„Starte Astra in einem leeren Ordner. Wirf alle alten Skills weg. Komm in einem Schuss zur Antwort. Wenn etwas korrigiert werden muss, fang wieder bei null an.“
Diese Übertreibung bleibt hängen, weil sie plausibel klingt. Wer einem AI-Agenten monatelang Regeln hinzugefügt hat, kann sich leicht vorstellen, wie das Modell den Arbeitstag mit dem Lesen des Betriebshandbuchs verbringt, bevor es überhaupt anfängt.
Die tatsächliche OpenAI-Empfehlung ist genauer:
Nicht alles löschen. Nur das laden, was relevant ist, wenn es relevant ist.
Das gilt nicht nur für Skills und AGENTS.md, sondern auch für lange Chats und lange Codex-Sessions.
Je länger eine Session wird, desto mehr alte Gespräche, Tool-Ausgaben, Logs, verworfene Versuche und überholte Anweisungen können als Material für die nächste Entscheidung verfügbar bleiben. Nützliche Historie ist wertvoll. Unnütze Historie ist wie ein Schreibtisch voller Belege vom letzten Jahr, eines kaputten USB-Sticks und sechs Versionen derselben Checkliste.
1. OpenAI sagt nicht „alles leeren“, sondern „altes Gerüst prüfen“
Am 11. September 2026 veröffentlichte OpenAI Developers „Rethinking skills and prompts for GPT-6 Astra“.
Gemeint sind die Regeln, die Teams aufgebaut haben, um ältere Modelle zu kompensieren: „Lies immer diese Dokumente“, „Führe jedes Mal alle Tests aus“, „Hole vor jedem Schritt eine Freigabe ein“.
Astra folgt Anweisungen stärker. Der offizielle Model Guide warnt, dass es empfindlicher auf Anweisungen in Skills, AGENTS.md und anderem Kontext reagiert; unklare oder widersprüchliche Regeln können dazu führen, dass es zu früh stoppt.
Das Problem ist also nicht, dass Astra Regeln ignoriert.
Das Problem ist, dass es auch die Stützräder für alte Modelle sehr gewissenhaft befolgen kann.
OpenAI nennt sogar das pauschale Lesen eines Dokumentstapels vor jeder Änderung als Beispiel für verschwendeten Kontext und langsamere Arbeit.
Besser sind kurze Skill-Beschreibungen mit präzisen Triggern, nur wirklich permanente Regeln in AGENTS.md, Spezialdokumentation nur bei passenden Aufgaben, eine klare Definition von „fertig“ sowie eine neue Prüfung alter Freigabe-, Stopp- und Übertest-Regeln.
Also kleine Verfassung + Fachhandbücher bei Bedarf.
2. Wie wahr sind die vier viralen Behauptungen?
„Leerer Ordner“ ist übertrieben. OpenAI verlangt nicht, ein bestehendes Repository oder den gesamten Kontext wegzuwerfen, sondern das zu lesen, was die Aufgabe braucht.
„Alle alten Skills löschen“ stimmt ebenfalls nicht. Trigger sollen enger, Beschreibungen kürzer und Konflikte sowie unnötige Zwänge entfernt werden.
„In einem Versuch zur Antwort“ trifft nur teilweise den Punkt. Offiziell geht es darum, den Abschluss zu definieren, damit Astra nicht nach der ersten Implementierung zurückkommt, obwohl Ausführen, Prüfen und Reparieren noch dazugehören.
„Bei Korrektur von null starten“ widerspricht mid-turn steering. Astra kann während der Arbeit neue Anforderungen oder Korrekturen aufnehmen und bereits erledigte Arbeit behalten.
Die bessere Zusammenfassung lautet: Keine Amnesie — aber nutzlose Erinnerungen nicht dauerhaft aktiv halten.
3. Wächst der Kontextverbrauch wirklich mit der Session?
Auf API-Ebene im Allgemeinen ja.
Das Modell sieht nicht nur den neuesten Satz. Frühere Nachrichten, Tool-Ergebnisse, Anweisungen und Gesprächszustand, die erhalten oder erneut eingespeist werden, werden Input für die nächste Antwort.
Vereinfacht:
5k alt + 1k neu = ~6k Input
Später kann daraus werden:
100k alt + 1k neu = ~101k Input
Reale Systeme können komprimieren, abschneiden, cachen oder Zustand selektiv behalten, daher variiert die tatsächliche Zahl. Eine lange Historie ist aber kein kostenloser unendlicher Anhang.
OpenAIs Realtime-Dokumentation erklärt ausdrücklich, dass Outputs früherer Turns zu Inputs späterer Turns werden.
4. Macht Caching aufgeblähten Kontext harmlos?
Caching hilft stark, ist aber kein magischer Mülleimer.
Stand 14. September 2026 kostet GPT-6 Astra per API 10 US-Dollar pro Million normale Input-Tokens, 1 US-Dollar pro Million cached input und 50 US-Dollar pro Million Output-Tokens. Bei mehr als 272k Input-Tokens gelten für die gesamte Anfrage 2x Input/Cache und 1,5x Output.
