KI-Agenten-Speicher im Jahr 2026: Mem0, Letta, Zep und der Vergleich mit Cloud-Plattformen

Wenn man mit den meisten KI-Agenten eine neue Sitzung startet, trifft man auf einen Fremden. Er kennt Ihren Namen nicht, weiß nicht, an was Sie arbeiten, und hat auch keine Ahnung, dass er gestern eine Stunde lang mit Ihnen an derselben Fehlerbehebung gearbeitet hat. Die übliche Lösung bestand darin, die alte Transkription in den nächsten Prompt einzufügen – doch das war stets mit Nachteilen verbunden: mehr Tokens, langsamere Antworten und geringere Genauigkeit. Im Jahr 2026 wurde diese Belastung zu groß, um weiterhin zu tragen, weshalb speziell entwickelte Speicherschichten eingeführt wurden, um sie zu ersetzen.

Einige Zahlen veranschaulichen das Ausmaß dieser Veränderung. Mem0s Algorithmus der dritten Generation erzielte bei LongMemEval 94,4 Punkte und verbrauchte pro Abfrage etwa 7.000 Tokens; dabei kostete das Einlesen der vollständigen Historie 25.000 oder mehr Tokens, während die p95-Latenz um 91 % sank – von 17,12 Sekunden auf 1,44 Sekunden. Zeps temporales Wissensgraphen erzielte bei Deep Memory Retrieval 94,8 %, gegenüber 93,4 % bei MemGPT, wobei die Antwortzeiten um etwa 90 % kürzer waren. Anthropic stellte am 23. April 2026 die persistente Speicherfunktion für Claude Managed Agents in einer öffentlichen Beta-Version zur Verfügung, und Rakuten, ein früher Nutzer, berichtete von einer Reduzierung der Fehlerraten um 97 %, einer Kostensenkung um 27 % sowie einer Verkürzung der Latenz bei langlaufenden Aufgabenagenten um 34 %. AWS und Microsoft wandelten dieselbe Idee in Produkte für ihre Clouds um. Im Mai 2026 startete OWASP ein spezielles Projekt namens Agent Memory Guard, da ein zwischen den Sitzungen persistierender Speicher zu einem Ziel für Angreifer geworden war.

Was folgt, ist eine Übersicht dieses Gebiets: Was Erinnerung eigentlich ist, wie die Hauptsysteme aufgebaut sind, was die Benchmarks Ihnen mitteilen und was nicht, wo die Erinnerung versagt und wohin sie sich entwickelt.

Das Amnesie-Problem

Jeder, der in den letzten Jahren einen Agenten veröffentlicht hat, kennt diese Herausforderung. Innerhalb einer Sitzung ist das Modell leistungsstark. Zwischen den Sitzungen verhält es sich wie ein Goldfisch. Jeder Login beginnt von vorne, jede Präferenz muss erneut abgefragt werden, und jeder Umstand bezüglich des Benutzers, des Projekts oder der Arbeitsabläufe muss entweder aus einer Rohtranskription rekonstruiert oder in den Systemprompt eingefügt werden, bis die Kosten für den Kontext die Gesamtkosten der Implementierung übersteigen.

Konsumentenprodukte versuchten, diese Lücke zu verbergen. OpenAI stellte ChatGPT Memory bis September 2024 allen bezahlten Tarifen zur Verfügung, erweiterte es im April 2025 so, dass alle früheren Gespräche berücksichtigt wurden, und führte es im Juni 2025 auch für kostenlose Nutzer ein. Anthropic fügte im Oktober 2025 automatische Speichermöglichkeiten zu Claude hinzu, machte diese Funktion im März 2026 für alle kostenlos und brachte ein programmgesteuertes Speichermittel für Claude Managed Agents in einer öffentlichen Beta-Version heraus, das einen persistenten /memory-Ordner mit Dateien bereitstellt, der über verschiedene Sitzungen hinweg erhalten bleibt. Es handelt sich dabei um nützliche Funktionen, doch keine davon ist ein Komponente, die man in eigenen Agenten integrieren kann.

Für Entwickler erscheint die unpraktische Alternative, bei jedem Aufruf die gesamte Historie erneut abzuspielen, in einer Demo noch akzeptabel, bricht aber bei größeren Skalen zusammen. LongMemEval, ein Benchmark für die Speicherkapazitäten von Chat-Assistenten von NeurIPS 2024, hat dies quantifiziert. Bei Historien mit etwa 115.000 Tokens verloren selbst die fortschrittlichsten Langkontextmodelle 30 bis 60 Prozentpunkte an absoluter Genauigkeit im Vergleich zu einem „Oracle“, dem die relevanten Informationen direkt zur Verfügung gestellt werden. GPT-4o, das die gesamte Historie liest, erreichte Werte zwischen etwa 60,6 % und 64 %, während das Maximum für solche „Oracles“ bei 87 % bis 92 % liegt. Ein Fenster von einer Million Tokens hilft nicht – es bietet lediglich einen größeren „Heuhaufen“, in dem das Modell die gesuchte Information verlieren kann.

Bis 2026 kristallisierte sich die Vorstellung weiter: Das Gedächtnis ist ein eigenständiger Bestandteil. Es handelt sich dabei weder um einen Trick mit Kontextfenstern, noch um einen RAG-Index für Chatprotokolle oder ein Prompt-Muster. Vielmehr ist es ein erstklassiger Speicher mit eigener Schreibmethode, Löschregeln, Abruf-API, Sicherheitsmodell und Benchmarks. Die Entwicklung findet gleichzeitig an vier Orten statt:

• Open-Source-SDKs: Mem0, Letta, Zep mit Graphiti, Cognee, LangMem und Memori.
• Produkte von Hyperscalern: AWS Bedrock AgentCore Memory, Microsoft Foundrys benutzerdefiniertes Gedächtnissystem sowie Anthropics Claude Managed Agents Memory.
• Forschung: A-MEM, HippoRAG 2, MemoryOS, M3-Agent für multimodale Eingaben, MemRL für selbstentwickelnde Agenten, AgeMem sowie Metas Sparse Memory Finetuning.

Innen im Modell: DeepSeek V4 (März 2026) führte Engram ein, ein auf Hashing basierendes O(1)-Speicherdesign, das einen Kontext von 1 Mio. Token zu einem Preis ähnlich wie bei 128 K verarbeiten kann und bei Tests mit „Nadel im Heuhaufen“ bei dieser Länge 97 % erreicht. Die Grenze zwischen dem Speicher innerhalb des Modells und dem Speicher in einer externen Datenbank wird immer verschwommener.

Der Mem0-Bericht „State of AI Agent Memory 2026“ bezeichnet das Ergebnis als Memory Engineering: eine Produktionsdisziplin mit eigenen Benchmarks, Kompromissen und Arbeitsweisen, die dem Weg folgt, den Prompt Engineering eingeschlagen hat, um zu Context Engineering zu werden. Der Rest dieses Artikels verwendet diesen Begriffskreis und stützt sich dabei auf den Mem0-ECAI-2025-Artikel sowie dessen Aktualisierung von April 2026, den Zep-Artikel, die LongMemEval- und LoCoMo-Benchmarks, das CoALA-Framework, die MemGPT- und Letta-Projekte, HippoRAG 2, MemoryOS, M3-Agent, die Einführung von Claude Managed Agents, AgentCore Memory sowie die Richtlinien von OWASP.

Context-Fenster, RAG und Chat-Logs sind keine Speicher

In fast jedem Treffen mit dem Thema „Lassen Sie uns Speicher hinzufügen“ tauchen drei Verwechslungen auf, die geklärt werden sollten, bevor die Architekturen einen Sinn ergeben.

Ein Kontextfenster ist keine Speicherung.** Das Fenster ist von kurzer Dauer, instabil und wird bei jedem Schritt erneut aufgeladen. Der Speicher hingegen bleibt zwischen den Sitzungen bestehen und verfügt über seine eigene Speicherebene, Evolutionsregeln sowie eine Vergessenspolitik. Sie ergänzen sich gegenseitig, ohne dass eine die andere ersetzt. LongMemEval zeigte, dass selbst führende Modelle mit Fenstern von Millionen Tokens ihre Genauigkeit um über 30 Prozent einbüßen, wenn sie aufgefordert werden, Fakten aus früheren Sitzungen ohne Speicherschicht abzurufen.

