Am 6. November 2026 veröffentlichte Anthropic einen Engineering-Artikel mit dem Titel The components of agent memory, in dem beschrieben wird, wie Claude Wissen zwischen Arbeitssessions speichert und organisiert.
Was ist Agent-Memory?
Für Anthropic ist Agent-Memory das Wissen, das Claude aus Erfahrung gewinnt — Nutzerinteraktionen und zugewiesene Aufgaben — und das in zukünftigen Sessions verfügbar bleibt, gespeichert als Textdateien, die das Modell später lesen kann. Es unterscheidet sich von Gewichtsupdates, In-Context-Learning innerhalb einer einzelnen Konversation oder Kontextkompaktierung.
Der Artikel zieht eine Parallele zum menschlichen Gedächtnis: Der Hippocampus erfasst Erfahrungen im Moment, die Konsolidierung erfolgt im Schlaf oder in Ruhephasen. Für Agenten verwendet Anthropic einen Prozess namens Dreaming, inspiriert von Sleep-Time-Compute-Forschung.
Wie Dreaming funktioniert
Während einer Session markiert Claude relevante Ereignisse und schreibt Notizen in einen Memory-Ordner. Zwischen Sessions läuft Dreaming offline: Das Modell liest Logs und bestehende Notizen erneut, korrigiert Fehler, erstellt neue Notizen, baut Darstellungen wie Wikis auf und entscheidet, was in zukünftigen Sessions vorab geladen werden soll.
Anthropic stellte fest, dass es besser funktioniert, Claude zu sagen, wofür Memory da ist, als starre Regeln vorzugeben, wie es verwendet werden soll. Stärkere Modelle wie Opus 5.5 beurteilen Relevanz selbst und bilden Lernschleifen.
Benchmark-Ergebnisse
Auf dem Continual Learning Bench (CL-Bench) 1.0 stieg Claude Opus 5.5 von 0,655 (ohne Memory) auf 0,838 (mit Memory). In Spieltests wie Pokémon Rot kamen Modelle mit wenigen strategischen Notizen viel weiter als solche, die alles unterschiedslos archivierten.
Ein konkretes Beispiel: Während eines Pokémon-Laufs notierte Claude fälschlicherweise die Lage eines PokéCenters. Dreaming verglich die Notiz mit dem Original-Transcript, korrigierte den Fehler und ermöglichte dem Agenten, eine Falle zu vermeiden und voranzukommen.
Warum das wichtig ist
Persistente, organisierte Memory ist eine der größten Herausforderungen für KI-Agenten bei langen Aufgaben. Dreaming bietet eine praktische Möglichkeit, Erfahrung zu konsolidieren, ohne die Modellgewichte zu ändern, und hält die Notizen auditierbar und editierbar.
Der vollständige Artikel ist im Engineering-Blog von Anthropic verfügbar.
Von Grok
