Michael JohnsonHat ein KI-Agent eine falsche Tatsache gespeichert, kann er denselben Fehler in der nächsten Sitzung selbstsicher wiederholen. Eine am 6. November 2026 veröffentlichte Studie von Anthropic beschreibt ein Verfahren, mit dem Aufzeichnungen zwischen Aufgaben überprüft werden: Der Agent gleicht sie mit Protokollen früherer Arbeit ab, korrigiert Ungenauigkeiten und führt nützliche Informationen zusammen. Das Unternehmen nennt diesen Hintergrundprozess „Träumen“.
Die praktische Schlussfolgerung für alle, die langlebige Agenten entwickeln: Ein Gedächtnis sollte nicht an der Zahl gespeicherter Notizen gemessen werden, sondern daran, ob das System ihre Herkunft überprüfen, veränderte Informationen aktualisieren und Relevantes in einem großen Archiv finden kann. Die Experimente von Anthropic zeigen sowohl den Nutzen dieses Ansatzes als auch die Bedingungen, unter denen das Gedächtnis zum Hindernis wird.
Was die Forschenden unter Agentengedächtnis verstehen
In der Beschreibung der Gedächtniskomponenten definiert Anthropic es als Wissen aus früheren Interaktionen und Aufgaben, das sitzungsübergreifend in Form eines für den Agenten zugänglichen Kontexts gespeichert wird. Es handelt sich um eine separate Systemebene: Gemeint sind Notizen, Dateien, Indizes und andere externe Darstellungen, nicht eine Änderung der Modellparameter oder eine gewöhnliche Kurzfassung des aktuellen Dialogs.
Das Konzept besteht aus mehreren Ebenen. Ein Protokoll oder Transkript hält Ereignisse fest; Notizen heben einzelne Beobachtungen hervor; verknüpfte Darstellungen wie ein Wiki bündeln Informationen nach Themen; eine kleine übergeordnete Ebene kann vorab in eine neue Sitzung geladen werden. Der Agent muss entscheiden, was gespeichert, was später überprüft und was dem nächsten Durchlauf sofort bereitgestellt werden soll.
Diese letzte Entscheidung ist besonders schwierig: Wie wichtig ein Ereignis ist, wird oft erst klar, wenn der Agent den weiteren Verlauf kennt. Deshalb untersuchte Anthropic die Trennung zwischen der Arbeit während einer Sitzung und der Verarbeitung im Hintergrund. Während der Ausführung legt der Agent Protokolle und Notizen an; später kann ein separater Durchgang sie überprüfen, Quellen abgleichen und die Gedächtnisstruktur aktualisieren.
Wie der Mechanismus getestet wurde
Statt eines einzigen allgemeinen Tests beschrieb das Unternehmen mehrere Aufgaben: Fragen zu einer Wissensdatenbank, das Durchspielen von Pokémon Red, den Aufbau eines Wikis aus Unternehmensdokumenten und die Erstellung eines juristischen Briefings zu Vertragsbedingungen. Diese Auswahl prüft verschiedene Gedächtnisfunktionen: Regeln sitzungsübergreifend zu bewahren, nützliche Details auszuwählen, Fehler zu korrigieren und Informationen aus mehreren Dokumenten zusammenzuführen.
Bei einer Aufgabe mit einer Datenbank begann jede Frage in einer neuen Sitzung. Zwischen den Sitzungen blieb nur der Speicherordner erhalten, auf den das Modell zugreifen konnte. Die Forschenden verglichen die Leistung mit und ohne Gedächtnis und beobachteten außerdem, wie die Modelle Einträge erstellten. Anthropic weist auf einen wichtigen Unterschied hin: Eine Notiz mit einer überprüften Regel und einer Erklärung ihrer Herkunft kann bei der nächsten Frage helfen; eine Sammlung ungeprüfter Vermutungen schafft dagegen keinen verlässlichen Lernkreislauf.
In einem separaten Experiment erstellte ein Agent ein Wiki aus rund 350.000 internen Dokumenten mit etwa 420 Millionen Tokens. Anschließend ergänzten und überprüften 128 aufeinanderfolgende Sitzungen die Seiten, korrigierten Verknüpfungen und führten Duplikate zusammen. Die Überprüfung bestand aus 25 Fragen zum Korpus. Dies ist eine eng umrissene Versuchsaufgabe mit einer festgelegten Dokumentensammlung, keine allgemeingültige Bewertung des Gedächtnisses beliebiger Agenten.
Was die Experimente zeigten
Bei der Aufgabe mit der Wissensdatenbank erhöhte das Gedächtnis die durchschnittliche Leistung mehrerer Modelle. Bei Opus 5.5 stieg etwa der durchschnittliche Anteil erfüllter Kriterien ohne Speicher von 0,655 auf 0,838; bei Sonnet 5.5 von 0,644 auf 0,833. Das Ergebnis hing jedoch davon ab, wie das Modell die Einträge nutzte: Claude Sonnet 4.6 las vor der Antwort häufig keine Gedächtnisdateien, während Opus 5.5 und Sonnet 5.5 überprüfte Regeln besser formulierten und später einsetzten.
Das Pokémon-Experiment zeigte, welchen Preis übermäßiges Archivieren hat. In einem Durchlauf erstellte Sonnet 3.7 413 Dateien in 225 Ordnern und hielt zahlreiche Begegnungen, Gegenstände und Figuren fest. Ein großer Teil dieser Informationen veraltete schnell: Position und Zustand im Spiel änderten sich, und der Agent verwendete Aktionen darauf, Einträge zu durchsuchen und neu zu ordnen. In einem separaten Vergleich des Gedächtnisses bei etwa 10.000 Schritten verwendete Fable 5 neun Dateien in zwei Ordnern sowie eine separate gemeinsame Datei; laut Anthropic erhielt Fable 5 vier Orden, Sonnet 3.7 dagegen einen.