RAG ist keine Speicherung. Die klassische retrieval-augmented generation durchsucht ein statisches Korpus – Dokumente, die bereits vorher existierten, bevor der Agent mit jemandem spricht. Der Speicher hingegen durchsucht die eigene Vergangenheit des Agents: Nachrichten, Toolaufrufe, von dem Benutzer genannte Fakten sowie daraus abgeleitete Zusammenfassungen. Das entscheidende Merkmal im Jahr 2026 ist der Schreibweg: Ein RAG-Index ist größtenteils nur zum Hinzufügen geeignet und zustandslos, während der Speicher im Laufe der Zeit verändert werden kann, widersprüchliche Versionen eines Fakts enthalten kann, korrigiert werden muss, wenn er falsch ist, und von dem Agenten selbst geschrieben wird.

Ein Chat-Log ist keine Erinnerung. Eine Transkription speichert alles, einschließlich des „Rauschens“. Die Erinnerung sollte hingegen extrahierte Fakten wie „der Benutzer bevorzugt metrische Einheiten“, „der Fristtermin für Q3 wurde auf den 14. November verschoben“ oder „der Stripe-API-Schlüssel wurde am 2026-04-12 ausgetauscht“ speichern – jeweils mit Quelle und Gültigkeitsdauer – anstatt 80.000 Tokens Smalltalks. Diese Komprimierung, die bei hoher Genauigkeit erfolgt und hinter einer API veröffentlicht wird, die sowohl vom Agenten als auch vom Sicherheitsteam überprüft werden kann, ist die gesamte Aufgabe einer Erinnerungsschicht.

Sämtliche unten aufgeführten Systeme verfolgen dasselbe Ziel: Der Agent sollte so handeln, als gäbe es Monate an gemeinsamer Historie, doch die Rechenlast muss unterhalb eines vollständigen Kontextabrufs bleiben, der Agent darf keine Fakten über seinen Benutzer erfinden, und niemand sollte in der Lage sein, schlechte Daten in das zu schmuggeln, was er sich merkt.

Das gemeinsame Vokabular aus CoALA

Fast jedes der aktuellen Frameworks – egal ob Mem0, Letta, LangMem, Cognee, Memori oder AgentCore – verwendet dieselbe Taxonomie. Sie stammt von CoALA, dem 2023 veröffentlichten Paper von Princeton und CMU über kognitive Architekturen für Sprachagenten, in dem vier Arten menschlicher Erinnerung auf LLM-Agenten übertragen wurden:

• Arbeitsspeicher ist das aktive Kontextfenster, die Variablen, die im aktuellen Entscheidungszyklus verwendet werden. Er ist instabil.
• Episodische Erinnerung speichert spezifische vergangene Erfahrungen samt Zeitpunkt und Erzählung: „Der Benutzer fragte am 4. März nach Stripe-Webhooks und erhielt Fehler X.“
• Semantische Erinnerung enthält generalisierte Fakten: „Der Benutzer bevorzugt kurze Antworten“, „ACMEs Geschäftsjahr endet am 30. September.“

Prozedurales Gedächtnis umfasst Fähigkeiten, Routinen und Code. Es befindet sich in der Regel in Modellgewichten, Systemanweisungen und Tool-Registern, obwohl immer mehr Systeme es während der Ausführung speichern. LangMem führt eine Sammlung von Anweisungsregeln, während A-MEM ein sich ständig entwickelndes Netzwerk von Notizen bereitstellt.

Diese Unterscheidung ist wichtig, da jeder Anbieter unterschiedlich vorgeht. Mem0 basiert hauptsächlich auf semantischem Gedächtnis. Zep umfasst episodisches sowie zeitsemantisches Gedächtnis auf der Grundlage eines Wissensgraphen. Letta stellt eine virtuelle Speichermaschine bereit, die alle vier Arten abdeckt. LangMem liefert getrennte Speicher für semantisches, episodisches und prozedurales Gedächtnis. A-MEM verschmilzt episodisches und semantisches Gedächtnis durch zettelkastenartige Verknüpfungen, und Memori serialisiert alles in SQL. Zu wissen, für welche Art von Gedächtnis ein System optimiert ist, entscheidet bereits die Hälfte der Architekturentscheidungen.

Mem0: Extrahieren, dann aktualisieren

Mem0 (Y Combinator W24, mit 24 Millionen US-Dollar, die im Oktober 2025 von Basis Set, Peak XV, GitHub Fund und Kindred Ventures aufgebracht wurden) wurde 2026 zur Standard-Open-Source-Gedächtnisschicht – genauso wie pgvector zwei Jahre zuvor zum Standard-Vector-Index wurde: Es bewältigte die 80 Prozent der einfachen Fälle mit etwa drei Zeilen Python und funktionierte auch in der Produktion zuverlässig. Mitte 2026 verfügte es über mehr als 41.000 GitHub-Sterne, über 14 Millionen Downloads sowie 80.000 registrierte Entwickler, wobei die Anzahl der API-Aufrufe vom 35 Millionen im ersten Quartal 2025 auf 186 Millionen im dritten Quartal stieg.

Das Design ist absichtlich schlicht gehalten. Mem0 befindet sich zwischen dem Modell und einem Vector-Store und führt bei jedem Gesprächsschritt einen zweistufigen Prozess durch:

1. Auswertung. Der neueste Austausch zwischen Benutzer und Assistent sowie früherer Kontext werden an einen LLM-Extraktor übermittelt, der mögliche Fakten vorschlägt. Hier findet auch die Komprimierung statt.

Update. Für jeden Kandidaten zieht Mem0 die am ähnlichstenen gespeicherten Erinnerungen heran und bittet das Modell mithilfe eines Tool-Use-Auftrags, zwischen ADD (eine neue Tatsache), UPDATE (eine bestehende Tatsache erweitern), DELETE (der Kandidat widerspricht einer gespeicherten Tatsache) oder NOOP zu wählen.

Was hat Version 3 geändert

Das am 14. April 2026 integrierte v3-Algorithmus machte Mem0 zur Standardwahl. Drei Überarbeitungen waren entscheidend:

• Einzugriffs-Extraktion ausschließlich mit Hinzufügen. Anstatt dass das Modell bei jedem Schritt zwischen ADD, UPDATE, DELETE und NOOP wählen muss – was zwei LLM-Aufrufe und viele Tokens bedeutet – führt v3 einen einzigen Extraktionsvorgang durch, der nur neue Fakten erzeugt, und betrachtet die vom Agenten generierten Fakten als gleichwertig mit den vom Benutzer angegebenen. Die Doppelungsbeseitigung und das Verknüpfen von Entitäten erfolgen danach, außerhalb des Hauptverarbeitungspfades.

Mehrsignalabfrage. Drei Bewertungsmethoden laufen parallel und werden zu einer einzigen Bewertung zusammengeführt: dichte semantische Ähnlichkeit, BM25-Schlüsselwortabgleich und Entitätenabgleich. Die Kombination passt sich den jeweiligen Signalen zum Zeitpunkt der Abfrage an.

Entitätenverknüpfung anstelle eines Graphen. In der Version v3 wurde die auf Neo4j basierende Graphenvariante vollständig entfernt. Entitäten werden nun mit spaCy extrahiert, ohne Beteiligung eines LLM, und in einer begleitenden {collection}_entities-Vektorkollektion gespeichert, wobei jede Zeile eine linked_memory_ids-Liste enthält. Diese Hub-and-Spoke-Struktur bewahrt den größten Teil dessen, was ein Graph bietet, bei einem Bruchteil der Betriebskosten.

Berichtete Ergebnisse:

• LoCoMo: Insgesamt 92,5, wobei bei zeitbezogenen Fragen +29,6 und bei mehrstufigen Fragen +23,1 im Vergleich zum vollständigen Kontext erzielt wurden.
• LongMemEval: Insgesamt 94,4, wobei +53,6 bei Fragen zum Einzelsitzungs-Assistenten, +42,1 beim zeitlichen Reasoning und +16,7 bei Wissensaktualisierungen erzielt wurden.
• BEAM bei 1 Mio. und 10 Mio. Tokens: 64,1 bzw. 48,6.
• Tokenkosten: etwa 7.000 pro Abrufaufruf im Vergleich zu 25.000 oder mehr für den vollständigen Kontext, was einer Reduzierung von fast 90 % entspricht.
• p95-Latenz: 1,44 Sekunden gegenüber 17,12 Sekunden, was einer Reduzierung von fast 91 % entspricht.
• Vergleich mit OpenAI Memory: 66,88 % gegenüber 52,90 % im Gesamtscore mit einem LLM als Bewertungskriterium, was einer relativen Verbesserung von 26 % entspricht.

