nur 26 % (53.000 Token) übrig und stößt schon nach 15 bis 20 Runden an die Komprimierung. Wie groß ein Fenster nutzbar ist, hängt stärker davon ab, was es füllt, als von seiner Gesamtgröße: Ein gut komprimiertes 200K-Fenster schlägt ein hypothetisches 500K-Fenster voller unkomprimierter Werkzeugausgaben. Den größten Hebel bieten die Komprimierung des System-Prompts, eine CLI-first ausgerichtete Werkzeugarchitektur und frisch gestartete Agenten.

Wie helfen Übergabedokumente bei sitzungsübergreifender KI-Entwicklung?

Ein Übergabedokument hält den vollständigen Stand einer Aufgabe für die nächste Sitzung fest: aktueller Status, geänderte Dateien, getroffene Entscheidungen, Blocker und nächste Schritte. Beginnt eine neue Sitzung mit dem Lesen dieses Dokuments, steht der gesamte Architekturkontext zu minimalen Token-Kosten bereit (in der Regel unter 500 Token), statt dass der Agent sämtliche geänderten Dateien erneut einlesen muss. Meine 49 Übergabedokumente folgen alle derselben Struktur aus Status/Files/Decision/Blocked/Next. Beim Aufbau des Deliberation-Systems konnte dadurch jede PRD-Sitzung mit den zuvor getroffenen Architekturentscheidungen starten, ohne den Gesprächsverlauf der früheren PRDs mitzuschleppen.

Referenzen