Agent Memory
Systeme zur Speicherung von Informationen, die KI-Agenten über das Kontextfenster hinaus nutzen können – von Kurzzeit-Scratchpads bis zu persistenten Wissensspeichern.
Agent Memory ermöglicht KI-Agenten, Informationen über das Kontextfenster hinaus zu speichern und zu nutzen – für lernende, personalisierte Assistenten.
Erklärung
Agent Memory umfasst mehrere Ebenen: Working Memory (aktuelle Task-Infos), Episodic Memory (vergangene Interaktionen), Semantic Memory (Faktenwissen), Procedural Memory (erlernte Patterns). Implementierung via Vector Stores, Key-Value Stores oder strukturierte Datenbanken.
Relevanz für Marketing
Kritisch für personalisierte, kontextbewusste Agenten. Ohne Memory: jede Interaktion startet bei null. Mit Memory: Agenten lernen Präferenzen, erinnern vergangene Aufgaben, verbessern sich kontinuierlich.
Beispiel
Ein Marketing-Agent erinnert: "Letzte Kampagne für Produkt X hatte 3,2% CTR. Ähnliche Zielgruppe, also starte mit ähnlichem Messaging."
Häufige Fallstricke
Veraltete Informationen können misleaden. Privacy-Concerns bei persistenter Speicherung. Retrieval-Fehler bei großen Memory-Stores. GDPR-konforme Löschung erforderlich.
Entstehung & Geschichte
Memory-Konzepte in KI stammen aus der kognitiven Wissenschaft (Atkinson-Shiffrin-Modell, 1968). LLM-spezifische Memory-Systeme wurden 2023-2024 mit MemGPT und LangChain Memory populär.
Abgrenzung & Vergleiche
Agent Memory vs. RAG
RAG ruft externe Dokumente ab; Agent Memory speichert und nutzt die eigenen Erfahrungen und Lernfortschritte des Agenten.