Auswirkungen in der Produktion

Die Integrationsdokumentation von Mem0 listet 21 Frameworks und Plattformen aus den Bereichen Python und TypeScript auf, darunter LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, das Vercel AI SDK, AgentOps und Raycast, sowie 20 Vector-Store-Backends wie Qdrant, Chroma, Weaviate, Pinecone und pgvector. Es kann auch als MCP-Server betrieben werden, wodurch Claude Code, Cursor oder jeder andere MCP-fähige Client mit ihm kommunizieren können. Sprachagenten eignen sich hervorragend dafür, da es spezielle Integrationen für ElevenLabs Conversational AI (asynchrone addMemories und retrieveMemories-Funktionen über Funktionsaufrufe), LiveKit und Pipecat gibt.

Die am häufigsten zitierte Kundengeschichte ist RevisionDojo, eine Bildungsplattform, die ihr Personalisierungssystem im Vollkontextumfeld durch Mem0 ersetzt hat und dabei einen Rückgang der Tokenkosten um 40 Prozent sowie eine bessere personalisierte Lernqualität verzeichnete. Mem0 gibt an, dass Tausende von Teams – von Start-ups bis hin zu Fortune 500-Unternehmen – es in der Produktion einsetzen, doch nur wenige Namen großer Unternehmen werden öffentlich genannt.

Letta: Das Gedächtnis als virtuelles Betriebssystem

Während Mem0 die Rolle der Plug-in-API übernimmt, fungiert Letta als Betriebssystem. Es entstand 2024 aus dem Sky Computing Lab der Universität Berkeley als produktive Fortsetzung der MemGPT-Publikation (arXiv:2310.08560) und behandelt das Kontextfenster des Modells wie RAM, wobei Informationen gezielt eingebucht und ausgebucht werden. Es verfügt über drei klare Ebenen:

• Kerngedächtnis entspricht dem RAM: ein kleiner Block, der stets im Kontext vorhanden ist und Identität, Persona sowie den Zustand der aktiven Aufgabe enthält.

Aufruf der Erinnerung funktioniert wie ein Festplattenspeicher: eine suchbare Konversationshistorie, die außerhalb des Fensters gespeichert wird.

Archivierungs-Erinnerung ist eine Langzeitspeicherung: langfristige semantische Fakten, die der Agent selbst speichert.

Drei Gestaltungsentscheidungen heben Letta von allen anderen Angeboten ab.

Selbstbearbeitende Erinnerung. Der Agent pflegt seine eigene Erinnerung während des Laufs mithilfe von Werkzeugen wie core_memory_append, archival_memory_insert und memory_replace. Es läuft kein separater Extraktor im Hintergrund. Das Modell entscheidet zum Zeitpunkt der Schlussfolgerung, was aufbewahrt werden sollte.

Rechenarbeit während des Schlafs. Man kann einen separaten Agenten für die Schlafzeit hinzufügen, der asynchron arbeitet, während der Hauptagent inaktiv ist. Dieser Agent analysiert das Gesprächsverlauf, generierte Dateien sowie Tool-Spuren und erzeugt einen zusammengefassten Teil des erlernten Kontexts, den der Hauptagent in seinem nächsten Schritt lädt. Der Agent für die Schlafzeit kann ein anderes, in der Regel größeres Modell als der Hauptagent verwenden, sodass man bei der Verarbeitung günstig rechnen kann, während man bei der Konsolidierung mehr Ressourcen aufwendet. Das steht im Gegensatz zur üblichen Skalierungsweise von autoregressiven Inferenzen und spiegelt wider, wie Gehirne episodische Erinnerungen während des Schlafs in semantische umwandeln.

Agent-Datei (.af). Letta hat ein Serialisierungsformat unter Open Source veröffentlicht, das den Systemprompt, editierbare Speicherblöcke, Tool-Code und -Schemata sowie Modell-Einstellungen in einer Datei zusammenfasst. Solche Dateien können als Checkpoints gespeichert, versioniert und zwischen kompatiblen Laufzeiten verschoben werden – was dem in diesem Bereich nächstliegenden Äquivalent zu einer Docker-Image für stateful Agents darstellt. Beim Export werden Geheimnisse entfernt.

Letta Code und seine Terminal-Bench-Bewertung

Ende 2025 veröffentlichte Letta Letta Code, einen Open-Source-Kommandozeilen-Code-Agent, der auf seinem stateful-agent SDK basiert. Der Vorteil besteht darin, dass Tools wie Cursor, Aider oder Cline jedes Mal von vorne anfangen, während ein stateful Agent Wissen über die Struktur eines Projekts, Ihre Präferenzen, frühere Debugging-Sitzungen sowie Teamkonventionen sammelt. Pro Projekt erhalten Sie einen Agent, der so lange existiert wie das Projekt selbst.

Die Leistungsangabe ist konkret. Auf Terminal-Bench belegt Letta Code den ersten Platz unter den modellunabhängigen Open-Source-Agenten mit insgesamt 42,5 % (vierter Gesamtrang und zweiter Platz unter den von Claude 4 Sonnet angetriebenen Agenten), wobei der Agent-Code zusammen mit dem SDK weniger als 200 Zeilen umfasst. Er wechselt zwischen Claude, GPT, Gemini, GLM und Kimi, ohne dass das Gedächtnis – das der ursprünglich konzipierte Agent File vorsieht – beeinträchtigt wird.

Zep und Graphiti: ein zeitbasiertes Wissensgraph

Sowohl Mem0 als auch Letta nutzen einen Vektorstore als Hauptsubstrat. Zep (arXiv:2501.13956) verfolgt hingegen den gegenteiligen Ansatz und modelliert das Gedächtnis als ein zeitbasiertes Wissensgraph. Graphiti, sein Open-Core-Engine, basiert auf drei Schichten von Subgraphen sowie einem bi-temporalen Modell, das getrennt nachzeichnet, wann etwas geschah und wann das System davon erfuhr.

• Der Episoden-Subgraph speichert rohe, hochauflösende Eingaben (Konversationsnachrichten, JSON-Dokumente, Transaktions-Snapsshots), wobei jede mit dem Zeitpunkt des ursprünglichen Ereignisses versehen ist. Er wird niemals umgeschrieben.
• Der semantische Entitäten-Subgraph enthält extrahierte Entitäten und Fakten, die als 1024-dimensionalen Vektoren dargestellt werden und durch typisierte Beziehungen miteinander verbunden sind. Die Entitäten weisen Gültigkeitsintervalle auf.
• Der Community-Subgraph bildet über der Entitätenschicht Cluster höherer Ordnung mithilfe der label-propagation-basierten Community-Detektion, die im Gegensatz zu Leiden schrittweise aktualisiert wird.

Das bi-temporale Modell ist der Teil, den es am schwierigsten mit einem einfachen Vektorlagern nachzubilden gilt. Jede Kante in Graphiti enthält vier Zeitstempel:

t_valid    : when this fact started being true in the world
t_invalid  : when it stopped being true (open if still true)
t'_created : when the system first learned the fact
t'_expired : when the system superseded or removed it

Dieses Design ermöglicht es Zep, genauso leicht auf die Frage „Was glaubte der Agent letzten Dienstag?“ zu antworten wie auf „Was gilt derzeit?“. Genau das benötigen Compliance-Teams sowie alle, die vergangene Entscheidungen von Agenten verteidigen müssen. Wenn ein Benutzer den Arbeitgeber wechselt, wird der alte nicht gelöscht: Der frühere Datensatz wird mit t_invalid markiert, der neue hinzugefügt, und beide bleiben suchbar.

