Kurzfassung. Jeder größere Assistent bietet heute drei Konfigurationsebenen: ein einmal geschriebenes Daueranweisungs-Briefing, ein Projekt oder einen Arbeitsbereich, der Kontext auf ein einzelnes Arbeitsfeld begrenzt, und ein Gedächtnis, das das Tool selbst befüllt. Die meisten Berufstätigen nutzen eine der drei Ebenen, meist schlecht, und schließen daraus, das Tool verstehe ihre Arbeit nicht. Die Anbieter selbst sind sich uneins, wie diese Ebenen zu füllen sind: Googles offizielle Gem-Anleitung rät, so viel Hintergrund wie möglich anzugeben, während Anthropics offizielle Dokumentation die entsprechende Datei auf rund 200 Zeilen begrenzt und ausdrücklich festhält, dass längere Dateien die Befolgung verschlechtern. Die begutachtete Evidenz stützt eindeutig die zweite Position. In der Lost-in-the-Middle-Studie hob die Übergabe des einen richtigen Dokuments die Genauigkeit um 27,8 bis 50,4 Prozentpunkte, während eine Vervierfachung oder Verzwölfeinhalbfachung des Kontextfensters die Genauigkeit um 0,3 Punkte veränderte. Das ist ein Vorteil von 93 bis 107 zu 1 für gutes Auswählen gegenüber mehr Speichern. Die praktische Schlussfolgerung lautet nicht “mehr Kontext schreiben”. Sie lautet: “Ordnen Sie jede Tatsache der Ebene zu, auf der sie noch gelesen wird.”
Welches Scheitern das löst
Die Klage ist bekannt. Sie erklären zu Gesprächsbeginn Ihre Rolle, Ihre Kunden, Ihre Rahmenbedingungen und Ihren Hausstil. Das Ergebnis wird besser. Am nächsten Tag öffnen Sie ein neues Gespräch und erklären alles erneut. Nach der vierten Wiederholung entscheiden Sie, das Tool sei nicht für echte Arbeit gebaut.
Es ist dafür gebaut. Sie liefern den Kontext an der einen Stelle ab, die zum Vergessen entworfen wurde: im Gespräch. Die drei Konfigurationsebenen existieren genau dafür, das zu halten, was nicht noch einmal getippt werden sollte. Was fast niemand tut, ist bewusst zu entscheiden, welche Tatsache auf welche Ebene gehört. Dieses Zuordnungsproblem ist die ganze Disziplin, und es ist etwas anderes als das Schreiben eines guten Prompts. Wenn Sie noch kein einziges Quelldokument über Ihre Arbeit angelegt haben, beginnen Sie mit der Kontextdatei; dieser Beitrag handelt davon, wo dessen Inhalte tatsächlich leben sollten.
Was die drei Ebenen sind
Die Begriffe unterscheiden sich je nach Anbieter, die Architektur ist jedoch konvergiert.
Ebene 1, das Dauerbriefing. Anweisungen, die für alles gelten, was Sie mit dem Tool tun. ChatGPT nennt das benutzerdefinierte Anweisungen. Anthropics Entwicklerwerkzeuge nutzen eine Anweisungsdatei auf Nutzerebene unter ~/.claude/CLAUDE.md. Googles Entsprechung, pro Assistent statt global angewandt, ist der Gem-Anweisungsblock. Diese Ebene wird in jede Sitzung geladen.
Ebene 2, Projekt oder Arbeitsbereich. Kontext, begrenzt auf ein einzelnes Arbeitsfeld: ein Kunde, ein Produkt, ein Rechercheinstrang. Dateien, Referenzdokumente und Anweisungen, die innerhalb dieser Grenze gelten und sonst nirgends. Anthropic dokumentiert dies als Anweisungsdatei auf Projektebene, die neben der Arbeit abgelegt wird, plus pfadgebundene Regeln, die nur laden, wenn passendes Material im Spiel ist.
