Przejdź do treści
promptowy.com / AI-begrippenlijst / Context window (contextvenster)
Technologie

Context window (contextvenster)

Het context window is de maximale hoeveelheid tekst en data die een taalmodel tegelijkertijd kan verwerken en onthouden tijdens een interactie.

Een context window, in het Nederlands ook wel het contextvenster genoemd, is de maximale hoeveelheid informatie die een taalmodel tegelijk kan overzien en analyseren. Dit venster vormt het actieve werkgeheugen van het systeem. Alles wat binnen deze grens valt, zoals jouw invoer, geüploade documenten, eerdere berichten in de conversatie en het antwoord dat het model opstelt, kan de kunstmatige intelligentie rechtstreeks gebruiken om logische verbanden te leggen.

Valt bepaalde informatie buiten dit venster? Dan heeft het taalmodel er op dat moment simpelweg geen weet van. Dit verklaart waarom chatbots bij zeer lange gesprekken soms plotseling de draad kwijtraken of eerdere afspraken vergeten. De omvang van het contextvenster wordt niet uitgedrukt in traditionele woorden of kilobytes, maar in zogeheten tokens: kleine tekstdeeltjes die door het algoritme worden verwerkt.

Hoe het contextvenster werkt onder de motorkap

Elke keer dat je een nieuw bericht naar een AI stuurt, stuurt de interface achter de schermen het hele gesprek tot dan toe opnieuw mee. Het model onthoudt namelijk van zichzelf niets tussen verschillende sessies door; het leest bij elke nieuwe reactie de volledige context opnieuw door. Zolang de totale lengte van de prompt, de gespreksgeschiedenis en het te genereren antwoord binnen het venster past, blijft de interactie soepel verlopen.

Zodra een conversatie te omvangrijk wordt, treedt er een schuifmechanisme in werking. De oudste berichten vallen aan het begin van het venster af om plaats te maken voor de nieuwste interacties. Hierdoor verdwijnen initiële instructies naar de achtergrond. Moderne modellen hebben een venster dat kan variëren van enkele duizenden tot zelfs honderdduizenden of meer dan een miljoen tokens, wat overeenkomt met honderden pagina's aan tekst.

Praktijkvoorbeeld: van bouwbedrijf in Eindhoven tot notariskantoor in Gent

Stel dat een bouwonderneming in Eindhoven een aanbesteding voorbereidt voor een gemeentelijk project. Het bestek telt honderden pagina's met technische eisen, vergunningen en veiligheidsnormen. Wanneer de projectleider dit volledige dossier in een AI-assistent laadt met een ruim contextvenster, kan het model dwarsverbanden leggen: staat er in hoofdstuk 2 een materiaaleis die botst met een milieuregel in bijlage D? Een model met een klein contextvenster zou het document opsplitsen en deze tegenstrijdigheid missen.

Hetzelfde geldt voor een notariskantoor in Gent dat tientallen statuten en aktes wil vergelijken. Dankzij een breed contextvenster kan de jurist de complete documentatie in één keer invoeren en vragen om een overzicht van afwijkingen. Toch vraagt dit om voorzichtigheid. Uit de praktijk blijkt dat modellen informatie in het uiterste begin of aan het absolute einde van een gigantische tekst veel beter oppikken dan details die ergens halverwege verborgen zitten. Dit fenomeen staat in de vakwereld bekend als het lost in the middle-probleem.

Tips om het contextvenster effectief te benutten

Wie het maximale uit een taalmodel wil halen, moet slim omgaan met de beschikbare ruimte. Enkele praktische richtlijnen:

  • Plaats kerninstructies strategisch: Zet je belangrijkste voorwaarden of doelstellingen helemaal bovenaan je prompt of herhaal ze juist helemaal onderaan, vlak voor de vraag om actie.
  • Filter overbodige ruis weg: Verwijder paginanummers, inhoudsopgaven en juridische disclaimers uit documenten voordat je ze uploadt, zodat er geen kostbare tokens verloren gaan.
  • Maak tussentijdse samenvattingen: Vraag het model bij lange projecten om de belangrijkste conclusies samen te vatten en open daarna een nieuw venster met alleen die samenvatting als vertrekpunt.
  • Start tijdig een nieuwe sessie: Blijf niet dagenlang in dezelfde chat werken voor verschillende taken; een schone sessie voorkomt contextvervuiling en onverwachte fouten.

Veelgemaakte fouten bij grote contextvensters

De grootste misvatting is dat een groter contextvenster automatisch leidt tot betere prestaties. Veel gebruikers dumpen gedachteloos complete databestanden, e-mailketens en tabellen in het invoerveld. Hoewel het model deze hoeveelheid data technisch aankan, neemt de kans op hallucinaties en oppervlakkige antwoorden toe wanneer het venster vol zit met irrelevante context.

Een andere veelvoorkomende fout is aannemen dat het model de hele geschiedenis foutloos doorzoekt. Wie gerichte feiten zoekt in een document van honderden bladzijden, kan vaak beter werken met gerichte zoektechnieken (zoals RAG) dan blind vertrouwen op het feit dat het document in zijn geheel in het contextvenster past.

Veelgestelde vragen

Hoe groot is het context window van ChatGPT?

De exacte capaciteit hangt af van het specifieke model en het accounttype dat je gebruikt, maar moderne varianten kunnen tienduizenden tot ruim honderdduizend tokens tegelijk verwerken, wat gelijkstaat aan tientallen tot honderden pagina's tekst.

Waarom vergeet een chatbot wat we eerder hebben besproken?

Wanneer een gesprek heel lang wordt, overschrijdt de totale tekst het contextvenster. Het systeem laat dan de oudste berichten vallen om ruimte te maken voor nieuwe invoer, waardoor die eerdere informatie buiten beeld verdwijnt.

Is een token hetzelfde als een woord?

Nee, een token is een lettergreep of een stukje tekst van gemiddeld vier tekens. In het Nederlands staat één token gelijk aan ongeveer driekwart van een woord, waardoor een contextvenster van 8.000 tokens grofweg 6.000 woorden bevat.

← Alle termen in de AI-begrippenlijst

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›