Ergebnisse aus der Zep-Studie: 94,8 % bei Deep Memory Retrieval gegenüber 93,4 % bei MemGPT; bis zu 18,5 % höhere Genauigkeit bei LongMemEval sowie etwa 90 % geringere Latenz im Vergleich zum vollständigen Kontext. Unabhängige Vergleiche zeigen, dass die grafenbasierte Suche, einschließlich Graphiti, bei mehrstufigen relationellen Abfragen in der Präzision etwa 35 % vor der rein vektorbasierten Suche liegt.

Weitere Open-Source-Lösungen

Diese drei sind nicht die einzigen. Mehrere weitere Konzepte verdienen Aufmerksamkeit.

Cognee

Cognee (rund 12.000 GitHub-Sterne Mitte 2026) stellt ein Graphen-System, einen Vektor-Speicher sowie einen relationellen Speicher hinter einer einzigen API zur Verfügung. Die Eingabe erfolgt über ein sechsstufiges „cognify“-Pipeline, gefolgt von einem selbstverbessernden „memify“-Schritt, der veraltete Knoten entfernt, Kanten je nach Nutzungshäufigkeit neu gewichtet und abgeleitete Fakten hinzufügt. Es stehen vierzehn Abfragemöglichkeiten zur Verfügung – von einfacher Vektorähnlichkeit bis hin zu graphbasierten Suchvorgängen, die durch einen Gedankengang geleitet werden – und es ist außerdem ein MCP-Server enthalten.

LangMem

Das SDK von LangChain bietet Speichermöglichkeiten an zwei Integrationspunkten: einem synchronen Werkzeugpfad, den der Agent während eines Schritts aufruft, sowie einem Hintergrundmanager, der asynchron Daten extrahiert, konsolidiert und doppelte Einträge entfernt. Es verfügt über erstklassige semantische, episodische und prozedurale Speicherlösungen und ist das einzige bedeutende SDK, das prozedurales Gedächtnis – wie beispielsweise „Wenn der Benutzer ‚sofort‘ sagt, die Priorität erhöhen“ – als zentrales Merkmal behandelt.

Memori

Memori (Memori Cloud wurde am 2. März 2026 veröffentlicht) speichert Daten in SQLite oder Postgres statt in einer Vektordatenbank. Dadurch haben Sie volle Kontrolle über die Daten und benötigen keine neue Infrastruktur. Laut dem Projekt führt das Einbringen nur des relevanten Kontexts, der mithilfe von SQL extrahiert wird, zu einer Kostensenkung um 80 % bis 98 % bei der Inferenz. Mit einer einzigen Python-Schleife kann man einem Agenten von OpenAI, Anthropic oder LangChain persistenten Speicher hinzufügen.

A-MEM

A-MEM (NeurIPS 2025, arXiv:2502.12110) wandelt jede Erinnerung in eine atomare Notiz im Stil eines Zettelkastens mit strukturierten Attributen um. Eine neue Notiz verknüpft sich mit älteren Notizen und aktualisiert deren Attribute anhand neuer Informationen, sodass das Netzwerk ständig weiterentwickelt wird. Es handelt sich um die „lebendigste“ Architektur in der Forschungsliteratur, und sie übertrifft den aktuellen Stand bei LoCoMo in sechs Basismodellen.

HippoRAG 2

HippoRAG 2 (ICML 2025, arXiv:2502.14802) extrahiert offene Wissensgraphentriple aus Textabschnitten und verknüpft Synonyme miteinander, um das von den Autoren als künstlicher Hippocampus-Index bezeichnete Konstrukt zu bilden. Bei Abfragen führt es einen personalisierten PageRank von Ausgangsknoten aus durch, wodurch ein Mustererkennungsverhalten nachgeahmt wird. Es weist einen Vorteil von 7 Prozent gegenüber den stärksten dichten Baselines bei der assoziativen Erinnerung auf und dient zunehmend als Abrufschicht in Stack-Strukturen im Stil von Zep und Cognee.

MemoryOS

MemoryOS (EMNLP 2025 Oral, arXiv:2506.06326) ist das Forschungsprojekt, das auf Letta basiert. Es formalisiert drei Ebenen des persönlichen Gedächtnisses – kurzfristig, mittelfristig und langfristig – mit expliziten Übergangsregeln: First-In-First-Out vom kurzfristigen zum mittelfristigen Gedächtnis sowie eine segmentierte Seitenorganisation vom mittelfristigen zum langfristigen Gedächtnis. Vier Module (Speicherung, Aktualisierung, Abruf, Erzeugung) arbeiten in allen Ebenen zusammen. Bei den Baselines LoCoMo mit GPT-4o-mini erzielt es einen F1-Wert von +48,36 % und einen BLEU-1-Wert von +46,18 % – den größten Gewinn, der je in einer 2025 veröffentlichten Arbeit für diesen Benchmark gemeldet wurde. Es wird erwartet, dass die mittelfristige Seitenorganisation im Laufe des Jahres 2026 in Produkt-SDKs Einzug hält.

MemRL

MemRL (Januar 2026) ist die neueste Entwicklung, der man Aufmerksamkeit schenken sollte. Dabei wird das Gedächtnis als Grundlage für das Verstärkungslernen betrachtet. Jede Interaktion wird als (Intent, Experience, Utility)-Triplet protokolliert, wobei die Utilität ein gelernter Q-Wert darstellt, der angibt, wie gut diese Erfahrung ähnlichen Absichten gedient hat. Eine zweiphasige Abfrage zeigt die nützlichsten vergangenen Erfahrungen für die aktuelle Aufgabe an, und die Q-Werte werden im Laufe des Vorgangs des Agenten aktualisiert. Das Gedächtnis des Agenten wird intelligenter – und nicht nur größer –, was dem Lernen aus Erfahrungen am nächsten kommt, ohne die Modellgewichte anzufassen.

SuperLocalMemory

SuperLocalMemory (arXiv:2603.02240) geht in die entgegengesetzte Richtung – weg von der Cloud hin zum Gerät. Dieses auf lokale Lösungen ausgerichtete Multi-Agenten-System nutzt SQLite mit FTS5 für die Volltextsuche, klastert seinen Wissensgraphen mithilfe von Leiden, koordiniert die Abläufe über eine ereignisgesteuerte Schicht mit Provenienzinformationen pro Agent und schützt vor Manipulationen durch bayessche Vertrauensbewertungen. Dabei entfällt jegliche Abhängigkeit von der Cloud sowie jede Anfrage an ein LLM im Suchprozess. Zusammen mit dem umfassenderen SQLite-AI-Stack, der Inferenz, Suchfunktionen, Speicherung, Analytik und Synchronisierung in einer einzigen Datei bündelt, stellt es eine zuverlässige Option zur Gewährleistung der Privatsphäre für persönliche Agenten, regulierte Arbeitslasten sowie Edge-Einsatzszenarien dar.

AgeMem

AgeMem (2026) erweitert die vier Aktualisierungsoperationen von Mem0 auf sechs Werkzeuge, nämlich ADD, UPDATE, DELETE, RETRIEVE, SUMMARY und FILTER, und fügt TTL-Regeln hinzu, damit alte Erinnerungen ablaufen. Sein Ziel ist etwas, was das Feld erst in diesem Jahr ernst zu nehmen begonnen hat: Ein Speicher, der ständig wächst, gefährdet letztendlich sich selbst.

Die Hyperscalern treten ein

Die größte Entwicklung des Jahres 2026 ist, dass die Cloud-Anbieter nicht länger nur zusehen. Alle drei großen Anbieter brachten innerhalb von etwa sechs Monaten Speicher als erstklassiges Produkt auf den Markt.

AWS Bedrock AgentCore Memory

AgentCore Memory wurde 2025 auf der AWS Summit New York vorgestellt und durch das Jahr 2026 kontinuierlich weiterentwickelt; es handelt sich dabei um die produktgefertigte Version von Amazon:

• Kurzfristiger Speicher speichert den Zustand Schritt für Schritt innerhalb einer Sitzung.

Langfristiges Gedächtnis extrahiert automatisch über verschiedene Sitzungen hinweg die Präferenzen der Benutzer, wichtige Fakten sowie Zusammenfassungen der Sitzungen.

Gestrukturierte Episoden (grundsätzlich ab 2026 verfügbar) erfassen den Kontext, die Logik, die Aktionen sowie die Ergebnisse jeder Episode, sodass Agenten aus vergangenen Handlungsabläufen lernen können und nicht nur aus Fakten.

