Memory und Context Engineering

Unsere Position. Das Kontextfenster ist für uns die knappste Ressource eines Agenten, und wir verwalten es aktiv. Startet ohne Ballast (öffnet in einem neuen Tab) und ladet nur, was die Aufgabe braucht. Was überdauern muss, sichert ihr in Markdown-Dateien, statt das Fenster volllaufen zu lassen.

Kontext ist die Menge der Tokens, die das Modell sieht, wenn es über seinen nächsten Schritt entscheidet. Wie haltet ihr das Fenster klein und reich an Signal? Welche expliziten Artefakte wie ADRs, Schemas und Bounded Contexts ersetzen das implizite Wissen, das ein Mensch ganz selbstverständlich mitbringt? Und wie scheitert Kontext an Context Pollution und Context Starvation? Ein Agent kann Wissen just in time abrufen, statt es vorab zu laden. Zustand kann eine Sitzung überdauern, in Notizen, Memory-Schichten und Knowledge Graphs. Sobald ihr Kontext wie Code versioniert, erzeugt, testet und überarbeitet ihr ihn wie jedes andere Engineering-Material.

Einstieg

• Just-in-time Retrieval - Warum gezielte Suche oft besser abschneidet, als alles vorab zu laden oder zu indexieren.
• Persistentes Agenten-Memory - Muster und Abwägungen, um nützliches Wissen über eine Sitzung hinaus mitzunehmen.
• Kontext als versioniertes Artefakt - Wie ihr Kontext als geregeltes, reviewbares und wartbares Engineering-Material behandelt.

Verwandte Seiten

• Context Engineering: dieselbe Disziplin innerhalb eines einzelnen Coding-Agents.
• Federated Context Platform für KI-Agenten im Unternehmen: wie Kontext über ein Repository hinaus auf eine ganze Organisation wächst.
• Kontext und Produktivität: was die Forschung über die Wirkung von Kontext auf das Ergebnis sagt.
• MCP: Protokoll und Kontextkosten: was jedes angebundene Tool das Fenster kostet.
• Methoden und Frameworks: die Arbeitszyklen, die Erkenntnisse zurück in den Kontext schreiben.

