{"id":26063,"date":"2026-10-15T11:38:01","date_gmt":"2026-10-15T10:38:01","guid":{"rendered":"https:\/\/nowtec.solutions\/?p=26063"},"modified":"2026-10-15T14:13:18","modified_gmt":"2026-10-15T13:13:18","slug":"ki-agenten-gedaechtnis-leitplanken","status":"publish","type":"post","link":"https:\/\/nowtec.solutions\/de\/blog\/ki-agenten-gedaechtnis-leitplanken\/","title":{"rendered":"Wie wir KI-Agenten mit Ged\u00e4chtnis und Leitplanken bauen"},"content":{"rendered":"\n

\u00dcber KI-Agenten wird im Moment vor allem geredet. Wir bauen einen \u2014 offen, Session f\u00fcr Session, mit Kamera. Das Projekt heisst Whale, es ist unser eigener Agenten-Harness, und der Code liegt \u00f6ffentlich. Dieser Text fasst zusammen, was in den letzten drei Sessions passiert ist und warum es f\u00fcr Organisationen interessant ist, die selbst gerade \u00fcber Agenten nachdenken.<\/p>\n\n\n\n

Ein Agent ohne Ged\u00e4chtnis ist ein teurer Goldfisch<\/h2>\n\n\n\n

Nehmen wir einen Supportprozess. Eine Anfrage kommt herein, der Agent liest sie, sucht die passende Information zusammen, schl\u00e4gt eine Antwort vor. Funktioniert. Beim n\u00e4chsten Mal beginnt er wieder bei null \u2014 und macht denselben Umweg wie beim letzten Mal, in derselben Reihenfolge.<\/p>\n\n\n\n

Das Naheliegende ist, einfach den Gespr\u00e4chsverlauf mitzugeben. Das ist aber kein Ged\u00e4chtnis, sondern ein Protokoll, das so lange w\u00e4chst, bis es nicht mehr ins Modell passt und jede Anfrage teurer macht. Ged\u00e4chtnis ist die umgekehrte Bewegung: entscheiden, was aufbewahrt wird, in welcher Form, damit es nach Relevanz wieder auffindbar ist statt nach Reihenfolge.<\/p>\n\n\n\n

Wir haben daf\u00fcr vier Kandidaten verglichen und am Ende etwas anderes gebaut, als wir zuerst wollten. Der Ausl\u00f6ser war eine Unterscheidung aus einem Paper von Google, der Georgia Tech und der Universit\u00e4t Peking (Procedural Graphs: Self-Evolving Execution Structures for LLM Agents<\/em><\/a>, September 2026), die uns \u00fcberzeugt hat: Die meisten Systeme speichern Fakten<\/strong> \u2014 was ist was. Interessanter ist f\u00fcr einen Agenten das andere Wissen: wie etwas abl\u00e4uft<\/strong>, und vor allem, welcher Schritt erfahrungsgem\u00e4ss schiefgeht. Genau das speichern wir jetzt. Nach jeder Sitzung vergleicht das System gescheiterte mit gelungenen Abl\u00e4ufen und schreibt sein eigenes Ged\u00e4chtnis um. Verworfenes bleibt erhalten \u2014 damit es nicht ein zweites Mal probiert wird.<\/p>\n\n\n\n

Wichtig war uns dabei eine Entscheidung, die technisch klingt und in Wahrheit eine Haltung ist: Wenn das Ged\u00e4chtnis einmal nicht sauber ist, warnt das System und arbeitet weiter. Es bricht nicht ab. Ein Ged\u00e4chtnis soll eine Verbesserung sein und keine zus\u00e4tzliche Stelle, an der alles stehen bleibt.<\/p>\n\n\n\n

Jeder Plan braucht einen Kritiker und eine menschliche Freigabe<\/h2>\n\n\n\n

Die zweite H\u00e4lfte ist uns die wichtigere. Eine einzelne falsche Aktion eines Agenten ist billig \u2014 man sieht den Fehler und korrigiert ihn. Teuer wird ein guter Plan<\/strong>, der in die falsche Richtung l\u00e4uft: zw\u00f6lf Schritte, jeder f\u00fcr sich plausibel, und nichts im System hat einen Grund anzuhalten. Je besser Agenten im Planen werden, desto mehr ist das das eigentliche Risiko.<\/p>\n\n\n\n

