Die Architektur
der Intuition
Wie Agent Brain Erinnerungen speichert, verbindet und vergisst — inspiriert von der kognitiven Neurowissenschaft.
Das Paradigma: Entkoppeltes Gedächtnis
Strikte Trennung zwischen Reasoning Engine (AI Agent) und kognitivem Substrat (Brain).
Agent Brain denkt nicht. Es speichert, verbindet und liefert. Keine LLM-Calls für Gedächtnisoperationen — reine Datenbank-Mathematik und lokale Modelle.
Die Architektur bewegt sich von «stochastischer Amnesie» hin zu «institutioneller Intuition»: Ein Agent, der sich erinnert wie ein erfahrener Mitarbeiter, nicht wie ein frisch gebooteter Prozess.
Perception Gate
4 Scoring-Metriken bewerten jeden Input in Echtzeit. Nur relevante Informationen passieren das Gate.
| Metrik | Range | Funktion |
|---|---|---|
| Emotion-Score | -1.0 bis +1.0 | Emotionaler Inhalt widersteht Decay, priorisiert beim Recall |
| Novelty-Score | 0.0 bis 1.0 | Abweichung von Mustern löst tiefere Graph-Updates aus |
| Urgency-Score | 0.0 bis 1.0 | Sofortige Priorität im Working Memory Buffer |
| Source-Trust | 0.0 bis 1.0 | Zuverlässigkeits-Gewichtung der Informationsquelle |
Scoring-Vergleich: Zwei Inputs
High-Priority vs. Low-Priority Nachricht
Working Memory Buffer
Exakt 7 Slots nach Miller's Law (1956). FIFO + Prioritäts-Gewichtung. Items verlieren Gewicht in Minuten.
7 Items Max
Miller's Law: Der Mensch hält 7±2 Items im Arbeitsgedächtnis. Agent Brain hält sich daran.
Minuten-Decay
Nicht reaktivierte Items verlieren Gewicht in Minuten und werden durch relevantere ersetzt.
Token-Bloat-Schutz
Schützt das Context Window vor Überladung. Nur die wichtigsten 7 Items im Fokus.
Episodisches Gedächtnis & Knowledge Graph
Reconsolidation-Mechanik und bi-temporales Datenmodell für verlustfreie Wissensarchitektur.
Reconsolidation
Erinnerungen sind nicht statisch. Bei jedem Abruf wird eine Erinnerung im aktuellen Kontext aktualisiert. Häufig abgerufene Spuren werden stärker — genau wie im menschlichen Gehirn.
PostgreSQL mit Zeitstempeln, 384-dimensionalen Embeddings und dynamischer Gewichtung. Jede Erinnerung trägt Kontext, Emotion und Vertrauenswert.
Verlustfreie Architektur
Alte Kanten werden invalidiert, nie gelöscht. Der Agent kann über die Vergangenheit mit derselben Genauigkeit schlussfolgern wie über die Gegenwart.
Beispiel: Ein Mieter zieht um. Die alte Adresse wird t_invalid gesetzt, die neue ergänzt. Der Agent weiss beides — früher und jetzt.
Bi-Temporales Modell
Zwei zeitliche Dimensionen für jede Kante im Knowledge Graph
| Attribut | Parameter | Rolle |
|---|---|---|
| Valid Time | t_valid → t_invalid | Wann war das Fakt in der Realität wahr? |
| Transaction Time | t_created → t_expired | Wann hat das System es gelernt / verlernt? |
UPDATE edges SET t_invalid = NOW() WHERE ...;
INSERT INTO edges (t_valid, t_created, ...) VALUES (NOW(), NOW(), ...);
Vergessen & Lernen in Zahlen
Vergessenskurve (Ebbinghaus Decay)
Herkömmliche DB behält alles. Agent Brain vergisst aktiv.
Lernkurve der Predictive Engine
Präzision steigt mit jeder Interaktion über 6 Monate.
Der Dream Cycle
Jeden Tag um 02:00 Uhr durchläuft Agent Brain vier Konsolidierungsprozesse — analog zur REM-Schlafphase des Menschen.
Pattern Consolidation
Ähnliche episodische Erinnerungen werden zusammengeführt. Redundanzen entfernt.
Ebbinghaus Decay
Exponentielle Vergessenskurve. Nicht reaktivierte Erinnerungen verlieren Gewicht.
Creative Synthesis
Nicht-offensichtliche Verbindungen zwischen entfernten Erinnerungen finden.
Rule Derivation
Konsistente Beobachtungen werden zu prozeduralen Regeln promoviert.
W(t) = W_init * e^(-decay_rate * t)
W_init = initiales Gewicht aus dem Perception Gate. decay_rate = individueller Verfallsfaktor. t = Zeit seit letzter Reaktivierung.
Prozedurale Erinnerung & Predictive Engine
Vom Erkennen von Mustern zur aktiven Vorhersage von Ereignissen.
Prozedurale Erinnerung
Nach 3+ Wiederholungen erkennt Agent Brain ein Muster und kodiert es als prozedurale Regel. Erfolgreiche Aktionssequenzen werden gespeichert.
Das Ergebnis: «Institutionelle Intuition»— der Agent handelt wie ein erfahrener Profi, nicht wie ein Neuling.
Predictive Engine
Läuft alle 60 Minuten. Analysiert temporale Muster in episodischen und semantischen Schichten.
{
"probability": 0.87,
"event": "Heizungsbericht fällig",
"timeframe": "30 Tage"
}
Technologie-Stack
Produktionsreife Infrastruktur. Keine experimentellen Abhängigkeiten.