{
  "video_id": "BacJ6sEhqMo",
  "channel_slug": "ibmtechnology",
  "channel_handle": "ibmtechnology",
  "title": "The Four Types of Memory Every AI Agent Needs",
  "duration_seconds": 641.0,
  "url": "https://www.youtube.com/watch?v=BacJ6sEhqMo",
  "upload_date": "",
  "transcript": "KI-Agenten haben unterschiedliche Methoden, sich\nDinge zu merken, und jede dient einem\nanderen Zweck.  Werfen wir also einen Blick\nauf die vier Haupttypen des Speichers von KI-Agenten,\nvon einigen ziemlich grundlegenden\nDingen bis hin zu einigen, wie ich finde, recht\ninteressanten neuen Bereichen.  Und ich denke, es lohnt sich zunächst einmal, darüber\nnachzudenken, wie wir es angehen.  Wie funktioniert das menschliche\nGedächtnis\neigentlich?  Man\nkann sich das menschliche Gedächtnis so vorstellen, dass es in erster Linie über ein\nKurzzeitgedächtnis verfügt.  Das sind also die Dinge,\ndie im Moment im Gehirn aktiv sind,\nwie das, was ich in diesem\nAugenblick sage.\nDas ist eine Art von Gedächtnis.  Es gibt aber\nauch\neine Art Gedächtnis, das man Faktenwissen nennt\n.  Das können Dinge sein, an die\nman sich erinnert, wie zum Beispiel die Sicherheitsrichtlinien des Unternehmens,\noder Fakten wie die Tatsache, dass\nPython eine interpretierte Sprache ist.\nDann gibt es noch\nerlernte Fähigkeiten.  So wie\nzum Beispiel spiegelverkehrt auf eine Glasscheibe zu schreiben, was ich hier gerade tue\n.  Hier werden\nkeinerlei Kameratricks angewendet.\nUnd dann gibt es noch die\npersönliche Erfahrung.  Zum Beispiel, als ich\n3 Stunden lang einen Kubernetes-\nCluster debuggt habe, nur um festzustellen, dass\nich die ganze Zeit auf den falschen Cluster verwiesen habe\n.\nIm Ernst, das hat mich 3 Stunden meiner Zeit gekostet.\nWie dem auch sei, es stellt sich heraus, dass\ngut konzipierte KI-Agenten auch\ndiese drei Arten von Speicher benötigen, oder diese\nvier Arten von Speicher, die ich hier habe.   Es gibt dafür\ntatsächlich ein bekanntes\nRahmenwerk, das von einem\nForschungsteam der Princeton University entwickelt wurde und\nden Namen KOALA trägt.\nDas sind kognitive Architekturen für\nSprachagenten, und Koala bildet vier\nverschiedene Arten von Speicher ab, die Agenten\nbenötigen.  Gehen wir also jedes einzelne durch\nund sehen wir uns an, wie sie in realen\nagentenbasierten Systemen heutzutage funktionieren.\nAlso, Typ eins,\ndas ist das\nArbeitsgedächtnis.  Dies ist das Kontextfenster des Agenten\n.  Es enthält alles, was der\nAgent im Moment sehen kann, die laufende\nKonversation und gegebenenfalls\nSystemanweisungen.\nFalls Dateien oder Daten\nin die Eingabeaufforderung geladen wurden, befinden sie sich ebenfalls dort\n.  Es ist also im Grunde eine Art\nNotizblock, und die\nAnalogie, die jeder dafür verwendet, ist, dass es genau\nwie\nRAM, der Arbeitsspeicher, ist.  Es ist schnell und\nsofort verfügbar,\naber auch unbeständig.  Wenn die Sitzung\nendet,\nist es weg.\nUnd es ist auch in seiner Größe begrenzt.  Ich meine,\ndie\ngrößten Kontextfenster, die es\nheute gibt, sind schon ziemlich groß.  Ich meine, es könnten auch\n1 Million Token oder\nsogar mehr sein, aber auch das hat\neine Obergrenze.  Und wenn man versucht, zu viel hineinzupacken,\nverschlechtert sich die Leistung, da das Modell den Überblick\nüber Dinge verliert, die sozusagen in der\nMitte des Kontextfensters versteckt sind.\nJeder Agent verfügt also über ein Arbeitsspeicher, aber das gilt auch für\njeden Chatbot.  Es ist lediglich das\nKontextfenster.  Die Frage ist also:\nWas benötigen agentenbasierte Systeme sonst noch?\nNun, ich möchte dieser Liste noch Nummer zwei hinzufügen: das\nsemantische Gedächtnis.  