In dieser Folge des KI Gilde Podcasts klären wir die Kernfrage: Wie baut man einen Marathonläufer – einen autonomen KI-Agenten, der ein Projekt über Stunden oder Tage durchziehen kann, ohne den Überblick zu verlieren?
Das Hauptproblem ist das begrenzte Arbeitsgedächtnis, das zu einem Kontextkollaps führen kann. Entweder erstickt der Agent an irrelevanten Informationen (Kontexter Erstickung) oder er wird durch alte, widersprüchliche Daten verwirrt (Kontextfäulnis), was seine Leistung verschlechtert. Es handelt sich im Kern um ein Aufmerksamkeitsproblem.
Wir stellen die drei Lösungsebenen für langlebige Agenten vor:1. Strategische Verdichtung: Das Kurzzeitgedächtnis wird effizienter verwaltet, indem der Agent seine eigene Historie nach jedem Schritt zusammenfasst und redundante Details verwirft.2. Strukturiertes Langzeitgedächtnis: Externes Wissen wird in Datenbanken ausgelagert, idealerweise in einem Netzwerk (z.B. Memories DB), in dem Erinnerungen zeitlich, semantisch und relational verbunden sind, was komplexe Abfragen ermöglicht.3. Robuste Teamarbeit: Durch Frameworks (wie Crew AI) wird eine große Aufgabe in kleine Teilaufgaben zerlegt und an spezialisierte Workeragenten delegiert (Manager/Worker-Muster).
Als Sicherheitsnetz dient das Zustandscheckpointing (z.B. bei Langraph), das den kompletten Zustand nach jedem Arbeitsschritt speichert und so Wiederanläufe nach Abstürzen oder Pausen ermöglicht. Langlebige Agenten sind eine durchdachte Kombination aus diesen intelligenten Architekturen.