Ebene 3, Gedächtnis. Notizen, die der Assistent ungefragt über Sie schreibt. Anthropics Dokumentation ist bei der Arbeitsteilung ungewöhnlich deutlich: Anweisungsdateien schreiben Sie und sie enthalten “Anweisungen und Regeln”, während das automatische Gedächtnis vom Modell geschrieben wird und “Erlerntes und Muster” enthält, konkret Ihre Präferenzen, Ihre Korrekturen und Projektkontext, den das Modell nicht selbst ableiten kann. Sie hält außerdem fest, dass der Gedächtnisindex je Sitzung nur die ersten 200 Zeilen oder 25 KB lädt, je nachdem, was zuerst eintritt, und der Rest zum Sitzungsstart nicht geladen wird.
Dieses letzte Detail wiegt schwerer, als es aussieht. Ebene 3 hat ein hartes, still durchgesetztes Budget. Alles darüber hinaus ist schlicht nicht da.
Die Evidenz: Auswahl schlägt Kapazität um zwei Größenordnungen
Die Versuchung ist bei jeder dieser Ebenen dieselbe: sie zu füllen. Kontextfenster werden in Hunderttausenden Token beworben, alles zu speichern fühlt sich also kostenlos an. Die kontrollierte Evidenz sagt: ist es nicht.
Liu und Kollegen führten in den Transactions of the Association for Computational Linguistics eine Aufgabe zur Beantwortung von Fragen über mehrere Dokumente unter zwei Referenzbedingungen durch. In der Closed-Book-Bedingung erhielt das Modell keine Dokumente und musste sich auf sein vorhandenes Wissen stützen. In der Orakel-Bedingung erhielt es genau ein Dokument, nämlich das mit der Antwort. Alles Übrige in der Studie variierte, wo die Antwort zwischen Ablenkern stand.
Verifizierte Daten. Closed-Book- und Orakel-Genauigkeit bei der Beantwortung von Fragen über mehrere Dokumente (Liu et al., TACL 2024).
| Modell | Closed-Book | Orakel |
|---|---|---|
| LongChat-13B (16K) | 35,0 % | 83,4 % |
| MPT-30B-Instruct | 31,5 % | 81,9 % |
| GPT-3.5-Turbo | 56,1 % | 88,3 % |
| GPT-3.5-Turbo (16K) | 56,0 % | 88,6 % |
| Claude-1.3 | 48,3 % | 76,1 % |
| Claude-1.3 (100K) | 48,2 % | 76,4 % |
Lesen Sie die Tabelle von oben nach unten: Zwei Zeilen sind mit Absicht fast identisch. GPT-3.5-Turbo erscheint mit 4K- und mit 16K-Fenster. Claude-1.3 erscheint mit 8K und 100K. Dieselbe Modellfamilie, dieselbe Aufgabe, andere Kapazität. Diese Paarung erlaubt es, zu isolieren, was Kapazität allein einbringt. Die Arbeit selbst tabelliert das nicht.
CEOtudent-Redaktionsrahmen: die Auswahlprämie. Abgeleitet aus der obigen Tabelle; Gewinn durch das richtige Dokument gegenüber dem Gewinn durch das größere Fenster.
| Vergleich | Was sich änderte | Genauigkeitsänderung | Verhältnis |
|---|---|---|---|
| GPT-3.5-Turbo, Closed-Book zu Orakel | Das eine richtige Dokument gegeben | +32,2 Punkte (+57,4 %) | Referenz |
| GPT-3.5-Turbo, 4K zu 16K Fenster | Kontextkapazität mal 4 | +0,3 Punkte (+0,34 %) | Auswahl 107-mal wertvoller |
| Claude-1.3, Closed-Book zu Orakel | Das eine richtige Dokument gegeben | +27,8 Punkte (+57,6 %) | Referenz |
| Claude-1.3, 8K zu 100K Fenster | Kontextkapazität mal 12,5 | +0,3 Punkte (+0,39 %) | Auswahl 93-mal wertvoller |
| LongChat-13B, Closed-Book zu Orakel | Das eine richtige Dokument gegeben | +48,4 Punkte (+138,3 %) | größter beobachteter Einzelgewinn |
| MPT-30B-Instruct, Closed-Book zu Orakel | Das eine richtige Dokument gegeben | +50,4 Punkte (+160,0 %) | größter beobachteter Einzelgewinn |
Claude-1.3s Kontextfenster mal 12,5 zu nehmen, bewegte die Orakel-Genauigkeit von 76,1 % auf 76,4 %. Demselben Modell das richtige Dokument zu geben, bewegte sie von 48,3 % auf 76,1 %. Der zweite Eingriff war 93-mal größer als der erste. Für GPT-3.5-Turbo beträgt der Faktor 107. Beide Closed-Book-Werte bewegten sich beim Vergrößern des Fensters leicht in die falsche Richtung, um 0,1 Punkte, was Rauschen ist, aber sicher keine Verbesserung.
