Was passiert, wenn mehrere KI-Agenten in Deinem Unternehmen arbeiten – aber keiner sich merken kann, was der andere schon gelernt hat? Genau dieses Problem will TencentDB Agent Memory lösen. Das neue Open-Source-Projekt von Tencent Cloud hat auf GitHub gerade die 20.000-Sterne-Marke durchbrochen – über 5.700 neue Sterne allein in dieser Woche.
Was das Tool macht
TencentDB Agent Memory ist ein zentraler Wissensspeicher für KI-Agenten – also für Programme, die Aufgaben selbstständig erledigen. Es verwandelt Gespräche, Dokumente und Code in vier wiederverwendbare Wissensbausteine:
- Chat Memory: Was wurde schon besprochen? Kein Gespräch beginnt mehr bei null.
- Skill: Erlernte Fähigkeiten, die andere Agenten übernehmen können.
- LLM-Wiki: Strukturiertes Fachwissen, auf das alle Agenten zugreifen.
- Code-Graph: Wissen über die eigene Codebasis – welche Systeme hängen wie zusammen.
Der Grundgedanke dahinter, aus der Projektbeschreibung: „Memory is not about hoarding everything in the AI – it is about sparing humans from having to repeat themselves.“ Auf Deutsch: Das Ziel ist nicht, alles zu speichern – sondern zu verhindern, dass Menschen sich ständig wiederholen müssen.
Die zwei Bausteine: symbolisch und geschichtet
Statt wie viele andere Tools einfach alles in einen riesigen Datenspeicher zu kippen, arbeitet TencentDB Agent Memory mit zwei Prinzipien:
- Symbolisches Kurzzeitgedächtnis: Lange Protokolle von Werkzeugaufrufen werden zu kompakten Symbolen verdichtet – vergleichbar mit einem Stenogramm statt eines Wortprotokolls. Das spart massiv Rechenaufwand.
- Geschichtetes Langzeitgedächtnis: Aus vielen Einzelgesprächen entstehen strukturierte Profile und Szenen – statt eines flachen Datenhaufens, in dem blind gesucht werden muss.
Die Zahlen dahinter
In Tests mit der Agenten-Plattform OpenClaw zeigt das Plugin beeindruckende Verbesserungen:
- 61 % weniger Token-Verbrauch – also weniger Rechenkosten pro Aufgabe
- +51 % relative Verbesserung der Erfolgsquote bei komplexen Suchaufgaben
- Personen-Erkennung von 48 % auf 76 % verbessert – der Agent merkt sich zuverlässiger, wer sein Gegenüber ist
Gemessen wurde über lange, zusammenhängende Sitzungen – nicht über einzelne isolierte Fragen. Genau das ist der Alltag eines Agenten, der wirklich mitarbeitet.
Klartext-Winkel
Das Projekt löst ein reales Problem, das jedes Unternehmen trifft, das mehrere KI-Agenten einsetzt: Wissen verschwindet, sobald die Sitzung endet. Ohne gemeinsames Gedächtnis erklärt man jedem neuen Agenten dieselben Prozesse, Regeln und Konventionen – immer wieder von vorn.
Aber: Wie bei den meisten Entwickler-Tools gilt auch hier – ohne technisches Team geht es nicht. Einrichtung, Datenpflege und die Entscheidung, welche Inhalte überhaupt in den gemeinsamen Speicher dürfen, bleiben menschliche Aufgaben. Es ist Infrastruktur, kein Fertigprodukt. Und wer sensible Unternehmensdaten einbringt, sollte sich die Architektur genau ansehen, bevor er den Speicher füttert.
Für wen lohnt sich das?
- Teams mit mehreren KI-Agenten, die heute ihr Wissen nicht teilen können
- Entwicklungsfirmen, die Agenten-Workflows für Kunden bauen und einen gemeinsamen Wissensstand brauchen
- Pioniere im Mittelstand, die bereits eigene Agenten betreiben und die Kosten pro Aufgabe senken wollen
Für alle anderen gilt: Zuschauen, verstehen, abwarten. Das Projekt ist vier Monate alt und entwickelt sich schnell – die grundlegende Idee aber, dass Agenten ein gemeinsames Gedächtnis brauchen, wird bleiben.
Quelle: GitHub – TencentCloud/TencentDB-Agent-Memory (Stand: 13.08.2026)