085 - langlaufende Agenten

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.