Agentic Memory: KI mit Elefantengedächtnis

19. Jan.
3 Min. Lesezeit

Aktualisiert: vor 7 Tagen

Wir beginnen gleich mal mit einem praktischen Beispiel aus dem Arbeitsalltag. Sie beauftragen einen Mitarbeiter oder eine Mitarbeiterin mit einer Aufgabe. Er oder sie erledigt diese auch gleich zur vollsten Zufriedenheit. Und danach? Ist alles wieder weg. Lerneffekt gleich null. Am nächsten Tag beginnt er oder sie wieder von vorne. Auf diese Weise arbeiten die meisten KI-Systeme.

Die Sache mit dem Kontext

Große Sprachmodelle wie ChatGPT können nur eine begrenzte Menge an Informationen gleichzeitig verarbeiten. Wissenschaftler nennen das „Kontextfenster“. Sobald ein Gespräch einmal länger oder die Aufgaben komplexer werden, verliert das KI-Modell schnell wichtige Details aus den Augen. Informationen verschwinden auf Nimmerwiedersehen oder Zusammenhänge gehen verloren.

Problematisch wird es dabei vor allem für Unternehmen, die Künstliche Intelligenz für mehrstufige Prozesse nutzen. Ein Kundenservice-Chatbot muss sich zum Beispiel jede Menge merken. Er muss Bescheid wissen über Produktdetails, die Kundenhistorie sowie früheren Anfragen – und das über mehrere Gespräche hinweg.

Die Lösung: AgeMem

Forscher der Alibaba Group und der Wuhan University haben vor Kurzem eine Technologie namens AgeMem entwickelt und dazu ein Forschungspapier veröffentlicht. Die Alibaba Group zählt zu den führenden Tech-Konzernen weltweit, die Wuhan University gehört zu den Top-Universitäten Chinas.

AgeMem soll Künstlicher Intelligenz eine Art Gedächtnis verleihen. Und genau wie der Mensch soll auch das System über ein Lang- und ein Kurzzeitgedächtnis verfügen:

Langzeitgedächtnis (LTM): Künstliche Intelligenz speichert wichtige Informationen dauerhaft ab – vergleichbar mit Fachwissen oder Kundendaten, die Sie sich merken.
Kurzzeitgedächtnis (STM): Künstliche Intelligenz behält relevante Details für die aktuelle Aufgabe im Blick und filtert unwichtige Informationen heraus.

Der Clou: Die KI soll selbst entscheiden, was sie speichert, aktualisiert oder löscht. Das macht sie natürlich nicht einfach so, sie wurde dafür extra geschult. Trainiert wurde mit sogenanntem Reinforcement Learning, bei dem sie für gute Entscheidungen belohnt wurde.

Die Testergebnisse

Laut den Autoren der Studie arbeitet AgeMem deutlich effektiver als bisherige Systeme. Die Wissenschaftler testeten AgeMem anhand fünf komplexer Aufgaben:

Die Künstliche Intelligenz löste Aufgaben je nach Modell zwischen 24 und 50 Prozent besser als Systeme ohne Gedächtnis-Management.
Das System speicherte gezielt nur wichtige Informationen.
Die KI reduzierte den Speicherverbrauch um bis zu 5 Prozent, indem sie unwichtige Informationen herausfilterte.

Ein konkretes Beispiel: Bei komplexen Frage-Antwort-Aufgaben musste die KI Informationen aus mehreren Texten miteinander kombinieren. Ohne Gedächtnis-System verlor sie wichtige Details. Mit AgeMem behielt sie relevante Fakten und lieferte präzise Antworten.

Wie Unternehmen AgeMem (irgendwann) nutzen könnten

Was das Forschungspapier zeigt: KI-Systeme können Aufgaben übernehmen, die sich über mehrere Tage oder Wochen erstrecken. Im Unternehmensalltag könnte AgeMem somit in vielerlei Hinsicht eingesetzt werden:

Kundenbetreuung: Ein KI-Agent merkt sich Kundenhistorie, Präferenzen und frühere Probleme – und das über Monate hinweg.
Projektmanagement: Die KI speichert alle Projektdetails, Entscheidungen und Learnings zwischen den verschiedenen Phasen.
Wissensmanagement: Ihr Unternehmen kann internes Wissen strukturiert ablegen und bei Bedarf abrufen.

Aber: Es handelt sich um ein Forschungspapier, das auf arXiv veröffentlicht wurde, will heißen, die Technologie ist noch längst nicht marktreif. Wann es soweit sein wird, steht somit noch in den Sternen. Trotzdem wird deutlich, wohin die Reise geht: KI-Systeme entwickeln sich von einmaligen Helfern zu langfristigen digitalen Assistenten. Wir sind gespannt!

Glossar

Agentic Memory (AgeMem): Ein System, das KI-Modellen ermöglicht, Informationen langfristig zu speichern und gezielt zu verwalten.
Kontextfenster: Die maximale Menge an Informationen, die ein KI-Modell gleichzeitig verarbeiten kann.
Langzeitgedächtnis (LTM): Dauerhafter Speicher für wichtige Informationen, die über mehrere Sitzungen hinweg relevant bleiben.
Kurzzeitgedächtnis (STM): Temporärer Speicher für aktuell benötigte Informationen während einer Aufgabe.
Reinforcement Learning: Trainingsmethode, bei der KI-Systeme durch Belohnungen für richtige Entscheidungen lernen.
arXiv.org: Plattform, die Wissenschaftler weltweit nutzen, um Forschungsergebnisse zu teilen. Die Papers durchlaufen keine klassische Peer-Review durch unabhängige Gutachter, bevor sie online gehen.