Kontextfenster

Als Anhaltspunkt gilt ein Wortteil je vier Zeichen: Googles Dokumentation zur Gemini-Schnittstelle rechnet 100 Wortteile als 60 bis 80 englische Wörter, IBM nennt im Schnitt 1,5 Wortteile je Wort (beide abgerufen am 15.09.2026). Ein Text mit 10.000 Zeichen belegt damit rund 2.500 Wortteile. Deutsch schneidet schlechter ab als Englisch, weil häufige Wörter ganz bleiben und seltene oder zusammengesetzte in mehrere Teile zerfallen. Wer die Kapazität eines Fensters nach englischen Angaben plant, bekommt weniger Dokument hinein als gerechnet.

An zwei verschiedenen Signalen, und beide gehören behandelt. Übersteigt allein die Eingabe das Fenster, weist die Schnittstelle die Anfrage ab – die Herstellerdokumentation nennt dafür den Fehler 400 mit einem Hinweis auf die zu lange Eingabe. Läuft erst die Antwort in die Grenze, bricht sie mitten im Satz ab und wird, je nach Modell, mit einem eigenen Abbruchgrund oder einem Prüffehler gemeldet (abgerufen am 15.09.2026). Wer diese Felder nicht ausliest, zeigt dem Nutzer eine halbe Antwort ohne Erklärung.

Die Vorgaben der Anwendung. Die Herstellerdokumentation zählt auf, was jede Anfrage mitzählt: die Systemanweisung, jede Nachricht des bisherigen Verlaufs samt Bildern und Dokumenten sowie die Beschreibungen aller Werkzeuge, die das Modell aufrufen darf (abgerufen am 15.09.2026). Ein Zwischenspeicher ändert daran nichts – er verbilligt diese Wortteile, ohne Platz zu sparen. Wer dem Modell zwanzig Werkzeuge anbietet, hat das Fenster angefüllt, bevor die erste Frage darin steht.

Ja, und zwar erheblich. Googles Dokumentation zur Gemini-Schnittstelle rechnet ein Bild mit höchstens 384 Pixeln Kantenlänge als 258 Wortteile; größere Bilder werden in Kacheln von 768 Pixeln zerlegt, jede erneut 258 Wortteile. Tonaufnahmen zählen 32 Wortteile je Sekunde – eine Stunde Mitschnitt belegt damit 115.200 Wortteile (abgerufen am 15.09.2026). Wer Belege als Bild statt als Text mitschickt, bezahlt das mit Platz im Fenster.