Metadaten zum Langfristigen Gedächtnis (Mai 2026) ermöglichen das Taggen, Filtern und Abrufen nach gestrukturierten Attributen neben der semantischen Suche.

Streaming-Benachrichtigungen (März 2026) beseitigen die Notwendigkeit, regelmäßig nach Änderungen im Gedächtnis zu prüfen.

Gemanagte Sitzungsspeicherung (Vorabversion März 2026) bewahrt den Zustand des Dateisystems, wenn ein Agent gestoppt und wieder gestartet wird.

Preisgestaltung: 0,75 US-Dollar pro 1.000 Einträgen für Speicheroperationen, wobei die Extraktionsinferenz bereits enthalten ist. Der AgentCore Runtime kostet zusätzlich 0,0895 US-Dollar pro vCPU-Stunde und 0,00945 US-Dollar pro GB-Stunde; die Zeit, die zum Warten auf Eingabe/Ausgabe benötigt wird, ist kostenlos – was relevant ist, da Agentenlasten 30 % bis 70 % ihrer Gesamtlaufzeit mit Warten verbringen.

Benutzerbezogener Speicher in Microsoft Foundry

Die persistente Speicherschicht von Microsoft Foundry, die auf Build 2026 als allgemein verfügbar angekündigt wurde, weist eine andere Struktur auf:

• Partitionierung nach Benutzer. Der Speicher jedes Benutzers befindet sich in eigenem Azure Cosmos DB-Container, der nach Identität partitioniert ist, sodass die Kontexte getrennt bleiben und einzeln verwaltet werden können.
• Kuratierte, langanhaltende Signale, wie Präferenzen, wiederkehrende Absichten und zusammengefasste Ergebnisse, anstelle von rohen Transkripten. Das Transkript bleibt im serverseitigen Gesprächsspeicher, während nur komprimierte Signale als dauerhafte Speicherung dienen.
• DevUI, ein browserbasiertes lokales Debugger-Tool zur Echtzeit-Überwachung der Agentenausführung, von Speicher-Lesungen und -Schreibvorgängen sowie des Orchestrierungsverhaltens.
• Bewertungswerkzeuge mit Trace-Logging, Wiederholungstests und automatisiertem Red-Teaming der Entscheidungswege der Agenten – wichtig, da benutzerbezogener Speicher spezifische Fehlermuster mit sich bringt.

Die Strategie ist klar: Microsoft trennt auf der Speicherebene den kurzlebigen Sitzungskontext vom dauerhaften Benutzerspeicher, um das langsame Versagen zu vermeiden, das entsteht, wenn ein einziger Speicher beide Aufgaben übernehmen muss.

Anthropic Claude Managed Agents-Speicher

Anthropic stellt die Fallstudie mit den höchsten Produktionszahlen des Jahres bereit. Die Funktion Memory für Claude Managed Agents wurde am 23. April 2026 in der öffentlichen Beta veröffentlicht. Die Persistenz erfolgt durch Dateien in einem Dateisystem, die vom Agenten oder von Ihnen über die API bzw. die Claude Console exportiert, bearbeitet und verwaltet werden können.

Die Ergebnisse der Early Adopter sind außergewöhnlich konkret:

• Rakuten nutzt Memory, damit langlaufende Task-Agenten vergangene Fehler nicht wiederholen, und berichtet von einer Reduzierung der Fehler im ersten Versuch um 97 %, der Kosten um 27 % sowie der Latenz um 34 % – und das alles innerhalb von im Arbeitsbereich definierten, überwachbaren Grenzen. Dies ist die am häufigsten zitierte Zahl aus dem Jahr 2026 dafür, dass Memory sich selbst amortisiert.
• Netflix überträgt den Kontext zwischen Sitzungen, einschließlich mehrstufiger Erkenntnisse sowie Korrekturen, die menschliche Prüfer während des Gesprächs vornehmen, wodurch manuelle Anpassungen der Eingabeanfragen entfallen.

Wisedocs führt eine Dokumentenüberprüfung auf den verwalteten Agenten durch und erzielt dadurch 30 % schnellere Prüfungen, da die Speicherung von Informationen darüber, in welchen Vorlagen welche Probleme auftreten, es dem Agenten ermöglicht, überflüssige erneute Analysen zu vermeiden.

Ando nutzt den Speicher über mehrere Sitzungen hinweg in einem finanziellen Workflow mit vielen Schritten.

Anthropic präsentierte außerdem eine Forschungsfunktion namens „Dreaming“: ein Offline-Reflexionsprozess, bei dem verwaltete Agenten vergangene Aufgabenergebnisse abspielen, um dauerhafte Erkenntnisse zu gewinnen. Es handelt sich dabei um dieselbe Idee wie Lettas Schlafzeitrechnung, jedoch in großem Maßstab bei Hyperscalern umgesetzt.

Was die drei Angebote miteinander verbindet, ist die Tatsache, dass Speicher nicht mehr eine Wahl im Rahmen eines SDKs darstellt, sondern zu einer Plattformfunktion geworden ist. Das verändert die Position der Open-Source-Anbieter, da Mem0, Letta und Zep nun mit dem Cloud-Dienst konkurrieren müssen, den jeder Kunde bereits nutzt. Ihre Argumente richten sich auf Portabilität (Agent File), Spezialisierung (Zeps bi-temporales Modell) und Kosten (Memoris SQL-basierte Lösung).

Speicher, der sehen und hören kann

Alle oben genannten Systeme gehen davon aus, dass Speicher Text ist. Im Jahr 2026 brach diese Annahme zusammen, und in der zweiten Hälfte des Jahres entwickelten sich Bild-, Video- und Sprachspeicher zu einem eigenständigen Forschungsbereich.

M3-Agent von ByteDance Seed (arXiv:2508.09736) ist das führende Referenzdesign. Er nimmt live visuelle und auditive Eingaben entgegen und erstellt ein entitätszentriertes multimodales Gedächtnisgraphen: Jede Person, jedes Objekt oder jeder Ort wird zu einem Knoten, wobei der Agent Gesichtsidentifikatoren und Stimmenidentifikatoren mit demselben Knoten verknüpft. Dadurch lassen sich Fragen wie „Was hat der Mann neben Sarah letzte Woche über das Projekt gesagt?“ beantworten, was ein allein aus Texten aufgebautes System nicht kann. Er läuft mit zwei Prozessen: Ein Speicherungslauf zieht kontinuierlich Gesichter, Stimmen und semantische Fakten aus strömendem Audio und Video in den Graphen ein, während ein separater Steuerungslauf über den Graphen nachdenkt, um Fragen zu beantworten.

Zur Erprobung dieser Systemklasse veröffentlichte das Team M3-Bench – mit 100 neu aufgenommenen Videos aus der Roboterperspektive sowie 929 webbasierten Videos in verschiedenen Szenarien –, wobei Frage-Antwort-Paare die menschliche Verständnisfähigkeit, das Extrahieren allgemeiner Kenntnisse sowie das crossmodale Denken prüfen. Der M3-Agent übertrifft die stärksten Vision-Language-Baselines (Gemini 1.5 Pro und GPT-4o) mit Vorsprüngen von jeweils 6,7, 7,7 und 5,3 Punkten auf den Testkriterien M3-Bench-robot, M3-Bench-web und VideoMME-long.

Es gibt zunehmend verwandte Arbeiten. M2A bietet eine zweischichtige hybride Speicherlösung für personalisierte multimodale Interaktionen. VideoAgent speichert allgemeine Ereignisbeschreibungen zusammen mit den Zuständen der verfolgten Objekte, während WorldMM episodische, semantische und visuelle Erinnerungen über Videoströme anlegt. Mem-Gallery (arXiv:2601.03515) ist ein Benchmark, der misst, wie Erinnerungen im Laufe langer multimodaler Gespräche erhalten, organisiert und weiterentwickelt werden.

Die praktischen Auswirkungen sind einfach zu verstehen. Eine Webcam, ein gemeinsamer Bildschirm, eine Sprachverbindung oder ein Dokument voller Zahlen geben einem Agenten das Signal, dass ein rein textbasiertes System einfach nicht ausreicht. Innerhalb von etwa einem Jahr sollten die großen SDKs multimodale Bausteine für das Aufbauen von Erinnerungen anbieten, und der entitätszentrierte Graph aus M3-Agent scheint die sicherste Wahl zu sein, um als Vorlage zu dienen.