Ein stabiler langer Prefix kann mit Cache deutlich billiger sein. Trotzdem wächst der neue Teil, Cache Misses sind möglich, irrelevante oder widersprüchliche Anweisungen bleiben im Kontext, und eine Größenschwelle kann sogar das Preismodell ändern.
API-Preise sind außerdem nicht dasselbe wie Produktlimits von ChatGPT, Codex oder Work. Aus öffentlichen Informationen lässt sich nicht ableiten, dass ein langer ChatGPT-Thread sein Produktkontingent exakt linear mit allen historischen Tokens verbraucht.
5. Das größere Risiko sind nicht Kosten, sondern „Geister alter Regeln“
Weil Astra anweisungssensitiv ist, können ein hundert Turns altes „hier immer stoppen“, ein abgelöster Contract oder ein defensives „jedes Mal alle Tests ausführen“ weiter in Entscheidungen hineinwirken.
Drei Arten von Ballast sind besonders problematisch:
Erledigt: behobene Bugs, abgeschlossene Debatten, verworfene Optionen.
Doppelt: dieselbe Regel in mehreren Formulierungen.
Veraltet: einst richtige Anweisungen, die nicht mehr zum aktuellen Branch oder Contract passen.
Ein Mensch denkt „das war früher“. Das Modell sieht Text, der weiterhin vorhanden ist.
Das Paradox eines stärkeren Modells kann deshalb lauten: Es befolgt überflüssige Anweisungen besser.
6. Ist „lies die gesamte vorige Session und mach weiter“ ein guter Neustart?
Nur zur Hälfte.
Wenn du eine neue Session öffnest, die komplette alte Session wieder einfügst und alles aktiv lässt, hast du nur den Raum gewechselt. Alle Kartons stehen weiterhin auf dem neuen Schreibtisch.
Besser: alte Session als Lager, neue Session als Werkbank.
Mitnehmen: aktueller Zustand, feststehende Entscheidungen, weiterhin gültige Regeln, offene Aufgaben, notwendige Belege/Dateien/Commits/URLs und Einschränkungen, deren Verlust riskant wäre.
Meist zurücklassen: gelöste Diskussionen, riesige Trial-and-Error-Logs, verworfene Ansätze, Duplikate und alte Regeln.
Carry forward only what matters.
7. Ein praktischer Handoff-Prompt
Prüfe die vorherige Session und fahre fort, indem du nur den aktuellen Zustand, feststehende Entscheidungen, aktive Regeln, offene Aufgaben und die zur Verifikation nötigen Belege übernimmst.
Reproduziere oder behalte das alte Log nicht wörtlich. Verwirf veraltete Anweisungen, gelöste Diskussionen, Zwischenhistorie und doppelte Informationen. Behalte nur den Kontext, den die aktuelle Aufgabe benötigt.
Wiederhole bereits abgeschlossene Arbeit nicht. Fahre am ersten offenen Punkt fort.
Der Punkt ist nicht „lies die alte Session nie“. Sondern: Lies sie, um den aktuellen Zustand zu extrahieren, nicht um der gesamten Historie Daueraufenthalt zu geben.
8. Wann sollte man die Session wechseln?
Nicht nach einer festen Zahl von Turns. Bessere Signale sind: dieselbe Erklärung wird wiederholt aufgebaut; zurückgezogene Regeln tauchen wieder auf; der Fertig-Status wird unklar; Tool-Logs sind länger als der nützliche Zustand; die Arbeitsphase wechselt; oder der aktuelle Zustand passt in 10–30 Zeilen, während die Historie Tausende umfasst.
Workflows wie Recherche → Implementierung → Verifikation → Release lassen sich gut an Phasengrenzen komprimieren.
Für lange API-Workflows bietet OpenAI außerdem Compaction an, um früheren Zustand bei Erhalt aufgabenrelevanter Informationen mit kleinerem Token-Footprint weiterzuführen.
9. Fazit: Nicht Leere ist stark, sondern eine aufgeräumte Werkbank
Astra braucht keine Amnesie. Echtes Wissen, getroffene Entscheidungen und wichtige Grenzen sollten erhalten bleiben.
Was verschwinden sollte, ist die Pflicht, jeden historischen Umweg bei jedem Turn erneut so zu lesen, als wäre er noch eine aktuelle Anweisung.
Alte Session = Lager. Neue Session = saubere Werkbank. Handoff = Lieferschein nur mit den Kartons, die noch gebraucht werden.
Man braucht keinen Kult des leeren Ordners. Es reicht, die Belege vom letzten Jahr und den kaputten USB-Stick vom Tisch zu räumen.
Sources
- https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra
- https://developers.openai.com/api/docs/guides/latest-model
- https://platform.openai.com/docs/api-reference/realtime-server-events
- https://developers.openai.com/api/docs/models/gpt-6-astra
- https://developers.openai.com/api/docs/guides/compaction