Das ist die Zahl, die man im Kopf behalten sollte, wenn man überlegt, den gesamten Kundenordner in ein Projekt zu kippen. Kapazität ist nicht die Beschränkung. Auswahl ist es.
Wann mehr Kontext schlechter ist als keiner
Der stärkere Befund ist der unangenehme. Liu und Kollegen berichten, dass die Leistung von GPT-3.5-Turbo um mehr als 20 % einbrechen konnte, wenn die relevante Information in der Mitte der Eingabe stand, und dass die Leistung in den Bedingungen mit 20 und 30 Dokumenten im schlimmsten Fall unter den eigenen Closed-Book-Wert von 56,1 % fiel.
Übersetzt in Arbeitssprache: Dem Modell wurde die Antwort gegeben. Es schnitt schlechter ab als ohne jede Vorlage. Neunzehn oder neunundzwanzig irrelevante Dokumente um ein richtiges herum richteten mehr Schaden an, als das richtige Nutzen brachte.
Der von den Autoren beschriebene Mechanismus ist eine U-förmige Kurve: starke Nutzung des Materials ganz am Anfang und ganz am Ende des Kontexts, verschlechterte Nutzung von allem dazwischen. Was Sie in der Mitte eines langen Dauerbriefings vergraben, ist funktional das gefährdetste Material.
Deshalb ist “alles rein, es könnte helfen” keine neutrale Strategie. Sie hat eine messbare Kehrseite, und die wächst mit der Menge plausibel wirkenden, aber irrelevanten Materials. Zur verwandten Frage, was zu tun ist, wenn die Ausgabe selbstbewusst falsch ist, siehe warum KI halluziniert.
Die Anbieter sind sich untereinander uneins
Hier ein Vergleich, den unseres Wissens noch niemand nebeneinandergestellt hat: die offiziellen schriftlichen Anleitungen zweier großer Anbieter zum Befüllen der Dauerbriefing-Ebene.
Verifizierte Daten. Offizielle Anbieteranleitungen zum Schreiben der Dauerbriefing-Ebene, aus der jeweils eigenen Dokumentation.
| Anbieteranleitung | Zur Länge | Zur Genauigkeit | Was es tatsächlich ist |
|---|---|---|---|
| Anthropic, Gedächtnis-Dokumentation | “Zielen Sie auf unter 200 Zeilen pro CLAUDE.md-Datei. Längere Dateien verbrauchen mehr Kontext und verschlechtern die Befolgung.” Kürzere Dateien erzeugen laut Dokumentation bessere Befolgung. | Bevorzugt konkrete, prüfbare Anweisungen: “Verwende zwei Leerzeichen Einrückung” statt “Formatiere den Code ordentlich”; “Führe npm test vor dem Commit aus” statt “Teste deine Änderungen”. |
Ausdrücklich keine erzwungene Konfiguration. Dokumentiert als Kontext, der nach dem Systemprompt als Nutzernachricht geliefert wird, ohne Garantie strikter Befolgung. |
| Google, Support-Dokumentation zu Gemini Gems | Empfiehlt vier Komponenten: Persona, Aufgabe, Kontext und Format. Unter Kontext lautet der Rat: “Geben Sie so viel Hintergrund wie möglich an.” | “Seien Sie präzise bei der gewünschten Struktur” für die Format-Komponente; Persona definiert Rolle und Antwortstil. | Ein Anweisungsblock, der an einen für einen Zweck gebauten Assistenten gekoppelt ist, nicht an eine globale Voreinstellung. |
Beide sind offiziell. Und sie weisen bei genau der Frage in entgegengesetzte Richtungen, die neue Nutzende am dringendsten beantwortet haben wollen: Wie viel soll ich schreiben?