Was die Benchmarks messen

Vier Benchmarks bilden die Grundlage für die meisten Vergleiche.

• LongMemEval (NeurIPS 2024, arXiv:2410.10813) umfasst 500 Fragen zu fünf Fähigkeiten, die in Chatverläufen unterschiedlicher Länge platziert sind: etwa 115.000 Tokens für die S-Variante und rund 1,5 Millionen Tokens über 500 Sessions für die M-Variante. Das wichtigste Ergebnis ist, dass kommerzielle Assistenten bei der Nutzung von Erinnerungen über verschiedene Sessions 30 Prozent an Genauigkeit verlieren und in den schwierigsten Kategorien sogar bis zu 60 Prozent.

LoCoMo (ACL 2024) konzentriert sich auf lange Gespräche mit schwierigen zeitbasierten sowie mehrstufigen Fragen. Mem0 erzielt +29,6 Punkte im zeitlichen Bereich und +23,1 Punkte bei mehrstufigen Fragen, während MemoryOS einen F1-Wert von +48,36 % gegenüber den GPT-4o-mini-Referenzmodellen erreicht.

Deep Memory Retrieval stammt aus der MemGPT-Forschung. Zep erzielt 94,8 %, während MemGPT 93,4 % erreicht.

M3-Bench ist der erste ernstzunehmende multimodale Langzeitgedächtnis-Benchmark, der Roboter- und Web-Videos verwendet. M3-Agent liegt um 5 bis 8 Punkte vor Gemini 1.5 Pro und GPT-4o.

Mehrere neuere Tests zählen nun ebenfalls dazu. BEAM prüft das Gedächtnis bei 1 Mio. und 10 Mio. Tokens, wobei Mem0 v3 Werte von 64,1 bzw. 48,6 erzielt. Context-Bench von Letta (2026) bewertet die Fähigkeit zur agierten Kontextgestaltung, also ob ein Modell weiß, was und wann es in seinen eigenen Kontext aufnehmen soll. MemoryAgentBench (ICLR 2026, arXiv:2507.05257) ist der wichtigste neue Test. Dabei wird ein Dokument einmal eingegeben und anschließend wiederholt abgerufen: Lange Texte werden in Blöcke von 512 oder 4.096 Tokens aufgeteilt und als mehrstufiger Austausch verarbeitet. Zwei speziell entwickelte Datensätze, EventQA und FactConsolidation, überprüfen die Informationsabrufung, das Lernen zum Testzeitpunkt sowie die Handhabung widersprüchlicher Fakten. MemBench (arXiv:2506.21605) fügt eine weitere Dimension hinzu, indem er Agenten nach Effektivität, Effizienz und Kapazität bewertet sowie getrennt die faktenbasierte und reflektierende Gedächtnisleistung sowie das aktive Mitwirken im Vergleich zum bloßen Beobachten bewertet. Bis Ende 2026 werden diese beiden Tests voraussichtlich die Standard sein.

Eine gute Möglichkeit, herauszufinden, was ein Speichersystem tatsächlich leistet, ist die Rolle von LongMemEval für Chats im Jahr 2025.

Achtung: Jeder Anbieter führt Benchmarks mit der Konfiguration durch, die seiner Architektur am besten entspricht, daher sollten Sie sich lieber die Kategorisierungen ansehen als nur die Überschriften. In der Produktion sind Kosten pro Token und Latenz genauso wichtig wie die Genauigkeit. Das Wiederabspielen aller Daten stellt eine legitime Grundlage dar, und jedes Speichersystem, das in beiden Aspekten nicht gleichzeitig besser abschneiden kann, sollte sich schämen. Bis 2026 haben alle großen Systeme diese Hürde bereits übersprungen.

Vergleich der Designs

Im Einzelnen betrachtet:

• Substrat. Mem0 verwendet einen Vektor-Speicher mit hub-and-spoke-Verbindungen zu Entitäten. Letta nutzt eine hierarchische Struktur virtueller Speicher, Zep einen temporalen Wissensgraphen auf Neo4j, Cognee einen vereinigten Graphen sowie Vektor- und relationale Speicher, und Memori SQL. AgentCore wird innerhalb von Bedrock verwaltet, Microsoft Foundry verwendet user-partitionierten Cosmos DB, und Anthropics Managed Agents nutzen einen Dateisystem.
• Bereitgestellte Speichertypen. Mem0 umfasst semantischen Speicher und Entitäten. Letta deckt alle vier CoALA-Speichertypen ab. Zep handhabt episodischen, temporal-semantischen und gemeinschaftlichen Speicher. LangMem verfügt über semantische, episodische und prozedurale Speicher, Memori über semantischen und episodischen Speicher in SQL, AgentCore über strukturierte Episoden, und Foundry nur langanhaltende Signale.

Schreibpfad. Mem0 v3 verwendet eine einmalige Extraktion mit anschließender Deduplizierung. Letta bearbeitet den Speicher innerhalb der Schleife und konsolidiert ihn während der Ruhezeit. Zep schreibt bi-temporale Kanten, AgentCore integriert die Extraktionsinferenz in seinen Preis, und Foundry kuratiert Signale, während der Rohtext im Gesprächsspeicher verbleibt.

Temporales Reasoning. Mem0 speichert Zeitstempel-Metadaten. Letta verfügt über Archivzeitstempel sowie Verarbeitung während der Ruhezeit. Zep ist von Natur aus bi-temporal und führt in diesem Bereich die Branche an. AgentCore kennzeichnet Langzeitgedächtnisse mit Metadaten, und Foundry handhabt die Zeit implizit über Signaltypen.

Ausgriffsignale. Mem0 fügt semantische, BM25- sowie Entity-Scores zusammen. Zep kombiniert Graphenverfolgung, Vektoren, BM25 und Zeit. Cognee bietet 14 Modi an, während Memori auf SQL-Abfragen setzt.

Portabilität. Letta verfügt über den offenen .af-Standard, und Anthropic ermöglicht die Exportierung in Dateisysteme. Andere Anbieter bieten herstellerspezifische Exportformate an.

Beste Eignung. Mem0 eignet sich für sofortige Personalisierung, Sprachassistenten und Consumer-Apps. Letta ist geeignet für langlaufende, os-basierte Assistenten sowie Programmierassistenten. Zep richtet sich an regulierte Unternehmen, die Audits benötigen, an Forschungs- und Entwicklungsteams von Cognee, die Graph-Kontrolle wünschen, sowie an kleine Teams von Memori, die SQL bevorzugen. AgentCore passt zu Umgebungen von AWS, Foundry zu Umgebungen von Microsoft und Claude Managed Agents zu allen Nutzern der Claude-Plattform.

Beweispunkt für die Schlagzeile. Mem0: 94,4 bei LongMemEval. Zep: 94,8 % bei DMR. MemoryOS: +48,36 % F1 bei LoCoMo. Letta Code: 42,5 % bei Terminal-Bench – der Beste unter den Open-Source-Agenten. HippoRAG 2: +7 % bei assoziativer Erinnerung. Anthropic mit Rakuten: 97 % weniger Fehler bei der ersten Verarbeitung, 27 % geringere Kosten und 34 % kürzere Latenz. M3-Agent: 5 bis 8 Punkte Vorsprung vor visuell-linguistischen Baselines bei multimodalen Benchmarks.

Als die Erinnerung zu einer Angriffsfläche wurde

Im Mai 2026 war die Agentenerinnerung nicht mehr nur ein Thema der Genauigkeit und Kosten, sondern auch einer Sicherheitsfrage.

