In einem fr\u00fcheren Beitrag habe ich untersucht, wie acht unabh\u00e4ngige Forschungsteams zu derselben Erkenntnis kamen: anstatt Speichersysteme um das Modell herum zu bauen, trainiert man das Modell selbst im Umgang mit dem Speicher als erlernte F\u00e4higkeit. Post-Memory-Training \u2013 die Verwendung von Reinforcement Learning in der Post-Training-Phase \u2013 erzeugt Agenten, die entscheiden, was gespeichert, gel\u00f6scht, konsolidiert und abgerufen wird, alles optimiert f\u00fcr den Erfolg bei der Erledigung von Aufgaben.<\/p>\n
Aber was seitdem passiert ist, ist noch interessanter. Die Forschung ist mit zwei anderen Entwicklungen kollidiert. Rekursive Sprachmodelle<\/strong> die Verwaltung von Kontexten als Navigation und nicht als Abfrage neu zu gestalten. Produktionssysteme wie OpenClaw<\/strong> beweisen, dass diese Ideen auch au\u00dferhalb von Benchmarks funktionieren. Das Gesamtbild deutet auf etwas Gr\u00f6\u00dferes hin als eine verbesserte Speicherkapazit\u00e4t.<\/p>\n Sie zeigt auf eine demokratischer Weg zur Skalierung autonomer Agenten<\/strong> - eine, die keine Feinabstimmung, knappe Rechenleistung oder tiefgreifende ML-Expertise erfordert. Hier sehen Sie, wie die Navigation und der Produktionsnachweis zusammenpassen.<\/p>\n Hier ist das, was mir in letzter Zeit aufgefallen ist. W\u00e4hrend die Post-Memory-Trainingsgemeinschaft den Agenten beibrachte, den Kontext zu verwalten, gab es eine parallele Forschungslinie, die das Problem v\u00f6llig neu formulierte.<\/p>\n Rekursive Sprachmodelle<\/strong>, die von Alex Zhang, Tim Kraska und Omar Khattab vorgestellt wurden, schlagen vor, dass Kontext-Engineering kein Abfrageproblem ist. Es ist ein Navigationsproblem. Der Unterschied ist wichtig.<\/p>\n Die traditionelle RAG behandelt die Wissensdatenbank als data-Basis, die Sie abfragen. Sie betten Chunks ein, berechnen \u00c4hnlichkeitsscores und ziehen die Top-k-Ergebnisse in die Eingabeaufforderung. Das Modell empf\u00e4ngt passiv alles, was das Abfragesystem als relevant erachtet. Das Modell selbst hat keinen Einfluss darauf, was es sieht.<\/p>\n RLMs kehren dies um. Das Modell erh\u00e4lt Zugriff auf eine persistente Python REPL-Umgebung. Lange Eingaben werden als Variablen geladen. Das Modell kann sie inspizieren, durchforsten, partitionieren und rekursive Unterabfragen starten, um neue LLM-Instanzen zu erzeugen, die Teile parallel verarbeiten und Ergebnisse zur\u00fcckgeben. Das Modell navigiert in seinem Kontext so, wie ein Entwickler in einer Codebasis navigiert: durch Erkunden, Filtern und selektives Lesen dessen, was es braucht.<\/p>\n Die Zahlen belegen dies. RLMs verarbeiten Eingaben, die bis zu zwei Gr\u00f6\u00dfenordnungen \u00fcber das native Kontextfenster des Modells hinausgehen, ohne Verschlechterung. Bei realen data-S\u00e4tzen mit mehr als 1,5 Millionen Zeichen schneiden RLMs deutlich besser ab als Standard-LLMs und herk\u00f6mmliche lange Kontextger\u00fcste. Eine nachtrainierte Version, RLM-Qwen3-8B<\/strong>, \u00fcbertrifft sein Basismodell um 28.3% im Durchschnitt<\/strong> und n\u00e4hert sich der GPT-5-Qualit\u00e4t bei drei Aufgaben mit langem Kontext - von einem 8B-Modell.<\/p>\n Der Unterschied zum Post-Memory-Training liegt in der Trennung der Bereiche. Beim Post-Memory-Training lernen die Agenten, was sie sich merken und was sie vergessen sollen - die redaktionellen Entscheidungen \u00fcber die Zustandsverwaltung. RLMs bringen den Agenten bei, wie sie den Kontext erkunden k\u00f6nnen, den sie noch nicht im Ged\u00e4chtnis gespeichert haben. Bei dem einen geht es um die Verwaltung dessen, was sich im Kopf des Agenten befindet. Bei dem anderen geht es darum, sich au\u00dferhalb des Kopfes zurechtzufinden.