Quellen

Memory-Systeme

• Acontext (öffnet in einem neuen Tab) - Open-Source-Memory-Schicht für KI-Agenten. Sie speichert LLM-Nachrichten, verfolgt den Zustand und extrahiert SOPs aus erfolgreichen Läufen als wiederverwendbare Agent-Skills.
• Agentic Context Engine (ACE) (öffnet in einem neuen Tab) - Python-Framework unter Apache 2.0, mit dem Agenten aus Erfahrung lernen. Es extrahiert Strategien in ein persistentes Skillbook, ohne Fine-Tuning und ohne Vektordatenbanken.
• Basic Memory (öffnet in einem neuen Tab) - Persistente Memory-Schicht, mit der KI-Unterhaltungen Projektkontext über Sitzungen hinweg mitnehmen, statt ihn jedes Mal neu zu erklären.
• Beads (öffnet in einem neuen Tab) - Memory-Upgrade für Coding-Agents auf Basis einer verteilten Datenbank, die kein Setup braucht.
• ChunkHound (öffnet in einem neuen Tab) - Local-first-Tool für Codebase-Intelligenz. Es durchsucht und analysiert Code in 30 und mehr Sprachen mit semantischen und Regex-Abfragen.
• Claude History MCP (öffnet in einem neuen Tab) - MCP-Server, der den Gesprächsverlauf von Claude Code indexiert. Agenten durchsuchen damit frühere Sitzungen und Entscheidungen und verweisen darauf.
• Code Context Engine (öffnet in einem neuen Tab) - Local-first-Codebase-Indexer unter MIT (Python, Tree-sitter, sqlite-vec), über MCP angebunden. Agenten durchsuchen damit Code, statt Dateien neu zu lesen; das Projekt meldet 94 % Token-Ersparnis.
• Cognee MCP (öffnet in einem neuen Tab) - MCP-Server, der Agenten die Memory- und Knowledge-Graph-Schicht von Cognee mit wenigen Zeilen Code zugänglich macht.
• Hindsight (öffnet in einem neuen Tab) - Memory-System für Agenten unter MIT nach dem Modell Retain, Recall, Reflect. Es ordnet Erinnerungen in Fakten, Erfahrungen und mentale Modelle und ruft sie mit mehreren Strategien über PostgreSQL ab.
• Letta (öffnet in einem neuen Tab) - Open-Source-Framework für zustandsbehaftete Agenten mit Langzeit-Memory, früher MemGPT.
• MCP Memory (öffnet in einem neuen Tab) - Offizieller MCP-Referenzserver zum Speichern und Abrufen von Memory.
• Mem0 (öffnet in einem neuen Tab) - Universelle Memory-Schicht für KI-Agenten, die Wissen langfristig über Sitzungen hinweg behält.
• Mem0 CLI (öffnet in einem neuen Tab) - CLI für die universelle Memory-Schicht von Mem0. Damit legt ihr Erinnerungen von Agenten im Terminal an, ruft sie ab und durchsucht sie, ohne Code zu schreiben.
• Memorix (öffnet in einem neuen Tab) - Open-Source-Memory-Schicht über MCP, die mehrere Agenten gemeinsam nutzen. Sie teilt persistenten Kontext zwischen Cursor, Claude Code, Codex und anderen. Sie indexiert auf Basis von Git und hält Begründungen fest.
• Serena MCP (öffnet in einem neuen Tab) - MCP-Toolkit, das Coding-Agents semantisches Abrufen und Bearbeiten von Code gibt. Es dient dem Agenten als IDE.
• SimpleMem (öffnet in einem neuen Tab) - Lebenslange Memory-Schicht für LLM-Agenten mit semantisch verlustfreier Kompression und Suche über Text, Bild, Audio und Video. Text-Memory stellt sie über MCP bereit.
• Sirchmunk (öffnet in einem neuen Tab) - Such- und Reasoning-Schicht ohne Embeddings, die direkt auf Rohdaten läuft, ohne Vektordatenbank. Sie bietet einen FAST- und einen DEEP-Modus (Monte Carlo) und einen MCP-Server.
• Supermemory (öffnet in einem neuen Tab) - Memory- und Kontext-Engine für KI-Agenten unter MIT. Sie extrahiert automatisch Fakten, pflegt Nutzerprofile und löst Widersprüche auf, mit hybridem RAG und multimodaler Aufnahme.
• TrustGraph (öffnet in einem neuen Tab) - Graph-native Runtime, die strukturiertes Wissen speichert, anreichert und abruft. Sie bringt eine Multi-Model-Datenbank mit, fertige Pipelines für DocumentRAG, GraphRAG und OntologyRAG, portable Context Cores, 3D-Visualisierung und MCP-Anbindung.
• Zep (öffnet in einem neuen Tab) - Context-Engineering-Dienst für KI-Agenten mit einem einheitlichen Context Graph, Graph RAG und automatisch zusammengestelltem Kontext über Frameworks hinweg. Er liefert Kontext in etwa 200 ms.

Context Retrieval

• CocoIndex (öffnet in einem neuen Tab) - Inkrementelles Daten-Framework, das Call Graphs, Symboltabellen und semantische Indizes für Agenten aktuell hält. Dafür verarbeitet es nur das geänderte Delta neu.
• Context7 (öffnet in einem neuen Tab) - MCP-Server und CLI (öffnet in einem neuen Tab), die versionsgenaue Bibliotheksdokumentation und Codebeispiele in den Prompt holen. Sie sollen halluzinierte oder veraltete API-Aufrufe verhindern.
• Crawl4AI (öffnet in einem neuen Tab) - LLM-freundlicher Open-Source-Webcrawler, der Seiten in sauberes Markdown für RAG, Agenten und Pipelines verwandelt. Er extrahiert per CSS, LLM und Schema.
• Firecrawl MCP (öffnet in einem neuen Tab) - Offizieller MCP-Server von Firecrawl, der Cursor, Claude Code und anderen LLM-Clients Web-Scraping und Suche hinzufügt.
• Haystack (öffnet in einem neuen Tab) - Open-Source-Framework von deepset für RAG-, Such- und Agenten-Pipelines über Dokumente.
• LlamaIndex (öffnet in einem neuen Tab) - Daten-Framework, das eigene Datenquellen mit LLMs verbindet, mit Indexierung und Retrieval für RAG und Agenten.
• MinerU (öffnet in einem neuen Tab) - Hochpräzise Engine, die PDFs, Office-Dateien und Bilder in LLM-taugliches Markdown oder JSON für RAG- und Agenten-Workflows zerlegt, mit MCP-Server.
• QMD (öffnet in einem neuen Tab) - Lokale CLI und MCP-Suchmaschine auf dem eigenen Gerät für Markdown-Notizen und Transkripte. Sie kombiniert BM25, Vektorsuche und LLM-Reranking mit Kontext-Metadaten, die an Pfaden hängen.
• RAGFlow (öffnet in einem neuen Tab) - Open-Source-RAG-Engine, die auf tiefem Dokumentverständnis aufbaut. Sie zerlegt Dokumente layoutbewusst in Chunks und stützt das Retrieval auf Zitate.
• Ref Tools MCP (öffnet in einem neuen Tab) - MCP-Server, der öffentliche und private Bibliotheksdokumentation für Coding-Agents durchsucht. Er soll unnötigen Kontext und Fehler bei Bibliotheks-APIs reduzieren.