Die Lost-in-the-Middle-Ergebnisse entscheiden. Der Hebel ist nicht Menge, sondern Platzierung und Relevanz. Googles Rat ist für den engen Fall vertretbar, für den ein Gem gebaut wird: Dort ist der Hintergrund tatsächlich die Aufgabe, und der Assistent erledigt genau eine Sache. Angewandt auf ein allgemeines Dauerbriefing, das unabhängig von Ihrer Tätigkeit in jede Sitzung geladen wird, kommt “so viel Hintergrund wie möglich” genau jener Versuchsbedingung nahe, die unter Closed-Book lag.
Auch innerhalb von Anthropics eigener Dokumentation gibt es einen zweiten Widerspruch, der auffällt, weil er lehrreich statt schlampig ist. Sie empfiehlt, große Anweisungsdateien zur Übersicht in Importe aufzuteilen, und hält dann fest, dass importierte Dateien beim Start dennoch in das Kontextfenster geladen werden, das Aufteilen also “den Kontext nicht verringert”. Ordnung und Kosten sind verschiedene Probleme, und die Dokumentation lässt das erste nicht so tun, als löse es das zweite. Die meisten Produktivitätsratschläge zur KI-Konfiguration verwischen genau diese Linie.
Die Job-Kontext-Spezifikation
Das Zuordnungsproblem braucht eine Regel, keine Vorliebe. Unsere nutzt Tests, die der Reihe nach auf jede Tatsache angewandt werden.
CEOtudent-Redaktionsrahmen: die Job-Kontext-Spezifikation. Eine Zuordnungsregel für Tatsachen über Ihre Arbeit.
| Test | Frage | Wenn ja |
|---|---|---|
| Reichweite | Gilt das für jede Arbeit, die ich mit diesem Tool mache? | Ebene 1, Dauerbriefing |
| Grenze | Gilt das nur innerhalb eines Kunden, Produkts oder Strangs? | Ebene 2, Projekt |
| Herkunft | Weiß ich das nur, weil das Tool es falsch gemacht hat und ich korrigiert habe? | Ebene 3, Gedächtnis |
| Ableitbarkeit | Könnte das Tool das aus bereits sichtbarem Material erschließen? | Keine Ebene. Löschen. |
| Flüchtigkeit | Ist das in einem Quartal falsch? | Keine Ebene. Im Gespräch sagen. |
Die vierte und fünfte Prüfung leisten die meiste Arbeit, denn sie halten die Ebenen klein genug, um das 200-Zeilen-Problem zu überstehen.
Ableitbarkeit ist der Test, den man überspringt. Enthält Ihr Projekt bereits den Styleguide, bringt es nichts, ihn im Dauerbriefing zu wiederholen, kostet aber Platzierung. Anthropics Dokumentation wendet genau diese Regel auf das eigene automatische Gedächtnis an: Es überspringe alles aus der Codebasis Ableitbare und alles, was die Anweisungsdateien bereits sagen.
Flüchtigkeit ist der Test, den man falsch herum versteht. Die Prioritäten dieses Quartals, der Abschluss dieser Woche, die Frist in elf Tagen: Alles fühlt sich nach wichtigem Kontext an, und alles ist binnen eines Quartals falsch. Dann ist es kein neutraler Ballast, sondern aktive Fehlinformation an der höchstpriorisierten Stelle jeder künftigen Sitzung.
Durchgearbeitete Zuordnung für eine Fachkraft in der Berufsmitte:
- “Ich arbeite im regulierten Pharma-Marketing; jede Aussage braucht eine Quelle.” Reichweitentest bestanden. Ebene 1.
- “Niemals Aufzählungslisten in Memos an Kunden.” Reichweitentest bestanden und konkret genug zum Prüfen. Ebene 1.
- “Die Markensprache dieses Kunden meidet Superlative, siehe beiliegenden Leitfaden.” Grenztest. Ebene 2, mit dem Leitfaden im Projekt statt in den Anweisungen zitiert.