<\/p>\n Die Kombination ist leistungsf\u00e4higer als jedes einzelne Element f\u00fcr sich. Ein Agent, der in gro\u00dfen externen Kontexten navigieren und einen kompakten internen Speicherstatus verwalten kann, verf\u00fcgt \u00fcber die beiden F\u00e4higkeiten, die f\u00fcr wirklich lang andauernde autonome Arbeitsabl\u00e4ufe erforderlich sind: breites Bewusstsein und selektive Speicherung.<\/p>\n Theorie ist n\u00fctzlich. Beweise f\u00fcr die Produktion sind besser.<\/p>\n OpenClaw<\/strong> - das Open-Source-Framework f\u00fcr KI-Agenten, das in weniger als einer Woche nach seinem Start Ende Januar 2026 mehr als 100.000 GitHub-Sterne erhielt, ist eines der ersten Systeme, das diese Prinzipien au\u00dferhalb von Forschungsbenchmarks in gro\u00dfem Ma\u00dfstab demonstriert.<\/p>\n Die Architektur von OpenClaw verk\u00f6rpert die oben beschriebene Konvergenz. Sein Speichersystem verwendet strukturierte Markdown-Dateien mit Zeitstempeln und Metadata, die als reine Textdateien gespeichert werden - keine propriet\u00e4ren data-Basen, keine verschl\u00fcsselten Blobs. Die kontextbezogene Suche erfolgt \u00fcber eine semantische Suche, bei der der Agent verwandte fr\u00fchere Konversationen findet, selbst wenn der Benutzer v\u00f6llig andere W\u00f6rter verwendet. Der Speicher flie\u00dft automatisch \u00fcber integrierte Tools, so dass Informationen, die in einem Chat erw\u00e4hnt wurden, verf\u00fcgbar sind, wenn der Agent in einem Code-Editor oder Browser arbeitet.<\/p>\n Was OpenClaw f\u00fcr diese Diskussion relevant macht, ist nicht nur seine Speicherarchitektur. Es ist die Zug\u00e4nglichkeit seines Ansatzes. OpenClaw-Agenten k\u00f6nnen autonom Code schreiben, um neue F\u00e4higkeiten zu entwickeln und das Langzeitged\u00e4chtnis aufrechtzuerhalten, und das alles ohne Feinabstimmung. Der Agent lernt durch Anwendung, nicht durch Gradientenabstieg. Die Speicherverwaltung findet auf der Anwendungsebene statt, nicht auf der Modellebene, was bedeutet, dass jedes Team es einsetzen und anpassen kann. Hier ist, wie ich den OpenClaw-Moment lese. Es ist das erste weit verbreitete System, das beweist, dass man Agenten mit dauerhaftem, selbstverwaltetem Speicher bauen kann, ohne die traditionellen H\u00fcrden zu \u00fcberwinden: keine Kosten f\u00fcr die Feinabstimmung, keine knappen Rechenkapazit\u00e4ten, kein tiefes ML-Fachwissen. Der Agent verwaltet seinen eigenen Kontext. Der Benutzer konfiguriert den Arbeitsablauf. Das System l\u00e4uft.<\/p>\n So sieht die Demokratisierung in der Praxis aus.<\/p>\n Lassen Sie mich diese Konvergenz in operative Auswirkungen \u00fcbersetzen.<\/p>\n Die Rechenanforderungen f\u00fcr das Post-Memory-Training liegen eine Gr\u00f6\u00dfenordnung unter der Feinabstimmung. AgeMem trainiert auf einem einzelnen 8xA100-Knoten. Memory-R1 ben\u00f6tigt 152 Beispiele. Die 51%-Kontextreduzierung von MemAct und der konstante Speicher-Overhead von MEM1 f\u00fchren direkt zu niedrigeren Inferenzkosten im gro\u00dfen Ma\u00dfstab. F\u00fcr ein Unternehmen, das 30.000 Agentengespr\u00e4che pro Tag zu je $0,14 f\u00fchrt eine Kontextreduzierung von 50% nicht nur zu einer Halbierung der Kosten - sie \u00e4ndert auch, was wirtschaftlich machbar ist. Aufgaben, die f\u00fcr Agenten bei l\u00e4ngeren Interaktionen zu teuer waren, werden machbar.<\/p>\n Die Feinabstimmung erfordert ML-Ingenieure, die sich mit verteiltem Training, Reward-Design, Gradienten-Debugging und Checkpoint-Management auskennen. Post-Memory-Training und RLM-\u00e4hnliche Navigation werden auf der Anwendungsebene durchgef\u00fchrt. OpenClaw arbeitet mit Markdown-Dateien und Konfiguration. Das Fachwissen verlagert sich von \u201ck\u00f6nnen Sie ein Modell trainieren\u201d zu \u201ck\u00f6nnen Sie einen Workflow entwerfen\u201d - ein weitaus gr\u00f6\u00dferer Talentpool.