# Aufmerksamkeitsverlust

Auch: Attention Degradation, Verlust in der Mitte, Smart Zone

> Bei langen Gesprächen und Texten gewichtet ein Sprachmodell einzelne Stellen schwächer; Anweisungen und Details gehen leichter unter, besonders aus der Mitte.

Ein Modell kann alles im Kontextfenster lesen, aber nicht alles gleich stark beachten. Je mehr dort steht, desto weniger Gewicht fällt auf die einzelne Stelle. Am Anfang eines Gesprächs arbeiten Modelle meist präzise, mit wachsendem Verlauf lässt das nach. Besonders leicht geht Material aus der Mitte langer Texte unter.

Du merkst es daran, dass Regeln nicht mehr eingehalten werden, Details fehlen oder die Antwort vage wird, obwohl alles im Verlauf steht.

## Beispiel aus dem Arbeitsalltag

Du gibst ein Protokoll von sechzig Seiten und fragst nach dem Budgetbeschluss. Die Antwort nennt eine frühere, überholte Zahl. Du gibst nur die zwei relevanten Seiten mit und fragst noch einmal: Jetzt stimmt sie.

## Häufiges Missverständnis

„Wenn es ins Fenster passt, liest es alles gleich gründlich.“ Passen und beachten sind zwei Dinge. Weniger, dafür passendes Material verbessert das Ergebnis meist mehr als ein größeres Fenster.

## So benutzt du den Begriff

„Bei so langem Material lässt die Aufmerksamkeit nach. Ich gebe nur die relevanten Abschnitte mit.“

„Das Wichtigste gehört an den Anfang oder an das Ende, nicht in die Mitte.“

## In diesen Lektionen
- [Typische Eigenheiten der KI](/kurs/lesson-typische-fehlerbilder/md)
- [Tokens und Kontextfenster](/kurs/lesson-tokens-und-kontextfenster/md)

## Verwandte Begriffe
- [Halluzination](/glossar/halluzination/md)
- [Kontextfenster](/glossar/kontextfenster/md)
- [Neues Gespräch starten](/glossar/neues-gespraech/md)