Context clever einsparen

Warum Kontext das knappste Gut ist

Die Docs formulieren es als zentrale Beschränkung: „Die meisten Best Practices beruhen auf einer einzigen Randbedingung: Claudes Kontextfenster füllt sich schnell, und die Leistung nimmt ab, während es sich füllt."

Das ist nicht nur ein Kostenthema. Volle Kontexte lassen Claude frühere Instruktionen „vergessen" und mehr Fehler machen — Anthropic nennt das in seinem Context-Engineering-Artikel context rot: Modelle haben ein begrenztes Aufmerksamkeitsbudget, und jedes zusätzliche Token zehrt daran.

Das Ziel ist entsprechend nicht „so viel Kontext wie möglich", sondern die kleinstmögliche Menge an Tokens mit hohem Signalgehalt.

Was beim Start schon drin ist

Bevor du das erste Wort tippst, ist das Kontextfenster bereits belegt. Die interaktive Simulation in den Docs nennt für eine typische Session:

Diese Zahlen sind Beispielwerte, aber die Größenordnungen sind aussagekräftig: Der Projekt-CLAUDE.md-Anteil ist der einzige große Posten, den du direkt kontrollierst. Auto-Memory lädt die ersten 200 Zeilen bzw. 25 KB, je nachdem was zuerst kommt.

Was Arbeit kostet

Aus derselben Simulation, für eine ganz normale Auth-Debugging-Sitzung:

Die Lehre: Datei-Reads sind der dominante Posten. Vier Dateien kosten mehr als der gesamte Session-Start. Alles, was die Zahl der gelesenen Dateien reduziert, wirkt direkt.

Hebel 1: CLAUDE.md schlank halten

CLAUDE.md wird bei jeder Session geladen und liegt in jedem Turn im Präfix. Anthropics Regel: unter ~200 Zeilen.

Für jede Zeile die Testfrage stellen: „Würde Claude ohne diese Zeile einen Fehler machen?" Wenn nein, streichen.

Spezialwissen in Skills auslagern

Detailanweisungen für bestimmte Workflows — PR-Reviews, Datenbank-Migrationen, Deployment-Runbooks — gehören nicht in CLAUDE.md, weil sie sonst auch bei völlig anderer Arbeit im Kontext liegen. Skills laden bei Bedarf: im Startkontext liegen nur ihre Beschreibungen (im Beispiel oben 450 Tokens für alle zusammen).

Dasselbe Prinzip greift auch andersherum: Ein „codebase-overview"-Skill kann Architektur, Verzeichnisstruktur und Namenskonventionen beschreiben. Claude bekommt das auf einen Schlag, statt fünf Dateien zu lesen, um dasselbe herauszufinden.

Ergänzend: Verschachtelte CLAUDE.md-Dateien in Unterverzeichnissen und Rules mit paths:-Frontmatter laden erst, wenn Claude eine passende Datei anfasst.

Hebel 2: weniger lesen lassen

Präzise Prompts

„Was würdest du an dieser Datei verbessern?" ist ein legitimer Explorationsprompt — aber er löst breites Scannen aus. Für gezielte Arbeit: Datei, Szenario und Erwartung benennen.

Code-Intelligence-Plugins

Für typisierte Sprachen geben Code-Intelligence-Plugins Claude präzise Symbol-Navigation statt Textsuche. Ein einziges „go to definition" ersetzt ein Grep plus das Lesen mehrerer Kandidatendateien. Zusätzlich melden die Language-Server Typfehler nach Edits automatisch, ohne dass ein Compiler-Lauf im Kontext landet.

Subagents für Recherche

Nutze Subagents, um zu untersuchen, wie unser Auth-System
Token-Refresh handhabt und ob es OAuth-Utilities gibt,
die ich wiederverwenden sollte.

Auch für Verifikation: nutze einen Subagent, um diesen Code auf Edge Cases zu prüfen. Ein Reviewer in frischem Kontext sieht nur den Diff und die Kriterien, nicht die Argumentation, die zur Änderung geführt hat — und bewertet deshalb unabhängig.

Hooks als Vorfilter

Tool-Output ist oft riesig und größtenteils irrelevant. Ein PreToolUse-Hook kann Test-Kommandos umschreiben, sodass nur Failures durchkommen:

#!/bin/bash
input=$(cat)
cmd=$(echo "$input" | jq -r '.tool_input.command')
if [[ "$cmd" =~ ^(npm test|pytest|go test) ]]; then
  filtered_cmd="$cmd 2>&1 | grep -A 5 -E '(FAIL|ERROR|error:)' | head -100"
  echo "{\"hookSpecificOutput\":{\"hookEventName\":\"PreToolUse\",\"permissionDecision\":\"allow\",\"updatedInput\":{\"command\":\"$filtered_cmd\"}}}"
else
  echo "{}"
fi

Aus Zehntausenden Tokens Logfile werden Hunderte. Prüfen mit /hooks oder claude --debug — im Debug-Log erscheint dann modified tool input keys: [command].

Hebel 3: MCP-Overhead reduzieren

• MCP-Tool-Definitionen sind standardmäßig deferred: nur Namen im Kontext, Schemata erst bei Nutzung über Tool Search.
• CLI-Tools bevorzugen: gh, aws, gcloud, sentry-cli erzeugen gar keine Auflistung. Claude lernt unbekannte CLIs auch selbst: Nutze 'foo-cli --help', um das Tool zu lernen, und löse damit A, B, C.
• Ungenutzte Server abschalten: /mcp zeigt die konfigurierten Server.
• /context zeigt, was aktuell Platz belegt.

Hebel 4: Kontext aktiv zurücksetzen

Siehe auch die Werkzeug-Tabelle in Artikel 3. Zusätzlich zwei Details:

Compaction steuern

Auto-Compaction fasst zusammen, wenn das Limit naht. Mit /compact <Anweisung> steuerst du, was erhalten bleibt:

/compact Fokus auf Code-Beispiele und API-Nutzung

Dauerhaft geht das über CLAUDE.md:

# Compact instructions

When you are using compact, please focus on test output and code changes

Nützlich sind Anweisungen wie „bewahre immer die vollständige Liste der geänderten Dateien und alle Test-Kommandos".

Teilweise zusammenfassen

Esc + Esc bzw. /rewind → Checkpoint wählen → Summarize from here (verdichtet ab dort nach vorne, früherer Kontext bleibt vollständig) oder Summarize up to here (verdichtet den früheren Teil, aktueller bleibt vollständig).

Die fünf klassischen Fehlermuster

Was Kontext nicht kostet

Zwei nützliche Nicht-Kosten:

• Datei-Edits im Repo verändern frühere Reads in der Historie nicht rückwirkend. Claude Code hängt nur einen <system-reminder> an, dass sich die Datei geändert hat.
• CLAUDE.md-Änderungen mitten in der Session invalidieren den Cache nicht — greifen aber auch nicht. Die geladene Version bleibt bis /clear, /compact oder Neustart aktiv. Dasselbe gilt für den Output-Style.