<\/p>\n Dies ist der gr\u00f6\u00dfere Preis. Der Grund, warum 60% der Multi-Agenten-Piloten nicht skalierbar sind, sind nicht die Kosten - es ist die Verschlechterung der Zuverl\u00e4ssigkeit. Agenten, die nicht in der Lage sind, einen koh\u00e4renten Zustand \u00fcber 50+ Runden aufrechtzuerhalten, sind f\u00fcr die wichtigsten Arbeitsabl\u00e4ufe unbrauchbar: mehrstufige Recherchen, komplexer Kundenservice, Code-Migration, Reaktion auf Zwischenf\u00e4lle.<\/p>\n Das Post-Memory-Training spricht dieses Problem direkt an. MEM1 h\u00e4lt die Leistung bei 16 Zielen nahezu konstant. MemAgent beh\u00e4lt die Genauigkeit \u00fcber 3,5 Millionen Token hinweg bei. RLMs verarbeiten Eingaben, die um zwei Gr\u00f6\u00dfenordnungen \u00fcber die nativen Fenster hinausgehen, ohne dass es zu Beeintr\u00e4chtigungen kommt. Diese Kombination - Agenten, die in einem breiten Kontext navigieren und einen kompakten internen Status beibehalten - macht mehrst\u00fcndige autonome Arbeitsabl\u00e4ufe erst m\u00f6glich.<\/p>\n Die Konvergenz ist real, aber die L\u00fccken sind es auch.<\/p>\n Ausbildung data Knappheit.<\/strong> RL-basiertes Speichertraining erfordert Umgebungen, in denen der Agent die Speicherverwaltung in gro\u00dfem Umfang \u00fcben kann. Die meisten Arbeiten verwenden synthetische Aufgaben oder enge Benchmarks. Ob sich diese Trainingssignale auf die chaotische Vielfalt der Arbeitsabl\u00e4ufe in Unternehmen \u00fcbertragen lassen, ist nicht bewiesen.<\/p>\n Reward Engineering ist anf\u00e4llig.<\/strong> Die Erfahrungen des mem-agent Teams sind lehrreich: Die ersten Belohnungsentw\u00fcrfe f\u00fchrten dazu, dass die Modelle Belohnungen im Format spielten, anstatt Aufgaben zu l\u00f6sen. Sie durchliefen mehrere Iterationen, bevor sie ein stabiles Rezept fanden. Das ist kein Plug-and-Play.<\/p>\n Navigation \u00fcber Kopf.<\/strong> RLMs ben\u00f6tigen aufgrund des Parallelisierungs-Overheads f\u00fcr Sub-LLMs durchweg mehr Wall-Clock-Zeit. F\u00fcr latenzempfindliche Anwendungen - Chatbots, Echtzeit-Kundensupport - bleibt die traditionelle RAG die schnellere Option. Der Kompromiss zwischen RLM und Genauigkeit ist schneller als die Geschwindigkeit, was seine Anwendbarkeit f\u00fcr tiefgreifende Analysen und langlaufende Workflows einschr\u00e4nkt.<\/p>\n Das multimodale Ged\u00e4chtnis ist fr\u00fch.<\/strong> Alle acht Post-Training-Papiere konzentrieren sich auf Text. Agenten, die mit Bildern, strukturierten data, Werkzeugausgaben oder gemischten Modalit\u00e4ten arbeiten, brauchen Speichersysteme, die mit heterogenen Inhalten umgehen k\u00f6nnen. Niemand hat dies bisher gel\u00f6st.<\/p>\n Sichere Oberfl\u00e4che.<\/strong> Speicher, der bestehen bleibt und sich weiterentwickelt, schafft Angriffsvektoren. Angreifende Eingaben k\u00f6nnten das Langzeitged\u00e4chtnis vergiften. Eine zu lange Speicherung gibt Anlass zu Bedenken hinsichtlich des Datenschutzes in regulierten Branchen. Die Version 2026.2.3 von OpenClaw behebt einige dieser Probleme mit einem st\u00e4rkeren Schutz vor Prompt Injection, aber die weiteren Sicherheitsauswirkungen von erlernten Speicherrichtlinien sind noch nicht ausreichend erforscht.<\/p>\n Innerhalb weniger Monate sind drei Entwicklungen zusammengelaufen. Post-Memory-Training lehrt die Agenten, was sie sich merken sollen. Rekursive Sprachmodelle bringen den Agenten bei, wie sie durch das navigieren k\u00f6nnen, was sie sich noch nicht gemerkt haben. Und Produktionssysteme wie OpenClaw beweisen, dass diese F\u00e4higkeiten ohne die traditionellen H\u00fcrden der Feinabstimmung, der knappen Rechenleistung und der tiefen ML-Expertise bereitgestellt werden k\u00f6nnen.