Deshalb haben wir vor die Ausf\u00fchrung zwei Dinge gesetzt \u2014 das Muster stammt aus einem Paper von Block AI Research<\/a>, den Leuten hinter dem Agenten Goose. Erstens einen Kritiker<\/strong>: ein zweiter Agent, der den Plan auseinandernimmt, bevor irgendetwas l\u00e4uft. Er kappt \u00c4ste, verschiebt andere, einige bleiben stehen. Das macht den Plan nicht automatisch richtig \u2014 aber man sieht, was strittig war. Ein Plan, der eine Auseinandersetzung \u00fcberstanden hat, ist etwas anderes als ein Plan, den niemand hinterfragt hat.<\/p>\n\n\n\n

Zweitens eine menschliche Freigabe<\/strong>. Und zwar genau eine, an der richtigen Stelle. Die Versuchung ist gross, jeden Schritt best\u00e4tigen zu lassen \u2014 das ist der sicherste Weg zu einer Kontrolle, die niemand mehr aus\u00fcbt. Nach dem f\u00fcnfzehnten Dialogfenster klickt man auf Ja, ohne zu lesen, und dann hat man den Anschein von Aufsicht, was schlimmer ist als keine, weil man ihm vertraut. Bei uns wird der Plan als Ganzes zur Freigabe vorgelegt, einmal, solange die Entscheidung noch alles Weitere bestimmt.<\/p>\n\n\n\n

Das ist keine theoretische Vorliebe. Wir arbeiten \u00fcberall so: Agenten bereiten vor, Menschen schicken ab. Unsere eigenen Social-Media-Beitr\u00e4ge werden von Agenten entworfen und nie von einem Agenten ver\u00f6ffentlicht \u2014 der Klick geh\u00f6rt einem Menschen. Die Leitplanke in den Harness einzubauen, war weniger eine Designentscheidung als das Eingest\u00e4ndnis, dass wir es ohnehin schon so halten.<\/p>\n\n\n\n

Was das f\u00fcr Ihre Organisation bedeutet<\/h2>\n\n\n\n

Die meisten Organisationen werden nie selbst einen Agenten-Harness bauen. Sie werden einen kaufen \u2014 eingebaut in ein CRM, ein Ticketsystem, eine Dokumentenablage. Die Frage, die dann zu stellen ist, ist dieselbe, mit der wir eine ganze Session verbracht haben: An welcher Stelle schaut ein Mensch darauf, was die Maschine vorhat?<\/strong><\/p>\n\n\n\n

Die brauchbare Antwort ist weder \u201ealles kontrollieren“ noch \u201el\u00e4uft schon“. Sie ist: eine Freigabe, dort, wo die Entscheidung noch g\u00fcnstig zu \u00e4ndern ist und ein Mensch noch versteht, was er freigibt. Wenn ein Anbieter nicht zeigen kann, wo diese Stelle in seinem Produkt sitzt, dann gibt es sie nicht.<\/p>\n\n\n\n

Und das ist der Grund, warum wir das \u00f6ffentlich bauen: Die Entscheidungen sind der eigentliche Inhalt, nicht das fertige Ergebnis. Wer sie mitlesen kann \u2014 samt der Stellen, an denen wir falsch abgebogen sind \u2014, kann dieselben Fragen an jedes Produkt stellen, das ihm als \u201eagentische KI“ verkauft wird.<\/p>\n\n\n\n

Mitlesen und mitschauen<\/h2>\n\n\n\n

Die Sessions laufen auf Englisch, die ausf\u00fchrlichen Beitr\u00e4ge dazu ebenfalls.<\/p>\n\n\n\n

\n\n\"Creating\n\n\n<\/span>\n<\/span><\/span>\nCreating an AI Agent Harness: Iteration 3 \u2014 Memory Engine Research — auf YouTube ansehen →<\/span>\n<\/a>\n
Iteration 3 \u2014 vier Memory-Engines im Vergleich.<\/figcaption>\n<\/figure>\n\n\n\n
\n\n\"Creating\n\n\n<\/span>\n<\/span><\/span>\nCreating an AI Agent Harness: Iteration 4 \u2014 Memory Engine Implementation — auf YouTube ansehen →<\/span>\n<\/a>\n
Iteration 4 \u2014 das Ged\u00e4chtnis, das sich selbst umschreibt.<\/figcaption>\n<\/figure>\n\n\n\n
\n\n\"Creating\n\n\n<\/span>\n<\/span><\/span>\nCreating an AI Agent Harness: Iteration 5 \u2014 Plan Mode with a Critic and a Human Gate — auf YouTube ansehen →<\/span>\n<\/a>\n
Iteration 5 \u2014 Plan, Kritiker und menschliche Freigabe.<\/figcaption>\n<\/figure>\n\n\n\n

Die schriftlichen Fassungen:<\/p>\n\n\n\n