Und dies ist die Wissensdatenbank des Agenten\n.  Das semantische Gedächtnis\nspeichert also Fakten, Regeln, Konventionen und\nDokumentationen.\nIn der wissenschaftlichen Literatur\nwird dies oft anhand von Begriffen\nwie Vektordatenbanken oder\nWissensgraphen beschrieben.  Und ja, das sind reale\nImplementierungen, aber\nin vielen produktiven agentenbasierten Systemen\nist das semantische Gedächtnis heute etwas viel\nEinfacheres.  Es handelt sich\neinfach um Markdown-Dateien, .md-Dateien.\nNehmen wir zum Beispiel den Claude-Code.\nEs enthält also eine dieser Markdown-Dateien.\nEiner davon heißt Claude.  md.\nmd, und das befindet sich im Wurzelknoten eines\nProjekts.  Diese Datei enthält die\nProjektarchitektur, die\nCodierungskonventionen, die Build-Befehle, die\nzu verwendenden Frameworks und auch Hinweise darauf, was man vermeiden sollte\n.  Und diese Datei wird\nzu Beginn jeder\nSitzung in das Kontextfenster geladen.  Das\nsemantische Gedächtnis teilt dem Agenten also mit, was er\nim Allgemeinen wissen muss, und ohne\nes ist der Agent quasi dazu\nverdammt, immer wieder dieselben Fehler zu machen,\nweil er auf kein\ndauerhaftes Wissen zurückgreifen kann.  Also,\nArbeitsgedächtnis, semantisches Gedächtnis, was gibt es sonst noch\n?  Nun, Nummer drei,\nund das ist das prozedurale Gedächtnis.  Das\nprozedurale Gedächtnis ist das, was dem Agenten hilft,\nDinge zu tun.  Und dafür gibt es einen offenen\nStandard, der Agentenfähigkeiten genannt wird\n.  Und es verwendet ein Dateiformat namens\nskill.md.\nEine Fertigkeit ist nun einfach ein Ordner mit einer\nMarkdown-Datei, die die Fertigkeit beschreibt, ihre\nFunktion erläutert und eine\nSchritt-für-Schritt-Anleitung zur\nAusführung der Fertigkeit enthält.  Und das kann alles Mögliche sein,\nvon der Erstellung einer PowerPoint-\nPräsentation bis hin zur Durchführung einer strukturierten\nCodeüberprüfung.  Bei den Skills wird heute ein Verfahren\nnamens progressive Offenlegung angewendet.  Der\nAgent lädt also nicht alle seine Fähigkeiten\ngleichzeitig in das Kontextfenster, oder besser gesagt in den Arbeitsspeicher, da dies\ndas Arbeitsspeicherbudget sprengen könnte, wenn es eine große Anzahl\ndefinierter Agentenfähigkeiten gibt.\nDer Agent sieht stattdessen nur einen\neinfachen Index, der lediglich den\nNamen und eine Beschreibung jeder verfügbaren\nFähigkeit enthält.  Das\nwären also vielleicht 100 Token pro Fertigkeit.\nWenn dann eine Aufgabe eingeht, die\neiner dieser Kompetenzbeschreibungen entspricht,\nlädt der Agent die vollständigen Anweisungen.  Und\nwenn die Fähigkeit auf andere Dinge wie\nandere Dateien, Vorlagen oder Skripte verweist,\nwerden diese nur dann eingebunden, wenn der\nAgent sie während der Ausführung tatsächlich benötigt\n.  Der Agent wirbt also mit seinen\nFähigkeiten, lädt die Anweisungen bei\nBedarf und\nführt sie dann mit den zusätzlich\nbenötigten Ressourcen aus.  Und\nall das unterscheidet sich grundlegend vom\nsemantischen Gedächtnis, bei dem das Wissen\nimmer im Kontext vorhanden ist.   In Ordnung\n.  Nummer\nvier ist das episodische Gedächtnis.  Das episodische\nGedächtnis ist die Aufzeichnung des Akteurs über\nvergangene Interaktionen und\nEntscheidungen sowie über das, was er daraus gelernt hat.\nEine naive Umsetzungsmöglichkeit bestünde darin, einfach\nalle Gesprächsprotokolle zu speichern\nund diese dann bei\nBedarf zu durchsuchen.  Streng genommen zählt das zwar als\nepisodisches Gedächtnis,\naber oft ist das nicht sehr nützlich.  Die Funktionsweise von\nProduktionssystemen ähnelt also eher der\nDestillation.