Working Memory — KI-Fähigkeiten und Grenzen

Was du lernen wirst

Geschätzter Zeitaufwand: 30 Minuten

Am Ende dieser Lektion kannst du:

Das Context Window als Container mit fester Größe erklären und die Auswirkungen auf lange Dokumente, lange Gespräche und sitzungsübergreifendes Gedächtnis verstehen
Die „Cliff"-Natur dieser Eigenschaft im Vergleich zum graduellen Abbau anderer Eigenschaften erkennen
Context-as-Leverage-Strategien anwenden: wichtiges Material nach vorne stellen, lange Arbeiten aufteilen, kritischen Kontext erneut bereitstellen
Memory, Komprimierung, Projekte/Workspaces und größere Windows als Produktfunktionen zur Bewältigung dieser Einschränkung erkennen

Wie das Context Window die Ausgaben generativer KI beeinflusst

(6 Minuten)

Alles, worauf die KI ihre Aufmerksamkeit richtet, befindet sich in einem Arbeitsbereich mit fester Größe, dem Context Window. Sie kann sich auf das konzentrieren, was darin ist. Sie kann sich nicht auf etwas außerhalb konzentrieren. Diese Einschränkung ist hart begrenzt, anders als die anderen Eigenschaften: die Dinge funktionieren, bis sie es nicht mehr tun.

Das Context Window: das Arbeitsgedächtnis der KI

Bevor du liest

Du bittest die KI, einen 50-seitigen Vertrag zu überprüfen. Wie genau musst du das Ergebnis überprüfen? Wähle einen Punkt auf dem Kontinuum und speichere deine Vermutung.

Next Token Prediction Knowledge Working Memory Steerability

Fähigkeit Einschränkung

Vertrau darauf Stichproben überprüfen Details überprüfen Sorgfältig überprüfen Hohes Risiko

Deine Vermutung

Typisch

Was dies ermöglicht

Wo es charakteristisch fehlschlägt

Produktfunktionen, die die Grenze verschieben

Wähle einen Punkt und speichere deine Vermutung. Die Lektion öffnet sich, sobald du das tust.

Meine Vermutung speichern

Überprüfe deine Intuition

Speichere deine Vermutung oben, um sie mit der typischen Platzierung zu vergleichen.

Anpassen

Balkenhöhe

Piktogrammgröße

Palette Sky → Clay Olive → Clay Cactus → Fig Slate → Clay

Wichtigste Erkenntnisse

Working Memory ist die Tatsache, dass das KI-Modell ein festes Context Window hat, auf das es sich konzentrieren kann.
Fähigkeitszone: dein Material passt bequem, die Sitzung ist aktuell, du stellst relevanten Kontext bereit.
Einschränkungszone: sehr lange Dokumente oder Gespräche, Erwartung von Kontinuität über Sitzungen hinweg, Vergraben kritischer Informationen in der Mitte langer Eingaben.
**Diese Eigenschaft hat eine Cliff statt eines Gradienten. ** Stilles Abschneiden ist der Fehlermodus, und du wirst nicht immer gewarnt.
**Das Modell lernt nicht aus deinen Korrektionen. ** Es reagiert nur auf das, was sich derzeit im Kontext befindet.
Memory-Funktionen, Komprimierung, Projekte, größere Windows und Multi-Agent-Workflows existieren alle, um diese Cliff weiter hinauszuschieben.
4D-Verbindung: Working Memory ist das, worauf Description einwirkt. Wenn du weißt, wie das Window funktioniert, kannst du verstehen, wie du Kontext strukturierst, wann du Material nach vorne stellst und wann du neu anfängst.

Übungen

Übung: Das Vorher-und-Nachher

Warum? Kontext ist Hebelwirkung. Die gleiche Aufgabe mit dem richtigen bereitgestellten Kontext kann von einem mittelmäßigen ersten Entwurf zu etwas wirklich Nützlichem werden. Diese Übung macht das konkret.

Wähle eine Aufgabe aus deiner Liste von Lektion 1, die von Kontext profitiert, den nur du hast: ein Stilhandbuch, ein früheres Beispiel guter Arbeit, eine Reihe von Einschränkungen, die für deine Rolle oder dein Publikum spezifisch sind. Schreibe in zwei oder drei Zeilen auf, wie „gut" für die Ausgabe dieser Aufgabe aussieht, klar genug beschrieben, dass ein Fremder sie bewerten könnte.

Führe nun drei Tests durch:

**Test 1: Kalter Start vs. Kontext. ** Bitte um deine Aufgabe ohne Kontext. Nur die nackte Anfrage. Speichere die Ausgabe. Starte dann ein neues Gespräch und führe die gleiche Aufgabe aus, dieses Mal mit deinem Stilhandbuch, früheren Beispiel oder Einschränkungen am Anfang. Vergleiche beide Ausgaben mit deiner „gut"-Definition. Messe die Lücke.
**Test 2: Verloren in der Mitte. ** Nimm ein längeres Dokument (oder füge mehrere Absätze Referenzmaterial zusammen). Vergrabe eine spezifische, wichtige Anweisung in der Mitte. Stelle eine Frage, deren korrekte Antwort von dieser vergrabenen Anweisung abhängt. Hat die KI sie erfasst? Verschiebe diese Anweisung jetzt ganz nach oben und frage erneut. Vergleiche.
**Test 3: Das leere Blatt. ** Führe einen kurzen Austausch, in dem du die KI über etwas Spezifisches über deinen Arbeitskontext unterrichtest oder sie bei etwas korrigierst, das sie falsch verstanden hat. Öffne dann ein brandneues Gespräch und stelle eine Frage, die voraussetzt, dass sie sich an das erinnert, was du ihr beigebracht hast. Beobachte, wie sie bei Null anfängt.

Gehe zurück zu deiner Aufgabenliste und füge eine dritte Anmerkung hinzu: welche Aufgaben benötigen einen stehenden Kontext (ein Projekt, gespeicherte Anweisungen, hochgeladene Referenzdokumente), um es wert zu sein, ausgeführt zu werden, und welche funktionieren auch ohne Kontext?

Stretch-Ziel: Wenn dein Tool Memory- oder Projektfunktionen hat, richte eine mit dem Kontext aus Test 1 ein. Führe die Aufgabe erneut aus. Vergleiche Aufwand und Qualität mit der Version ohne Kontext.

Lektion-Reflexion

Wie sehr hat das Voranstellen von Kontext die Ausgabequalität verändert? War die Lücke größer als erwartet?
Welcher eine Kontext wird diese Woche eingerichtet, um nicht mehr alles erklären zu müssen?

Was kommt als Nächstes

Die letzte Eigenschaft: Steerability. Wie viel Kontrolle hast du tatsächlich, wenn du Anweisungen gibst, und wo bricht diese Kontrolle zusammen?

Feedback

Während du den Kurs absolvierst, würden wir gerne von dir hören, wie du Konzepte aus dem Kurs in deiner Arbeit nutzt, sowie jedes Feedback, das du möglicherweise hast. Teile dein Feedback hier.

Danksagungen und Lizenz

Copyright 2026 Anthropic. Originalarbeit basierend auf dem AI Fluency Framework, entwickelt von Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork). Veröffentlicht unter der CC BY-NC-SA 4. 0-Lizenz.