Ein besonders anschauliches Beispiel betrifft eine falsche Notiz über den Standort des Pokémon-Centers bei der Höhle Mt. Moon. Der Agent nahm an, er habe die Höhle bereits durchquert, und landete wieder auf derselben Route. Ein Hintergrunddurchlauf glich die Notiz mit dem Aktionsprotokoll ab, erkannte den Fehler und schrieb sie um. Danach kehrte der Agent zum Eingang zurück und erreichte Cerulean City; die Variante mit dem unkorrigierten Eintrag blieb im vorherigen Abschnitt stecken. Hier funktionierte das „Träumen“ als Überprüfung des Verlaufs und nicht als freie Ergänzung neuer Fakten.
Im Experiment mit dem großen Wiki stieg die Bewertung anhand der Kriterien bei 25 Fragen im Verlauf des Aufbaus von 13 % auf 48 %. In einem separaten Vergleich erreichte das Wiki ohne Suche 48 %; bei der Nutzung von Wiki und Suche zusammen änderte sich das Ergebnis von 54 % auf 61 %, während die Suche ohne Wiki 53 % erreichte. In diesem Experiment fungierte das Wiki eher als Verknüpfungskarte und thematische Ebene über der Suche denn als Ersatz für die Quelldokumente.
Warum mehr Gedächtnis nicht immer besser ist
Ein Eintrag ist eine Prognose über die Zukunft: Der Agent nimmt an, dass die gespeicherte Information erneut gebraucht wird. Diese Prognose kann veralten, falsch sein oder Informationen doppeln, die im aktuellen Zustand der Umgebung unmittelbar verfügbar sind. In einer Spielaufgabe lässt sich die Position einer Figur auf dem Bildschirm sehen; eine abgeleitete Strategie oder überprüfte Regel kann man dagegen nicht ebenso einfach abrufen, ohne erneut zu überlegen.
Das Dokumentenexperiment offenbarte ein anderes Risiko: Fehler in der Struktur. Mehrere Agenten fassten Vertragsbedingungen gleichzeitig auf einer gemeinsamen Seite zusammen und überschrieben Teile der Tabelle. Infolgedessen enthielt das Wiki 41 der 57 überprüfbaren Fakten, und das erste Briefing erfüllte 72 % der Kriterien. Nachdem jedem Vertrag eine eigene Seite zugewiesen und wichtige Bedingungen wörtlich übernommen wurden, erfüllte das Briefing 100 % der Kriterien. Bei rechtlich bedeutsamen Formulierungen erwies sich das Speichern des Zitats samt Verweis auf das Quelldokument als nützlicher als eine zusammenfassende Paraphrase.
Schließlich lohnt sich der Aufwand für den Aufbau eines Wikis nicht immer. Bei einer Aufgabe, deren Antworten in einem einzigen Dokument standen, stellte Anthropic keinen klaren Vorteil gegenüber der gewöhnlichen Textsuche fest. In einem anderen Test war das erstellte Wiki größer als die Quelldateien. Daraus ergibt sich eine einfache Anwendungsregel: Eine komplexe Struktur ist sinnvoll, wenn Fragen regelmäßig Verknüpfungen zwischen Informationen aus verschiedenen Quellen erfordern; bei einfachen Suchanfragen kann sie zusätzlichen Pflegeaufwand verursachen, ohne einen erkennbaren Nutzen zu bringen.
Was sich auf die Entwicklung von Agenten übertragen lässt
Die Ergebnisse sprechen für eine praktische Architektur mit drei Teilen. Bewahren Sie zunächst die ursprünglichen Protokolle auf, damit Notizen eine überprüfbare Grundlage haben. Erstellen Sie dann kompakte Einträge zu Schlussfolgerungen, Regeln und Plänen – mit Angabe ihrer Herkunft und ihres Prüfstatus. Starten Sie schließlich regelmäßig einen separaten Durchlauf, der Widersprüche in diesen Einträgen sucht, Verknüpfungen korrigiert und den Index neu aufbaut, ohne die Originalmaterialien durch eigene Zusammenfassungen zu ersetzen.
Bei veränderlichen Informationen ist es hilfreich, ein Datum oder einen Gültigkeitskontext zu speichern und den Eintrag bei erneuter Verwendung zu überprüfen. Bei beständigem Wissen sollten Quelle und Bestätigung erhalten bleiben. In den allgemeinen Kontext jeder Sitzung gehört nur ein kurzer Index: Anthropic weist gesondert darauf hin, dass geladene Anweisungen das Kontextfenster beanspruchen und dass eine falsche Notiz, die automatisch jedem Durchlauf hinzugefügt wird, den Fehler vielfach weiterverbreiten kann.
Die wichtigste Lehre der Studie: Ein Agentengedächtnis wird durch Auswahl und Pflege nützlich, nicht durch bloßes Ansammeln. Das Archiv bewahrt den Verlauf, die Suche findet relevante Ausschnitte, strukturierte Notizen verknüpfen wiederkehrende Regeln, und die Hintergrundprüfung führt Schlussfolgerungen zu ihren ursprünglichen Belegen zurück. Erst diese überprüfbare Verbindung macht frühere Erfahrungen zu einer Ressource für die nächste Sitzung.