- “Ich bitte immer wieder um kürzere Einstiege und bekomme immer wieder drei Sätze Vorrede.” Herkunftstest. Ebene 3, wenn das Tool es selbst dorthin schreibt; sonst die korrigierte Regel in einer Zeile auf Ebene 1 heben.
- “Unser Freigabeprozess hat vier Stufen”, wenn das Prozessdokument bereits im Projekt liegt. Ableitbarkeitstest nicht bestanden. Löschen.
- “Ziel für das dritte Quartal sind 14 % Wachstum.” Flüchtigkeitstest nicht bestanden. Im passenden Gespräch sagen.
Ein so gebautes Dauerbriefing landet meist zwischen 15 und 40 Zeilen. Das ist kein aus Eleganz erfundenes Ziel, sondern das, was bei den meisten Fachkräften mit einer Rolle die fünf Tests überlebt, und es liegt bequem innerhalb des einzigen Zeilenbudgets, auf das sich ein Anbieter schriftlich festgelegt hat.
Drei Konfigurationsfehler, die einen Namen verdienen
Eine Persona statt einer Spezifikation schreiben. “Du bist eine Strategieberaterin von Weltklasse” ist ein Kostüm, keine Information. Es ist nicht prüfbar, es begrenzt die Ausgabe nicht und es besetzt die wertvollste Position im Kontext. Ersetzen Sie es durch die Rahmenbedingungen, die sich tatsächlich von den Voreinstellungen des Tools unterscheiden.
Das Gedächtnis als Aktenschrank behandeln. Das Gedächtnis wird vom Modell aus Ihren Korrekturen befüllt. Es ist dafür gebaut, Erlerntes zu halten, und hat ein ausgewiesenes Ladebudget. Referenzmaterial dort hineinzudrücken, konkurriert mit den Korrekturen, die es nützlich machen, und alles über dem Budget fällt beim Sitzungsstart still weg.
Nie prüfen. Anthropics Dokumentation warnt, dass das Modell bei einander widersprechenden Regeln “willkürlich eine auswählen” könne, und empfiehlt regelmäßige Durchsicht, um veraltete oder widersprüchliche Anweisungen zu entfernen. Konfiguration verfällt. Ein Dauerbriefing von vor acht Monaten, aus einer anderen Rolle mit anderen Kunden, ist heute ein Satz Anweisungen, der die Ausgabe aktiv auf Arbeit lenkt, die Sie nicht mehr machen. Tragen Sie quartalsweise 20 Minuten Durchsicht ein und löschen Sie, statt zu ergänzen.
Wie das als Praxis aussieht
Die Einrichtung dauert einmalig etwa eine Stunde.
- Notieren Sie jede Tatsache, die Sie im letzten Monat mehr als zweimal in ein Gespräch getippt haben. Das ist Ihre Kandidatenliste, und sie soll aus Ihrem tatsächlichen Verhalten stammen, nicht aus Ihrer Vorstellung davon, was wichtig ist.
- Schicken Sie jeden Kandidaten durch die fünf Tests. Rechnen Sie damit, bei Ableitbarkeit und Flüchtigkeit ein Drittel bis die Hälfte zu streichen.
- Legen Sie die Überlebenden auf die zugewiesene Ebene. Schreiben Sie sie als konkrete Anweisungen, nicht als Beschreibungen.
- Ordnen Sie das Dauerbriefing so, dass die zwei oder drei Vorgaben, deren Verletzung Sie am meisten stören würde, oben und unten stehen, nicht in der Mitte. Das kostet nichts und adressiert die U-Kurve direkt.
- Tragen Sie eine Quartalsdurchsicht ein, deren Standardhandlung Löschen ist.
Der Grund dafür ist nicht Ordnungsliebe. Der Unterschied zwischen einem Assistenten, der Ihren Job kennt, und einem, der ihn nicht kennt, wurde mit 27,8 bis 50,4 Genauigkeitspunkten gemessen, und er kam aus der Auswahl, nicht aus dem Speichern. Zur übergeordneten Fähigkeit siehe was Kontext-Engineering ist; zur Übergabe ganzer Aufgaben statt Kontext siehe das Briefing-Framework für KI-Agenten.