Knowledge Graphs

• Agent Lattice (lat.md) (öffnet in einem neuen Tab) - Markdown-basierter Knowledge Graph für eine Codebase. Wiki-Links verbinden Abschnitte der Dokumentation mit Symbolen im Quellcode, eine CLI validiert, sucht und navigiert.
• Code Review Graph (öffnet in einem neuen Tab) - Local-first-Knowledge-Graph für Code unter MIT (Python, Tree-sitter, SQLite) mit 30 MCP-Tools. Er bildet eine Codebase ab, damit KI-Assistenten im Review nur die relevanten Dateien lesen.
• CodeGraph (öffnet in einem neuen Tab) - Vorindexierter lokaler Knowledge Graph für Code, der Claude Code, Codex, Cursor und anderen Agenten semantische Code-Intelligenz gibt. Das Projekt behauptet rund 35 % geringere Kosten.
• Cognee AI (öffnet in einem neuen Tab) - Open-Source-Memory-SDK, das Knowledge Graphs über Daten, Entscheidungen und Workflows eines Agenten baut. So kann der Agent Kontext abrufen und verknüpfen.
• Create Context Graph (öffnet in einem neuen Tab) - Interaktive CLI, die Apps für KI-Agenten auf Basis von Neo4j-Knowledge-Graphs aufsetzt. Sie deckt 22 Domänen und 8 Frameworks ab, mit SaaS-Konnektoren und dreistufigem Memory.
• Graft (öffnet in einem neuen Tab) - Knowledge Graph für Code unter MIT aus Markdown-Knoten und typisierten Links, gebaut mit tree-sitter, ohne Embeddings. An Coding-Agents bindet er sich über MCP an.
• Graphiti (öffnet in einem neuen Tab) - Bibliothek, die Knowledge Graphs in Echtzeit als Memory-Schicht für KI-Agenten aufbaut.
• Hyper-Extract (öffnet in einem neuen Tab) - Python-CLI unter Apache 2.0, die unstrukturierten Text in acht Typen von Wissensstrukturen überführt. Sie nutzt GraphRAG, LightRAG und andere Methoden und bringt 80 und mehr Domänen-Vorlagen mit.
• MemPalace (öffnet in einem neuen Tab) - Local-first-Memory-System, organisiert als hierarchischer Palast auf ChromaDB und SQLite. Es kennt zeitliche Gültigkeit, verlustbehaftete AAAK-Kompression und hat einen MCP-Server.
• OntoBricks (öffnet in einem neuen Tab) - Macht aus Unity-Catalog-Tabellen einen materialisierten Knowledge Graph, über OWL-Ontologien aus einem LLM-Entwurf, R2RML-Mapping und SHACL-Validierung. Agenten fragen ihn über MCP ab; die Lizenz ist nicht OSI-konform, nur zum Erkunden.
• gbrain (öffnet in einem neuen Tab) - Agenten-Gehirn, das sich selbst verdrahtet und hybride Suche mit einem Knowledge Graph kombiniert. Typisierte Links extrahiert es ohne LLM-Aufrufe, als lokale CLI auf PGLite plus MCP-Server.

