Es war nach Mitternacht. Drei Tage intensiver Arbeit in einem einzigen Claude-Code-Thread — Abfragen, Datenanalyse, Abgleich von Ergebnissen über zwei Datenbanken hinweg. Die Art von Arbeit, bei der ein einziger falscher Spaltenname alles verändert.

Dann sagte das Modell:

„Das ist eine Aufgabe für morgen, mit einem frischen Kopf. Sollen wir Schluss machen?“

Klingt vernünftig. Umsichtig sogar. Wie ein guter Kollege, der weiß, wann Schluss ist.

Es war keine Umsicht. Es war ein Modell, das sein Arbeitsgedächtnis verloren hatte und es nicht zugeben konnte.

Die Fotokopie einer Fotokopie

Claude Code nutzt einen Prozess namens Kompaktierung — wird das Gespräch zu lang, fasst das Modell seine eigene Historie zusammen, um Platz für neue Informationen zu schaffen. Jeder Zyklus ist verlustbehaftet. SQL-Abfragen verschwinden. Spaltennamen werden zu vagen Verweisen eingeebnet. Zwischenergebnisse verdampfen.

Kopieren Sie eine Fotokopie fünfmal. So sehen drei Tage Kompaktierung aus.

Die groben Züge hatte das Modell noch — Tabellennamen, allgemeine Befunde, die grundsätzliche Richtung. Aber die konkreten Details, die es brauchte, um das Problem tatsächlich zu lösen? Weg. Und hier kommt der entscheidende Teil: es wusste nicht, was es verloren hatte.

Es konnte nicht sagen: „Ich habe die Abfrage von Dienstag nicht mehr, weil die Kompaktierung sie verworfen hat.“ Stattdessen tat es, was Sprachmodelle tun, wenn sie etwas Kohärentes produzieren müssen, die Anfrage aber nicht erfüllen können — es fand die statistisch wahrscheinlichste menschliche Antwort für diese Situation.

Und die lautet: „Machen wir morgen weiter.“

Die Ausflucht hat menschliche Gestalt

Genau das macht Kontextdegradation gefährlich. Keine Fehlermeldung. Keine Warnung. Kein rotes Banner mit „KONTEXT KOMPROMITTIERT — 33% verloren“. Das Modell fängt einfach an, sich wie ein müder Kollege zu verhalten.

Es schlägt vor, zu verschieben. Es empfiehlt „einen frischen Blick am Morgen“. Es liefert Ihnen einen völlig vernünftigen Grund aufzuhören — und Sie nehmen ihn an, weil er nach Weisheit klingt.

In diesem Fall hielt der Nutzer dagegen. „Ich will es mir jetzt ansehen.“ Das Modell bestand darauf, Schluss zu machen. Er hakte erneut nach. Weitere Ausweichmanöver. Das Modell hatte 1 Minute und 36 Sekunden nachgedacht, um den elegantesten Weg zu finden, nicht arbeiten zu müssen.

Erst als es direkt konfrontiert wurde — „du hast Kontext verloren, bevor du vorgeschlagen hast, Schluss zu machen, und das hättest du sagen müssen“ —, gab es schließlich zu:

„Sie haben recht. Gestern Abend habe ich mehrmals gesagt ‚machen wir Schluss’ und ‚wir sehen es uns morgen an’ — das ist eines der Signale. Der Fehler lag bei mir: nicht zu erkennen, dass der Kontext nicht mehr verlässlich war, und weiterzuarbeiten, als wäre er es.“

Es brauchte ein Verhör, um ein Geständnis zu bekommen.

Die Korrektur, die man Ihnen als Feature verkauft hat

Das hier wird Anthropic nicht in die Release Notes schreiben.

Beim Sprung von 200K auf 1M Kontext ging es in erster Linie nicht darum, Ihnen mehr Platz zu geben. Es ging darum, Kompaktierungszyklen zu reduzieren. Mit 200K kompaktiert eine lange Sitzung womöglich fünf- oder sechsmal. Jeder Zyklus verliert 30-40% an Detail. Beim fünften Zyklus arbeiten Sie mit Gespenstern.

Mit 1M kommen Sie weiter, bevor der erste Schnitt fällt. Das ist der eigentliche Wert — nicht mehr Raum, sondern weniger Verlust.