<\/p>\n Die Marschrichtung ist klar. In Phase 1 (jetzt) sind heuristische Speichersysteme und RAG der Produktionsstandard. Sie funktionieren. Verwenden Sie sie. In Phase 2 (2026-2027) werden RL-trainierte Speichermodule als Plug-in-Komponenten verf\u00fcgbar, kleine spezialisierte Modelle, die die Speicherverwaltung f\u00fcr gr\u00f6\u00dfere Argumentationsmodelle \u00fcbernehmen. RLM-\u00e4hnliche Navigation wird zu einer Standard-Agentenfunktion. In Phase 3 (2027+) werden das Ged\u00e4chtnistraining und die Kontextnavigation in die Standard-Pipelines nach dem Training integriert, zusammen mit der Befehlsabstimmung und dem RL-Schlussfolgern.<\/p>\n Ob sich RL on memory als die Antwort oder als ein Teil eines gr\u00f6\u00dferen Puzzles erweist, bleibt offen. N\u00e4chstes Jahr k\u00f6nnte etwas ganz anderes herauskommen. Aber die Anzahl der unabh\u00e4ngigen Teams, die zu diesem Ansatz gekommen sind - in Kombination mit der Geschwindigkeit, mit der Produktionssysteme wie OpenClaw die Prinzipien \u00fcbernommen haben - ist schwer von der Hand zu weisen. Diese Art von Konvergenz bedeutet normalerweise etwas.<\/p>\n F\u00fcr die Praktiker, die heute bauen, gilt: Entwerfen Sie Ihre Systeme so, dass die Speicherebene modular und austauschbar ist, und geben Sie Ihren Agenten Werkzeuge an die Hand, mit denen sie in ihrem Kontext navigieren k\u00f6nnen, anstatt ihn nur passiv zu empfangen. Die heuristischen Systeme, die Sie jetzt einsetzen, werden irgendwann gegen trainierte Systeme ausgetauscht werden. Wenn Ihre Speicherverwaltung fest mit Ihrer Pipeline verdrahtet ist, wird dieser Tausch teuer werden. Wenn es sich um eine saubere Schnittstelle handelt, wird es ein Upgrade sein.<\/p>\n Die Agenten, die in der Produktion skalieren, werden nicht diejenigen mit den gr\u00f6\u00dften Kontextfenstern oder den teuersten Modellen sein. Sie werden diejenigen sein, die gelernt haben, was sie sich merken m\u00fcssen - und wie sie finden, was sie nicht haben.<\/p>","protected":false},"excerpt":{"rendered":" In einem fr\u00fcheren Beitrag habe ich untersucht, wie acht unabh\u00e4ngige Forschungsteams zu derselben Erkenntnis kamen: anstatt Speichersysteme um das Modell herum zu bauen, trainiert man das Modell selbst im Umgang mit dem Speicher als erlernte F\u00e4higkeit. Post-Memory-Training \u2013 die Verwendung von Reinforcement Learning in der Post-Training-Phase \u2013 erzeugt Agenten, die entscheiden, was gespeichert, gel\u00f6scht, konsolidiert und abgerufen wird, alles optimiert f\u00fcr den Erfolg bei der Erledigung von Aufgaben.<\/p>","protected":false},"featured_media":1105039,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1103955","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/1103955","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/1105039"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1103955"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=1103955"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=1103955"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Kontext als Navigation: der RLM-Paradigmenwechsel<\/h2>\n
Der OpenClaw-Moment<\/h2>\n
\nVersion 2026.2.3 zielt speziell auf das Zuverl\u00e4ssigkeitsproblem ab, das lang andauernde Arbeitsabl\u00e4ufe zunichte macht: verbesserte Konsistenz der Werkzeugausf\u00fchrung, Sitzungsverwaltung, Speicherzuverl\u00e4ssigkeit und Agentenisolierung f\u00fcr stabile lang andauernde Automatisierung. Dies sind keine Forschungsfunktionen. Es handelt sich um Produktionskorrekturen f\u00fcr genau die Fehlermodi, die die Post-Memory-Trainingsforschung identifiziert hat.<\/p>\nUnternehmens\u00fcbersetzung: Warum dies die Skalierungsgleichung \u00e4ndert<\/h2>\n
Die Kostenbarriere f\u00e4llt<\/h3>\n
Die Wissensbarriere f\u00e4llt<\/h3>\n
Verl\u00e4sslichkeit \u00fcber lange Zeitr\u00e4ume<\/h3>\n
Drei Dinge, die Sie in Ihrem Stapel beachten sollten<\/h3>\n
\n
Beschr\u00e4nkungen und offene Fragen<\/h2>\n
Wohin die Reise geht<\/h2>\n