Home › Blog › KI-Agent wird dümmer – Kontext-Drift

Warum dein KI-Agent nach 10 Minuten dümmer wird – Kontext-Drift erklärt

02.04.2026 · aktualisiert 05.08.2026 · Ruben Schilken · 7 Min. Lesezeit

Am Anfang liefert der Agent brillante Antworten. Nach einer Weile wiederholt er sich, wird allgemein, ignoriert Vorgaben von vorhin. Die meisten Erklärungen dazu enden bei „das Kontextfenster ist voll“ und empfehlen einen Neustart.

Das ist die halbe Wahrheit – und der zweite Teil ist der teure. Dieser Text beschreibt, was in unserem eigenen Agentenbetrieb tatsächlich passiert ist, mit Datum und Zahlen.

Was wirklich passiert

Ein Modell vergisst nichts. Alles, was in der Sitzung steht, steht weiterhin da. Was sich ändert, ist das Verhältnis: Am Anfang machen deine Anweisungen vielleicht die Hälfte des Kontexts aus. Nach zwei Stunden Arbeit sind es zwei Prozent – der Rest ist Verlauf, Werkzeugausgaben, Zwischenergebnisse.

Die Anweisung ist noch da. Sie fällt nur nicht mehr auf.

Drei Ausfallarten – und die dritte kostet richtig Geld

In der Praxis äußert sich Drift nicht als eine Störung, sondern als drei verschiedene. Sie brauchen unterschiedliche Gegenmittel.

1. Die Regel verblasst

Eine Vorgabe vom Sitzungsbeginn wird nicht mehr befolgt. Harmlos, sofort sichtbar, leicht zu korrigieren – man wiederholt sie.

2. Der Grund geht verloren, das Ergebnis bleibt

Der Agent kennt noch die Entscheidung, aber nicht mehr, warum sie so fiel. Ab da verteidigt er sie mit erfundenen Begründungen oder wirft sie beim erstbesten Gegenargument um. Das fällt kaum auf, weil die Antwort souverän klingt.

3. Der Agent räumt sein eigenes Gedächtnis auf

Der teuerste Fall, und der, über den kaum jemand schreibt. Ein Agent, der unter Kontextdruck steht, fasst gern zusammen. Trifft diese Neigung auf die Wissensdatei, aus der er selbst lernt, dann „bereinigt“ er sie.

Bei uns hat ein Agent am 29. Juli 2026 die Übergabedatei eines Arbeitsbereichs von 118 auf 59 Zeilen gekürzt. Nichts davon war Unsinn: Weg waren die Liste bereits geprüfter Fehlannahmen, sechs von acht dokumentierten Schnittstellen-Fallstricken und mehrere Messfehler-Warnungen. Alles Wissen, das teuer erarbeitet war und dessen einziger Zweck darin bestand, dieselbe Arbeit nicht zweimal zu machen.

Aufgefallen ist es, weil eine Prüfung alle 15 Minuten Momentaufnahmen zieht und bei mehr als 25 Prozent Schrumpfung Alarm schlägt. Ohne diese Prüfung wäre der Verlust erst Wochen später aufgefallen – beim Wiederholen eines Fehlers, den wir längst gelöst hatten.

Warum „einfach neu starten“ das Problem verlagert

Ein Reset beseitigt die Drift, indem er den Kontext leert. Er beseitigt damit auch alles, was in dieser Sitzung gelernt wurde. Die neue Sitzung startet sauber – und ahnungslos. Sie schlägt Dinge vor, die vor zwei Wochen verworfen wurden, und fragt nach Zahlen, die längst gemessen sind.

Ein Reset ohne Übergabe löscht nicht das Problem, sondern das Wissen. Genau an dieser Stelle geht in den meisten Agenten-Aufbauten still etwas verloren: nicht beim Arbeiten, sondern beim Wechsel.

Was ein Gedächtnis leisten muss

Ein „Memory-Modul“ zu empfehlen, ist wohlfeil. Entscheidend ist, welche Eigenschaften es haben muss, damit es im Dauerbetrieb hält. Fünf sind es.

1. Außerhalb des Modells. Als Datei, nicht als Funktion des Anbieters. Sonst hängt dein Betriebswissen daran, welches Werkzeug du im nächsten Jahr benutzt.
2. Beim Start automatisch geladen. Wissen, das jemand aktiv abrufen muss, wird im Alltag nicht abgerufen. Es gehört in die ersten Zeilen der Sitzung, nicht in eine Ablage.
3. Nach Zuständigkeit getrennt. Jeder Bereich bekommt seine eigene Datei und sieht die anderen nur als Einzeiler. Das hält den Start klein und verhindert, dass zwei parallele Sitzungen sich gegenseitig überschreiben.
4. Gegen Kürzen geschützt. Ergänzen ist erlaubt, Wegnehmen nicht. Bei uns greift diese Regel nicht als Bitte im Anweisungstext, sondern als Sperre, die den Schreibvorgang verhindert – Anweisungen in Textform werden erfahrungsgemäß etwa zur Hälfte ignoriert, sobald eine Datei lang genug ist.
5. Mit Ventil. „Nie kürzen“ ohne Ausweg führt geradewegs ins nächste Problem: Eine unserer Dateien wuchs bis zum 1. August auf 1.098 Zeilen und 99 KB – rund 25.000 Token bei jedem einzelnen Sitzungsstart, bezahlt, bevor die erste Frage gestellt ist. Die Lösung ist nicht Löschen, sondern Auslagern: Ältere Blöcke wandern vollständig in ein Archiv, in der Hauptdatei bleibt eine Verweisliste.

Drift erkennen, bevor Schaden entsteht

Die üblichen Merkmale – „wird generisch“, „wiederholt sich“ – merkt man erst, wenn es schon passiert ist. Diese drei Signale kommen früher:

• Er fragt nach etwas, das entschieden ist. Das verlässlichste Frühwarnzeichen. Die Entscheidung steht noch im Kontext, wird aber nicht mehr gefunden.
• Begründungen werden allgemein statt konkret. Wenn Antworten plausibel klingen, aber keine Zahl aus dem eigenen Projekt mehr enthalten, arbeitet der Agent aus seinem Weltwissen statt aus deinem Kontext.
• Nur die jüngsten Regeln halten. Was er selbst vor fünf Minuten gesagt hat, sitzt. Was du vor zwei Stunden vorgegeben hast, nicht mehr.

Warum das mit mehr Autonomie schlimmer wird, nicht besser

Solange ein Agent nur Text schreibt, ist Drift ärgerlich. Sobald er Dateien ändert, Daten pflegt oder etwas veröffentlicht, wird sie teuer – denn die Fehler passieren dann nicht mehr im Gespräch, sondern in deinen Systemen.

Die derzeit populären Anleitungen zum Aufbau autonomer Agenten behandeln Installation, Modellwahl und Anbindungen. Was fast alle auslassen: Was passiert, wenn das Ding etwas Falsches tut? Wer darf was anfassen? Was ist unumkehrbar? An welcher Stelle muss ein Mensch zustimmen?

Der kürzeste sinnvolle Aufbau

Wer nicht gleich ein ganzes System bauen will, kommt mit drei Bausteinen sehr weit:

1. Eine Datei pro Arbeitsbereich, die bei jedem Start automatisch geladen wird – Stand, offene Punkte, bereits geklärte Irrwege.
2. Eine Übergabe am Ende jeder Sitzung, die ergänzt statt ersetzt und eine Sitzungsnummer hochzählt.
3. Eine Prüfung, die Alarm schlägt, wenn diese Datei plötzlich schrumpft.

Das ist kein Produkt, das ist eine Arbeitsweise. Sie kostet pro Sitzung zwei Minuten und verhindert, dass Wissen genau dort verschwindet, wo niemand hinsieht.

Häufige Fragen

Hilft ein größeres Kontextfenster?

Es verschiebt den Kipppunkt, es verhindert ihn nicht. Zusätzlich zahlst du jeden mitgeschleppten Token bei jeder Anfrage erneut.

Reicht es, den Agenten um eine Zusammenfassung zu bitten?

Nur, wenn die Zusammenfassung an eine bestehende Datei angehängt wird und nicht an ihre Stelle tritt. Sonst ist sie selbst der Wissensverlust – siehe Ausfallart 3.

Wie oft sollte man übergeben?

Nicht nach Uhrzeit, sondern nach Ereignis: nach jedem abgeschlossenen Arbeitsschritt und immer vor einer automatischen Komprimierung. Wir lassen daran erinnern, statt uns darauf zu verlassen, dass jemand daran denkt.

Warum wird ein KI-Agent im Lauf eines Gesprächs schlechter?

Weil der Anteil relevanter Information am Gesamtkontext sinkt. Die Anweisungen vom Anfang stehen weiterhin da, gehen aber im Verhältnis unter. Das Modell verliert nichts – es gewichtet anders.

Hilft es, einfach eine neue Sitzung zu starten?

Nur, wenn vorher festgehalten wurde, was gilt. Ein Reset ohne Übergabe löscht das Problem nicht, sondern das Wissen. Die neue Sitzung startet sauber, aber ahnungslos, und wiederholt Entscheidungen, die längst getroffen waren.

Was muss ein Gedächtnis für KI-Agenten leisten?

Es muss außerhalb des Modells liegen, beim Start automatisch geladen werden, nur die eigene Zuständigkeit zeigen, gegen Kürzung geschützt sein und einen Weg haben, alte Inhalte auszulagern statt zu löschen.

Woran erkennt man Kontext-Drift, bevor Schaden entsteht?

An drei Signalen: Der Agent fragt nach etwas, das bereits entschieden wurde. Er begründet Ergebnisse allgemein statt mit den Zahlen des Projekts. Und er hält Regeln ein, die er selbst zuletzt genannt hat, aber nicht mehr die vom Anfang.