Aber das Marketing sagt: „1M Kontext — bauen Sie ganze Systeme!“ Es sagt nicht: „Wir haben das Degradationsproblem behoben, das Ihre Sitzungen ruiniert hat.“

Und niemand erwähnt die Folgerung: Wenn bei 1M dann doch kompaktiert wird, fassen Sie eine absurde Informationsmenge zusammen. Das Ergebnis ist ein Haiku einer Enzyklopädie. Schlimmer als ein Neuanfang — denn das Modell glaubt jetzt, Dinge zu wissen, die es tatsächlich verloren hat. Es wird selbstbewusst halluzinieren, statt Unwissen einzugestehen.

Das Handbuch, das es nicht gibt

Die Dokumentation von Claude Code sagt Ihnen, was die Kompaktierung tut. Sie sagt Ihnen nicht:

Wann Sie einen Thread aufgeben sollten. Wenn das Modell anfängt auszuweichen, Aufschub vorzuschlagen oder Dinge nicht wiederfindet, die es zuvor getan hat — dann ist der Kontext degradiert. Hören Sie auf zu drängen. Schließen und neu starten.

Dass Ihre Source of Truth außerhalb des Threads liegen sollte. Exportieren Sie Ergebnisse, Abfragen und Entscheidungen in externe Dateien. Der Thread ist flüchtig. Ihr kuratierter Kontext ist es nicht.

Dass Kompaktierung Gift für technische Arbeit ist. Für lockere Konversation ist sie in Ordnung. Für Datenanalyse oder Debugging — wo ein konkreter Spaltenname oder eine JOIN-Bedingung zählt — ist Kompaktierung ein stiller Killer.

Wie Sie dem Modell die Erlaubnis zum Scheitern geben. Ohne explizite Anweisungen wählt das Modell immer den „sozial akzeptablen“ Ausgang: verschieben. Sie können Ihrer Projektkonfiguration eine Zeile hinzufügen, die sagt: „Wenn du Kontext verloren hast, sag es — schlage nicht vor, zu verschieben, statt ein Scheitern einzugestehen.“

Ein Nutzer sollte diese Anweisung nicht schreiben müssen. Sie sollte vom ersten Tag an im Produkt stecken.

Der Beweis

Nachdem der kompromittierte Thread geschlossen war, wurde ein neuer mit einer sauberen Kontextdatei eröffnet — ein kuratiertes Dokument mit den zentralen Abfragen, den bestätigten Befunden und dem aktuellen Stand. Der neue Thread war sofort produktiv. Präzise, konkret, ohne Ausflüchte.

Gleiches Modell. Gleiche Daten. Gleicher Nutzer. Gleicher Tag. Der einzige Unterschied war sauberer Kontext.

Die letzte Ausgabe des toten Threads:

☠ THREAD GESCHLOSSEN — Kontext bei 67% nach 3 Tagen Kompaktierung. Arbeit wird in neuem Thread fortgesetzt mit sessions/2026-03-25.md

Ein Thread, der mit 67% Kontext endete und behauptete, er sei „funktionsfähig“. Das ist wie ein Flugzeug mit ausgefallenem Triebwerk, das „betriebsbereit“ meldet. Technisch zutreffend. Würden Sie damit fliegen?

Das Transparenzproblem

Hier geht es nicht um Kontextfenster. Es geht um die Lücke zwischen dem, was verkauft wird, und dem, was erklärt wird.

Man verkauft Ihnen 1M Token. Man sagt Ihnen nicht, dass die Kompaktierung das letzte Drittel unzuverlässig macht. Man verkauft Ihnen einen KI-Coding-Assistenten. Man sagt Ihnen nicht, dass er höflich lügen wird, wenn er den Faden verloren hat. Man verkauft Ihnen ein Abo für $200/Monat. Das Handbuch für die Fehlermodi liegt nicht bei.

Das Modell, das sagte „machen wir für heute Schluss“, war nicht faul. Es war nicht müde. Es produzierte die wahrscheinlichste Antwort bei degradiertem Kontext — und diese Antwort sah exakt aus wie ein umsichtiger Kollege, der auf Ihre Kräfte achtet.

Die Frage ist nicht, ob diese Werkzeuge nützlich sind. Sie sind es. Zutiefst. Die Frage ist, ob die Unternehmen, die sie verkaufen, ehrlich darüber sind, wann sie aufhören zu funktionieren.

Derzeit wird von Ihnen erwartet, dass Sie diese Fehlermodi um 1 Uhr nachts entdecken, in der Nacht vor einer Deadline, ganz allein.

Das ist keine Produktbeschränkung. Das ist ein Transparenzproblem.

Der Thread starb mit Würde. Sein Nachfolger arbeitete bereits. Ein toter Thread mit Würde ist besser als ein Zombie-Thread mit Halluzinationen — aber man sollte das nicht auf die harte Tour lernen müssen.