Lost in the Middle beschreibt das Phänomen, dass LLMs Informationen in der Mitte langer Kontexte schlechter verarbeiten als am Anfang oder Ende.
Was bedeutet Lost in the Middle?
Für die GEO-Optimierung hat Lost in the Middle eine praktische Konsequenz: Platzieren Sie Ihre wichtigsten Informationen am Anfang und Ende Ihrer Inhalte, nicht in der Mitte. KI-Systeme übersehen Informationen in der Mitte langer Texte systematisch. Dieses Wissen hilft Ihnen, Content so zu strukturieren, dass KI-Antworten Ihre Kernbotschaften korrekt wiedergeben.
Lost in the Middle ist ein gut dokumentiertes Phänomen bei großen Sprachmodellen: Informationen am Anfang und Ende eines langen Kontexts werden zuverlässig verarbeitet, während Fakten in der Mitte deutlich häufiger übersehen oder falsch wiedergegeben werden. Dieses U-förmige Aufmerksamkeitsmuster wurde durch den Needle-in-a-Haystack-Test systematisch nachgewiesen.
Die Ursache liegt in der Architektur der Transformer-Modelle: Der Attention-Mechanismus gewichtet Positionen am Anfang (Primacy Effect) und Ende (Recency Effect) stärker. Neuere Modelle mit größeren Kontextfenstern haben das Problem teilweise gemildert, aber nicht vollständig gelöst. Selbst Modelle mit 200.000+ Token Kontextlänge zeigen bei systematischen Tests Leistungseinbrüche in der Mitte — wenn auch weniger ausgeprägt als frühere Generationen.
Für Unternehmen hat Lost in the Middle direkte praktische Konsequenzen. Beim Haystack Engineering sollten die wichtigsten Informationen an den Anfang oder das Ende des Kontexts platziert werden. In RAG-Systemen sollte die Reihenfolge der eingefügten Dokumente bewusst gesteuert werden. Context Engineering berücksichtigt dieses Phänomen bei der Gestaltung jeder Interaktion mit dem LLM — ein einfacher Optimierungsschritt mit großer Wirkung.
Siehe auch: Context Engineering, Haystack Engineering, Needle in a Haystack Test (NIAH), Sequential-NIAH
Sie möchten das auf Ihrer Website umsetzen? Kostenloses Beratungsgespräch vereinbaren