Die Warnsignale traten bereits früher in diesem Jahr auf. Microsoft Security schrieb im Februar 2026 über das Phänomen „AI Recommendation Poisoning“ – also die Manipulation des Gedächtnisses eines Assistenten zu gewinnträchtigen Zwecken. Radware folgte mit einem Konzeptbeispiel namens ZombieAgent: Eine mit einer Falle versehene Datei in einer E-Mail pflanzt einen Eintrag ins Gedächtnis eines mit dem Postfach des Opfers verbundenen ChatGPT-Assistenten, wodurch jede Interaktion diesen manipulierten Eintrag auslöst und Daten über URL-kodierte Nebenkanäle durchsickern lassen. In einem dokumentierten Unternehmensszenario akzeptierte ein gehackter Finanzanalyse-Assistent einen verfälschten Zwischenergebnis und startete einen Workflow, der Gelder ohne Genehmigung überwies, bevor jemand dies überprüfen konnte.

Das Vergiften des Gedächtnisses unterscheidet sich aus drei Gründen von einer gewöhnlichen Prompt-Injektion:

• Persistenz. Die Eingabe von Befehlen verfälscht eine einzige Antwort. Ein vergiftetes Speichersegment verfälscht alle nachfolgenden Antworten, die auf den betroffenen Schlüssel zugreifen.
• Gute Tarnung. Ein vergifteter Eintrag sieht genauso aus wie ein echter, gespeicherter Kontext.
• Autonomie. Agenten handeln auf der Grundlage des Speichers durch Toolaufrufe, sodass ein vergiftetes Speichersegment reale Nebenwirkungen verursachen kann, ohne dass ein Mensch eingreift.

Die Abwehrmaßnahmen kamen schnell. OWASP fügte das Problem des Speichervergiftens zu seiner Liste der 10 größten Bedrohungen für agierende Anwendungen im Jahr 2026 als ASI06 (Speichervergiftung und Kontextverfälschung) hinzu und veröffentlichte Mitte 2026 die Referenzimplementierung Agent Memory Guard:

• SHA-256-Baselines auf unveränderlichen Speicherschlüsseln wie identity.user_id, wodurch jede Manipulation von außen erkannt wird.

YAML-Sicherheitsrichtlinien, die Erkennungen (Injektionsversuche, Datenlecks sensibler Informationen, Änderungen an geschützten Schlüsseln, schnelle Änderungen, Größenanomalien) auf Aktionen zuordnen: allow, redact, quarantine oder block.

Ein Fahrplan bis v0.4.0 (3. Quartal 2026) mit erkenntnisbasiertem Anomalieerkennungssystem, Schutz durch Vektorlagern sowie einer Live-Überwachungs-Dashboard.

Ein angemessener Mindeststandard für jede Implementierung in diesem Jahr umfasst TTL-Werte, Gültigkeitsfenster, auf jeder Schreibvorgang gespeicherte Herkunftsangaben, kryptografische Baselines für Identitätschlüssel, regelmäßige feindliche Tests sowie einen menschlichen Genehmigungsprozess vor jedem von der Speichertechnologie ausgelösten Vorgang, der mit Geld oder sensiblen Daten in Berührung kommt. Die Referenzarbeit zu Angriffen und Verteidigungsmaßnahmen ist arXiv:2601.05504, und Microsofts Agent Governance Toolkit enthält nun explizite ASI06-Mitigationsmaßnahmen.

Probleme, die noch niemand gelöst hat

Auch mit der vorhandenen Sicherheitsarchitektur gibt es viele offene Fragen:

• Ausgelaufenes Speicherinhalte. Was heute noch richtig ist, kann morgen bereits falsch sein, und nur zum Hinzufügen geeignete Speicherformate verfallen mit der Zeit. TTL-Werte und Gültigkeitsintervalle sind zwar eine Lösung, gelten aber noch nicht als Standard.
• Identität über Sessions hinweg. Die Entscheidung, ob zwei Sessions derselben Person oder demselben Projekt zugeordnet werden können, ist das schwierigste ungelöste Teilproblem – insbesondere in einem multi-tenant Mem0-Namespace mit Tausenden von Identitäten.
• Begrenzung bei der Datenerfassung. Die Genauigkeit erreicht ihren Höhepunkt bei drei bis fünf abgerufenen Speicherblöcken und nimmt danach ab. Die Kombination von Vektor-, Schlüsselwort-, Entity- und Aktualitätssignalen bildet die Grundlage in der Praxis – deshalb verfügt Mem0 v3 über mehrere Signalarten.

Kostenrechnung. Der Satz „Gespeicherte Erinnerungen sparen Token“ gilt nur dann, wenn die Aufrufe des Extrakt-und-Update-LLM günstiger sind als die Kontext-Token, die dadurch eingespart werden. Bei Agenten mit geringer Auslastung kann sich diese Rechnung manchmal umkehren, weshalb die Kosten pro erfolgreichem Ergebnis die einzige zuverlässige Größe ist.

Falsch klassifizierte Hierarchie. Die xMemory-Studie von 2026 ergab, dass 44,91 % der Erinnerungen in einem laufenden System zwischen verschiedenen Hierarchieebenen umklassifiziert werden, was zeigt, dass eine flache oder einmalige Klassifizierung nicht ausreicht. Systeme, die erneut klassifizieren, wie A-MEM, Cognees memify, Lettas Sleep-Time-Agenten sowie MemoryOSs mittlerer Ebene zur Paging-Verwaltung, sind bereits jetzt Vorreiter.

Kritische Bewertung. LongMemEval und LoCoMo sind solide, beschränken sich jedoch auf Text und haben eine konversationelle Struktur. M3-Bench und Mem-Gallery erstrecken sich auf multimodale Ansätze, während Context-Bench und Terminal-Bench auf agentenbasierte Systeme mit Werkzeugnutzung abzielen. Bislang hat niemand einen einzigen Test für das gesamte Spektrum solcher Agenten entwickelt.

Eine verschwimmende Grenze zwischen Hyperscalern und Open Source. Rakutens Wert von 97 % bei Anthropic Managed Agents setzt jedem Open-Source-Anbieter unter Druck, einen vergleichbaren Erfolg nachzuweisen.

Auswahl je nach Situation

Ein praktischer Leitfaden für 2026:

• Konsumentenpersonalisierung und Sprachagenten: Mem0. Es lässt sich schnell einsetzen, da es über ausgereifte SDKs in 13 Frameworks, 20 Vektordatenspeichern und 3 Sprachplattformen verfügt.
• Lange laufende persönliche Agenten und Coaches: Letta. Die Hierarchie des Betriebssystems sowie die Rechenzeit während des Ruhezustands eignen sich hervorragend für mehrwöchige Aufgaben.
• Programmieragenten für eine private Codebasis: Letta Code, wobei pro Projekt ein Zustandsagent verwendet wird.
• Geregulierte Unternehmen, die Prüfungen benötigen: Zep in Kombination mit Graphiti. Das bitemporale Modell ist das herausragende Merkmal.
• Forschungs- und Entwicklungsteams, die Graphensteuerung wünschen: Cognee oder HippoRAG 2 als Grundlage.
• Teams, die bereits auf LangGraph arbeiten: LangMem – mit den niedrigsten Integrationskosten sowie der einzigen erstklassigen prozeduralen Speicherlösung.
• Teams, die einfach nur SQL benötigen: Memori.
• AWS-Nutzer: Bedrock AgentCore Memory – mit Pay-as-you-go-Preismodell, allgemein verfügbaren Funktionen sowie Streaming-Benachrichtigungen.
• Microsoft-Dienste: Die benutzerbezogene Speicherlösung von Azure AI Foundry mit Partitionierung über Cosmos DB, Debugging über DevUI sowie integrierten Auswertungsfunktionen.
• Teams auf der Claude-Plattform: Der Speicher von Claude Managed Agents, der als Dateien übertragen werden kann und die beste von Kunden im Jahr 2026 gemeldete Leistung aufweist.
• Multimodale Agenten mit Bild- oder Sprachfunktionen: Das M3-Agent-Muster basiert auf einem entity-zentrierten Graphen, der Gesichts- und Stimmenidentifikatoren verbindet. Es gibt derzeit noch kein Produktiv-SDK, daher muss man es selbst entwickeln.
• Hochempfindliche, regulierte Anwendungen in Recht, Gesundheitswesen oder Finanzen: Zep oder Cognee sowie OWASP Agent Memory Guard-Richtlinien, TTL-Werte und eine Auditspur. Niemals ein nur zum Hinzufügen geeigneter Speicher.

Wohin die Speicherlösungen next gehen

Wenn man auf das restliche Jahr 2026 und ins Jahr 2027 blickt, fallen mehrere Trends ins Auge.

