KI-Agenten mit Langzeitgedächtnis ausstatten

KI-Agen­ten kön­nen viele Auf­gaben automa­tisieren, die Unternehmen durch­führen möcht­en. Ein Nachteil ist jedoch, dass sie oft vergesslich sind. Ohne Langzeitgedächt­nis müssen Agen­ten Auf­gaben entwed­er in ein­er Sitzung abschließen oder ständig neu angestoßen wer­den. Um die Effizienz und den Nutzen von KI-Agen­ten zu erhöhen, ist es wichtig, ihnen ein Gedächt­nis zu ver­lei­hen, damit sie Anweisun­gen über kom­plexe Auf­gaben hin­weg behal­ten kön­nen¹Enhanc­ing AI agents with long-term mem­o­ry: Insights into Lang­Mem SDK, Mem­o­base and the A‑MEM Frame­work²How the A‑MEM frame­work sup­ports pow­er­ful long-con­text mem­o­ry so LLMs can take on more com­pli­cat­ed tasks.

Gedächt­nis ist daher entschei­dend für die Effizienz von Agen­ten, da große Sprach­mod­elle (LLMs) von Natur aus zus­tand­s­los sind. Mit Gedächt­nis kön­nen Agen­ten frühere Inter­ak­tio­nen abrufen, Infor­ma­tio­nen behal­ten und einen Kon­text aufrechter­hal­ten, um kohärentere und per­son­al­isierte Antworten zu liefern.

Unternehmen wie LangChain bieten Tools an, um das Gedächt­nis von Agen­ten zu erweit­ern, darunter das Lang­Mem SDK, das Entwick­lern hil­ft, Agen­ten zu erstellen, die Infor­ma­tio­nen aus Gesprächen extrahieren und ein Langzeitgedächt­nis auf­bauen kön­nen. Andere Optio­nen sind Mem­o­base und Cre­wAI, die eben­falls auf Langzeitgedächt­nisse abzie­len.

Eine bessere Gedächt­nisleis­tung kön­nte in ver­schiede­nen For­men auftreten, etwa als seman­tis­ches und proze­du­rales Gedächt­nis. LangChain hat fest­gestellt, dass Agen­ten bere­its über gutes Kurzzeitgedächt­nis ver­fü­gen und auf bish­erige Inter­ak­tio­nen reagieren kön­nen. Lang­Mem spe­ichert proze­du­rales Gedächt­nis als aktu­al­isierte Anweisun­gen im Prompt und ermöglicht so eine kon­tinuier­liche Verbesserung.

Forschun­gen zeigen, dass Agen­ten mit Langzeitgedächt­nis aus Fehlern ler­nen und sich anpassen kön­nen. Ein neues Gedächt­nis­sys­tem namens A‑MEM, entwick­elt von Forsch­ern der Rut­gers Uni­ver­si­ty, ermöglicht Agen­ten, Wis­sensnet­zw­erke zu erstellen, die eine kon­textbe­wusste Gedächt­nisver­wal­tung fördern.

Jedes Mal, wenn ein LLM-Agent mit sein­er Umge­bung inter­agiert — sei es durch den Zugriff auf Werkzeuge oder den Aus­tausch von Nachricht­en mit Benutzern — erzeugt A‑MEM „struk­turi­erte Gedächt­nis­no­ti­zen“, die sowohl explizite Infor­ma­tio­nen als auch Meta­dat­en wie Zeit, Kon­textbeschrei­bung, rel­e­vante Schlüs­sel­wörter und verknüpfte Erin­nerun­gen erfassen. Einige Details wer­den vom LLM gener­iert, wenn es die Inter­ak­tion unter­sucht und seman­tis­che Kom­po­nen­ten erstellt.

Unternehmen müssen auch entschei­den, was die Agen­ten vergessen sollen. Wichtige Fra­gen betr­e­f­fen die Arten von Gedächt­nis, die gespe­ichert wer­den, und wie sie aktu­al­isiert und abgerufen wer­den. LangChain emp­fiehlt, die notwendi­gen Fähigkeit­en der Agen­ten zu iden­ti­fizieren und diese mit spez­i­fis­chen Gedächt­nistypen zu verknüpfen.