\nWährend der Agent also sitzungsübergreifend arbeitet,\nsammelt er gewissermaßen Notizen für sich selbst an,\nspeichert aber nicht\nalles.  Es entscheidet, was es wert ist,\nerinnert zu werden, basierend darauf, ob diese\nInformation in\neinem zukünftigen Gespräch tatsächlich nützlich sein könnte.  Das Ergebnis ist also eine\nverdichtete oder komprimierte Erfahrung.\nSo wie beim letzten Debuggen\ndes Authentifizierungsmoduls lag das Problem in der\nMiddleware-Schicht.\nDas ist etwas, das man sich viel besser\nmerkt als nur ein vollständiges\nProtokoll einer 45-minütigen Debugging-\nSitzung.\nUnd genau hier beginnt das Gedächtnis\ntatsächlich wie Lernen auszusehen, denn der\nAgent wird mit der Zeit immer besser.   Das\nepisodische Gedächtnis ist jedoch auch die am schwierigsten zu erfassende\nGedächtnisart, denn\nwas genau löscht man?  Wann werden\nInformationen veraltet?  Wenn ein Benutzer den\nJob wechselt, behalten Sie dann die alten\nProjektdaten bei oder sollten wir\nsie löschen?   Nun ja\n, Menschen sind eigentlich ziemlich gut im\nVergessen.  Ich mache das ständig, und so\nfrustrierend das auch sein mag, es kann\ndurchaus nützlich sein.  Für Agenten hingegen\nist Vergessen ein technisches Problem.   Es gibt\nalso vier Arten von Gedächtnis: Arbeitsgedächtnis,\nsemantisches Gedächtnis, prozedurales Gedächtnis und episodisches Gedächtnis.  Aber nicht\njeder Agent benötigt unbedingt alle vier.\nIch gebe Ihnen ein Beispiel.  Nehmen wir also an,\nwir entwickeln einen einfachen\nReflexagenten.  Das wäre also so etwas wie ein\nThermostat oder einfach ein simpler Routing-\nBot.   Es werden\nnicht alle vier benötigt.  Es benötigt möglicherweise nur\nZugriff auf den\nArbeitsspeicher und das Kontextfenster, und\ndas ist im Grunde alles.\nNehmen wir nun etwas\nKomplizierteres, wie einen\nKundendienstmitarbeiter, aber dennoch einen, der\nrelativ einfach und eng gefasst ist, wie\nbeispielsweise einen Mitarbeiter, der Passwörter zurücksetzt.\nDieser hat natürlich trotzdem Zugriff auf den\nArbeitsspeicher.\nEs benötigt aber wahrscheinlich auch Zugriff auf den\nprozeduralen Speicher,\nda es die\nFähigkeit zum Zurücksetzen des Passworts abrufen muss.  Aber das könnte es gewesen sein.\nWenn wir uns hingegen etwas\nwie einen\nCodierungsagenten ansehen, benötigt dieser wahrscheinlich Zugriff\nauf alle vier.  Es benötigt also unbedingt\nZugriff auf das\nArbeitsgedächtnis und das Kontextfenster,\naber auch das Produktwissen, das es\naus der Semantik erhält, sowie das\nFertigkeitssystem aus der prozeduralen Verarbeitung und\ndas automatische Gedächtnis aus der episodischen Verarbeitung, das\nüber Sitzungen hinweg lernt.   Das eigentliche\nUnterscheidungsmerkmal zwischen\neinem Chatbot und einem Agenten ist also das vorhandene Gedächtnis. Denn ein\nChatbot gibt eine Antwort, ein Agent hingegen\nkann eine Antwort geben, die auf anhaltendem\nWissen und gesammelter Erfahrung beruht.  Es\nerinnert sich an das Projekt.  Es merkt sich Ihre\nPräferenzen.  Und eine gute\nSpeicherarchitektur merkt sich auch die\nFehler, sodass wir nicht dazu verdammt sind,\nsie zu wiederholen. Ehrlich gesagt wäre es\nwunderbar gewesen, wenn mir ein Mitarbeiter\nvor der dritten Stunde von diesem Kubernetes-Cluster erzählt hätte\n.  Es gibt also vier Arten von KI-\nAgentenspeicher – welche davon verwenden Sie in\nIhren eigenen Agenten-Workflows?",
  "transcript_chars": 10017,
  "ingested_at": "2026-05-26T16:31:16.090873+00:00",
  "source": "channel",
  "yt_meta": {
    "view_count": 6678,
    "like_count": 472,
    "channel_id": "UCKWaEZ-_VweaEx1j62do_vQ",
    "categories": [
      "Education"
    ],
    "tags": [
      "IBM",
      "IBM Cloud"
    ]
  }
}