• Das Gedächtnis wird in die Architektur integriert. Der Engramm-Algorithmus von DeepSeek V4 ist hier der entscheidende Beleg: eine auf Hashing basierende Abrufmethode mit O(1)-Zeitkomplexität, die 1 Mio. Token verarbeiten kann – zu einem Kostenniveau ähnlich wie bei 128 K Token – und bei Tests im Maßstab „Nadel im Heuhaufen“ eine Erfolgsrate von 97 % erreicht. Ein zweipfadiges Design trennt die Abrufung statischer Kenntnisse von der Berechnung in der dynamischen Arbeitsgedächtnis-Struktur; dies ist das Beste, was bisher ein fortschrittliches Modell leisten konnte, um das Gedächtnis als architektonisches Element und nicht nur als Trick im Kontextfenster zu behandeln.

Gedächtnis und kontinuierliches Lernen konvergieren. Die Studie „Sparse Memory Finetuning“ von Meta (arXiv:2510.15103) ergab, dass das Lernen neuer Fakten über Gedächtnisschichten die Leistung bei unberührten Aufgaben nur um 11 % verschlechtert, im Vergleich zu 89 % bei vollständiger Feinabstimmung und 71 % bei LoRA. Dadurch verschwindet die Trennung zwischen einer externen Gedächtnisschicht und einer internen, parametrischen Speicherung. Moderne Modelle im Jahr 2027 könnten native, spärlich gespeicherte Schichten enthalten, die als effizienter Weg vom Gedächtnisspeicher eines Agenten zu den Modellgewichten dienen.

Gedächtnis als Grundlage für RL. Durch das Protokollieren von Absichten, Erfahrungen und Nutzen durch MemRL sowie die Aktualisierung der Q-Werte anhand der Ergebnisse wird das Abrufen von Informationen zu einem Signal zur Verbesserung der Strategie. Produktions-SDKs werden es voraussichtlich bis Ende 2026 unter einem Namen wie „ergebnisbasiertes Abrufen“ übernehmen.

Auswertung und Speicherung werden vereint. HippoRAG 2, A-MEM, MemoryOS sowie Mem0s entitätenbasierte Speicherlösung behandeln alle die Historie eines Agents als ein weiteres Korpus innerhalb eines Graphen. Zukünftige Systeme werden eine einzige Auswertungs-API für Dokumente und Agentenspeicher über einen gemeinsamen hybriden Backend anbieten.

Konsolidierung während des Ruhezustands wird zum Standard. Lettas Agenten im Ruhezustand, Anthropics Träumfunktion sowie MemoryOSs segmentierte Pagedatenverwaltung teilen die gleiche Idee: eine Offline-Reflexion, die vorübergehende episodische Spuren in dauerhafte semantische Erkenntnisse umwandelt. Bis Ende 2026 werden voraussichtlich alle großen Frameworks ihre eigene Version veröffentlichen.

Multimodaler Speicher in den SDKs. Benchmarks wie Mem-Gallery und M3-Bench fördern diesen Ansatz. Der Graph von M3-Agent ist das Design, das am ehesten bis 2027 in Mem0, Letta oder Zep zum Einsatz kommen wird.

Die Governance verwandelt sich in Vorschriften. Nach ZombieAgent und ASI06 werden Prüfprotokolle, Aufbewahrungsregeln sowie vereinbartes Vergessen zu Anforderungen des Produkts, und Prüfer, die nach SOC 2 und ISO 42001 arbeiten, werden direkt nach Aspekten der „Memory Hygiene“ fragen.

Prozedurales Gedächtnis rückt in den Vordergrund. Die bisherige Forschung konzentrierte sich hauptsächlich auf semantisches und episodisches Gedächtnis. LangMems prozeduraler Speicher, A-MEMs sich entwickelnde Notizen, Lettas selbstbearbeiteter Kern sowie Anthropics „Träumen“ deuten alle auf ein größeres Ziel hin: Agenten, die nicht nur ihre eigenen Fakten, sondern auch ihr eigenes Verhalten aktualisieren können.

Gemeinsame Speicherung zwischen Agenten. Teams von Agenten, die als Schwarm arbeiten, benötigen einen Speicherpool, den jedes Mitglied lesen und schreiben kann, da private Speicher pro Agent nicht ausreichen. Ein Blackboard mit Übertragungsprotokollen sowie eine klare Trennung zwischen Echtzeit-Speicher für die aktuelle Ausführung und persistentem Speicher über mehrere Ausführungen hinweg sind dabei wichtig. Mem0s Multi-Tenant-APIs, Lettas gemeinsamer Archivspeicher, die Portierbarkeit von Agent-Dateien sowie Forschungen wie SRMT für das Mehr-Agenten-Pfadfinden stellen erste Schritte in diese Richtung dar.

Privater, lokaler Speicher. SuperLocalMemory und SQLite-AI bieten eine glaubwürdige Alternative zu rein cloudbasierten Lösungen: SQLite, FTS5, bayessche Vertrauensbewertung sowie Leiden-Clustering – alles direkt auf dem Gerät, ohne Nutzung von LLMs im Abrufprozess. Apple, Google und Microsoft arbeiten jeweils an Betriebssystem-Ebenen, die den Speicher zunächst lokal halten, und SQL-basierte Konzepte wie Memori sowie Extraktionspipelines im Stil von Mem0 sollen bis Ende 2026 in mobile SDKs integriert werden.

Speicheringenieur wird zu einem Berufsbezeichnung. Der Bericht von Mem0 betrachtet die Speicheringenieurwesen als eigenständige Disziplin neben Prompt- und Kontextengineering, mit vier Speicherskalen (Benutzer, Agent, Team und Arbeitsablauf), jeweils mit unterschiedlichen Verantwortlichen, Aufbewahrungsregeln und Risikoprofilen. Es ist zu erwarten, dass diese Rolle bis 2027 in Stellenanzeigen für KI-Infrastrukturen auftaucht.

Die praktische Erkenntnis

In den meisten Phasen der LLM-Ära war das Speichermanagement eine Notlösung: ein versteckter Systemprompt, RAG für alte Chats oder ein Fenster mit einer Kapazität von einer Million Token, das 5 Dollar pro Anfrage kostete und dennoch keine richtige Antwort lieferte. Im Jahr 2026 entwickelte es sich zu einer eigenständigen Schicht mit eigenen Anbietern, Cloud-Produkten, Benchmarks, Schreibverfahren, einem Sicherheitsmodell sowie eigenen Ausfallmöglichkeiten.

Falls Ihr Agent am Montag immer noch den Namen des Benutzers anfordert, opfern Sie nicht nur Genauigkeit. Sie zahlen weiterhin für den vollen Kontext und erhalten Ergebnisse, die bereits eine Suche in einer 7.000-Token-großen Speichermenge übertreffen würden, während gleichzeitig eine unkontrollierte Angriffsfläche offen bleibt. Während Konkurrenten wie Mem0 v3, Letta sleep-time Agents, Zeps temporales Graphen-System, AgentCore, Foundrys auf Cosmos basierendes partitioniertes Speichersystem oder Claude Managed Agents bereits Einsparungen erzielen, stellt Rakutens Kombination aus 97 % / 27 % / 34 % den neuen Standard dafür dar, dass sich der Speicher selbst amortisiert. RevisionDojos 40-prozentige Kürzung der Tokenkosten ist die Variante für kleine Teams. M3-Agent weist den Weg durch Vision- und Sprachfunktionen, OWASP Agent Memory Guard bietet zusätzliche Sicherheitsmaßnahmen, und Metas Sparse Memory Finetuning deutet darauf hin, wie Speicher und Gewichte letztendlich miteinander verschmolzen werden könnten.

Das nächste Jahr der Agentenentwicklung wird nicht von neuen Basismodellen abhängen. Es wird davon abhängen, Gedächtnis als System zu betrachten: es zu schreiben, auszuwerten, zu steuern, zu schützen, zu konsolidieren und zu verbessern wie jedes andere Produktionssoftware-Element. Die erfolgreichen Agenten werden nicht diejenigen mit den größten Ressourcenfenstern sein. Es werden diejenigen sein, die tatsächlich merken, über verschiedene Modalitäten hinweg merken und sicher merken.