Führen Sie die Konfiguration, wie eine CEO ein Mandat schreibt: wenige Vorgaben, alle bindend, nach Plan überprüft. Lernen Sie wie ein Student: Merken Sie, welche Korrektur Sie ständig wiederholen, und werten Sie diese Wiederholung als Zeichen, dass im Briefing eine Zeile fehlt.
Häufig gestellte Fragen
Soll mein ganzer Lebenslauf ins Dauerbriefing?
Fast sicher nicht. Schicken Sie ihn zeilenweise durch den Reichweitentest. Ihre aktuelle Rolle und die daraus folgenden Vorgaben bestehen ihn. Ihre Beschäftigungsgeschichte von vor zehn Jahren beeinflusst keine Ausgabe und verbraucht die Positionen, an denen bindende Vorgaben stehen sollten.
Ist ein größeres Kontextfenster ein Grund, all das zu lockern?
Die Evidenz in diesem Beitrag ist der direkte Test genau dieser Frage. Das Fenster mal 12,5 zu nehmen, veränderte die Orakel-Genauigkeit um 0,3 Punkte. Der Effekt des richtigen Dokuments war 93-mal größer. Nach dieser Datenlage hat Kapazitätswachstum die Auswahl nicht unwichtiger gemacht.
Anbieter ändern die Grenzwerte laufend. Bricht das den Rahmen?
Die konkreten Zeichen- und Zeilengrenzen ändern sich häufig, weshalb der Rahmen auf den Tests statt auf den Zahlen beruht. Reichweite, Grenze, Herkunft, Ableitbarkeit und Flüchtigkeit hängen von keinem aktuellen Grenzwert ab. Prüfen Sie den aktuellen Wert in der Dokumentation Ihres Tools, nicht in einer Zusammenfassung Dritter, denn diese Zahlen bewegen sich schneller als die meisten veröffentlichten Leitfäden.
Hilft das, wenn das Tool schlicht Fakten falsch wiedergibt?
Teilweise. Richtiger Kontext verringert eine Fehlerklasse: jene, die entsteht, weil das Modell eine Lücke füllt, die es nie hätte haben dürfen. Selbstbewusste Fehler aus dem Generierungsprozess selbst beseitigt er nicht; das ist ein eigenes Problem.
Was, wenn mein Arbeitgeber diese Einstellungen zentral verwaltet?
Dann liegt Ebene 1 teilweise nicht in Ihrer Hand. Anthropic dokumentiert eine organisationsweit verwaltete Anweisungsdatei, die individuelle Einstellungen nicht ausschließen können. Ihr Hebel verschiebt sich auf Ebene 2, wo der Projektzuschnitt meist weiterhin Ihre Gestaltung ist.
Quellen
- Liu, Lin, Hewitt, Paranjape, Bevilacqua, Petroni und Liang, Lost in the Middle: How Language Models Use Long Contexts, Transactions of the Association for Computational Linguistics, 2024. Closed-Book- und Orakel-Genauigkeit für sechs Modelle; die U-förmige Positionskurve; der Befund, dass Bedingungen mit 20 und 30 Dokumenten unter die Closed-Book-Leistung fallen können.
- Anthropic, offizielle Claude-Code-Dokumentation, Referenzseite zum Gedächtnis. Die Unterscheidung zwischen Anweisungsdateien und automatischem Gedächtnis; die vier Reichweitenebenen; die Vorgabe von unter 200 Zeilen und die Aussage, dass längere Dateien die Befolgung verschlechtern; die Ladegrenze von 200 Zeilen oder 25 KB für den Gedächtnisindex; der Hinweis, dass Anweisungsdateien Kontext und keine erzwungene Konfiguration sind; die Hinweise zu Genauigkeit, widersprüchlichen Regeln und Importen.
- Google, offizielle Support-Dokumentation von Gemini Apps zum Schreiben wirksamer Gem-Anweisungen. Die vierteilige Struktur aus Persona, Aufgabe, Kontext und Format sowie der Rat, so viel Hintergrund wie möglich anzugeben.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
This post is also available in:
