Context Rot
Context Rot beschreibt den Qualitätsverfall von LLM-Antworten, wenn das Kontextfenster mit irrelevanten, veralteten oder widersprüchlichen Informationen überfrachtet wird – trotz technisch großer Fenster.
Context Rot beschreibt den Qualitätsverlust von LLM-Antworten, wenn das Kontextfenster mit irrelevanten oder widersprüchlichen Informationen überfüllt wird, selbst bei großen technischen Kapazitäten.
Erklärung
Studien 2026 (Chroma, Anthropic) zeigten: Ab ca. 32k Tokens sinkt die Recall-Qualität deutlich, wenn keine aktive Kontext-Pflege stattfindet. Mehr Kontext ist nicht automatisch besser.
Relevanz für Marketing
Marketing- und Sales-Agenten mit vollen CRM-Historien laufen ohne Context Engineering in Context Rot und liefern falsche Empfehlungen.
Beispiel
Ein Sales-Agent bekommt 200 alte E-Mails eines Accounts – und ignoriert dabei die letzte Kündigungsmail vor 2 Tagen.
Häufige Fallstricke
Wer nur die Kontextgröße vergrößert statt zu kuratieren, verschlimmert das Problem und erhöht Kosten.
Entstehung & Geschichte
Der Begriff Context Rot entstand um 2024–2025, als große Sprachmodelle (LLMs) wie GPT-4o und Gemini 1.5 Pro Kontextfenster von 1 Million Tokens erreichten. Trotz der Zunahme der technischen Kapazität stellten Agenturen fest, dass die Relevanz der Ausgaben sank, wenn zu viele unstrukturierte Daten eingegeben wurden. Dies führte zu einer Fokussierung auf vorverarbeitete und gefilterte Eingabestrategien.
Anwendungsfälle im Marketing
Optimierung von Prompt-Strategien für KI-gestützte Content-Generierung durch gezielte Kontextfilterung.
Analyse großer Kundendatenbanken mit LLMs, indem nur relevante Segmente für spezifische Marketingkampagnen bereitgestellt werden.
Verbesserung der Genauigkeit von KI-Antworten in Kunden-Service-Bots durch Priorisierung aktueller und relevanter Interaktionshistorien.
Effizienzsteigerung bei der automatischen Erstellung von Berichten, indem nur primäre Datenquellen in den LLM-Kontext geladen werden.
Häufige Fragen
Wie kann Davies Meyer Context Rot in Marketingkampagnen vermeiden?
Davies Meyer implementiert eine strenge Kuratierung der Eingabedaten für LLMs, um nur die relevantesten und aktuellsten Informationen zu verwenden. Dies beinhaltet den Einsatz von Datenfiltern und die Definition klarer Kontextgrenzen pro Aufgabe.
Welche Tools helfen, Context Rot zu managen?
Tools wie LangChain oder LlamaIndex bieten Frameworks zur effizienten Verwaltung und Segmentierung von Kontextdaten. Intern entwickelt Davies Meyer auch proprietäre Vorverarbeitungsmodule.
Gibt es einen Einfluss auf die Kosten, wenn Context Rot auftritt?
Ja, irrelevante Informationen im Kontextfenster können zu höheren Token-Nutzung und damit zu unnötigen Kosten führen. Eine effiziente Kontextverwaltung senkt somit die Betriebskosten der LLMs.
Verwandte Services
Tiefer einsteigen: Agentic AI Hub · Modellvergleich 2026