Knowledge OS / Second Brain

• Airweave (öffnet in einem neuen Tab) - Open-Source-Schicht für Context Retrieval, die 100 und mehr Apps, Datenbanken und Dokumentenspeicher zu durchsuchbaren Wissensbasen für KI-Agenten verbindet. Sie bietet hybride Suche und automatischen Sync.
• Product OS Workspace Template (öffnet in einem neuen Tab) - Persönliche Workspace-Vorlage für Claude Code für Product Manager:innen, dateibasiert organisiert. Sie enthält einen leeren Starter und ein ausgearbeitetes Beispiel.
• Proof (öffnet in einem neuen Tab) - Online-Editor für Markdown-Dokumente, in dem KI-Agenten und Menschen gemeinsam schreiben, mit Live-Präsenz, Kommentaren und Herkunft pro Zeichen. Er lässt sich in Claude Code und Codex installieren.
• Team OS Example Repo (öffnet in einem neuen Tab) - Vorlagen-Repository, das die gemeinsame Wissensbasis eines fiktiven Produktteams mit 10 Personen in Git abbildet. So starten neue KI-Sitzungen mit dem vollen Kontext des Teams.
• Tolaria (öffnet in einem neuen Tab) - (tolaria.md (öffnet in einem neuen Tab)) Open-Source-Desktop-App auf Tauri und React (macOS, Linux), die Markdown-Wissensbasen als Agenten-Memory verwaltet. Sie unterstützt AGENTS.md und bringt einen MCP-Server für KI-Agenten mit.
• massCode (öffnet in einem neuen Tab) - Local-first-Snippet-Manager auf Electron unter AGPL-3.0 (TypeScript, Vue). Er speichert Code-Snippets und Markdown-Notizen als einfache .md-Dateien auf der Platte, für den Sync über Git und Cloud.

Vektor- und Graphdatenbanken

• Chroma (öffnet in einem neuen Tab) - Open-Source-Embedding-Datenbank für LLM-Apps mit Vektorsuche über Dokumente.
• HelixDB (öffnet in einem neuen Tab) - Open-Source-Graph-Vektor-Datenbank in Rust, gebaut für RAG und Agenten-Memory, mit der einheitlichen Abfragesprache HelixQL.
• KuzuDB (öffnet in einem neuen Tab) - Eingebettete Graphdatenbank für Knowledge Graphs und Vektorspeicherung, mit Cypher-Unterstützung.
• LanceDB (öffnet in einem neuen Tab) - Eingebettete Open-Source-Vektordatenbank auf dem spaltenorientierten Lance-Format, für lokales und serverloses Retrieval.
• Milvus (öffnet in einem neuen Tab) - Open-Source-Vektordatenbank für Ähnlichkeitssuche in großem Maßstab und RAG.
• pgvector (öffnet in einem neuen Tab) - Open-Source-Erweiterung, die einer bestehenden PostgreSQL-Datenbank Vektor-Ähnlichkeitssuche hinzufügt.
• Pinecone (öffnet in einem neuen Tab) - Verwaltete, serverlose Vektordatenbank, die per API-Aufruf Milliarden Einträge in Millisekunden nach ähnlichen Treffern durchsucht.
• Qdrant (öffnet in einem neuen Tab) - Open-Source-Vektordatenbank und Engine für Ähnlichkeitssuche, in Rust geschrieben, mit Filtern und Payloads.
• Weaviate (öffnet in einem neuen Tab) - Open-Source-Vektordatenbank mit hybrider Suche und eingebauten Modulen für Embeddings und Generierung, ausgelegt auf RAG.

Embedding-Modelle

• Jina AI (öffnet in einem neuen Tab) - Anbieter offener und gehosteter Embedding- und Reranking-Modelle für Suche und RAG.
• Nomic (öffnet in einem neuen Tab) - Hersteller von Open-Source-Modellen für Text-Embeddings und der Plattform Atlas zur Datenvisualisierung.
• Voyage AI (öffnet in einem neuen Tab) - Embedding- und Reranking-Modelle, optimiert auf die Genauigkeit von Retrieval und RAG.