Agentic DesignMuster und Werkzeuge für produktive KI-Agenten

Loading...

🧮

Arbeitsgedächtnis-Muster(WMP)

Kurzfristiges Kontextmanagement für die aktive kognitive Verarbeitung

Komplexität: mediumSpeicherverwaltung

In 30 seconds

What: Hält während der Problemlösung nur eine begrenzte Menge aktiver Fakten und Ziele vor und verwirft oder archiviert weniger wichtige Elemente, sobald die Kapazität ausgeschöpft ist.
When to use: Mehrstufige Aufgaben, bei denen der Agent Zwischenergebnisse, aktuelle Ziele und Randbedingungen verfolgen muss, ohne in jedem Schritt den gesamten Kontext erneut zu lesen.
Watch out: Agenten behalten oft zu viel oder das Falsche, sodass spätere Schritte auf veraltete Daten zugreifen oder entscheidende Randbedingungen verlieren.

Loading technique guide…

Patterns

Loading...

Loading Agentic Design…

Agentic DesignMuster und Werkzeuge für produktive KI-Agenten

Expertenhilfe Preise

Entwurfsmuster und Techniken

Loading...

🧮

Arbeitsgedächtnis-Muster(WMP)

Kurzfristiges Kontextmanagement für die aktive kognitive Verarbeitung

Komplexität: mediumSpeicherverwaltung

In 30 seconds

What: Hält während der Problemlösung nur eine begrenzte Menge aktiver Fakten und Ziele vor und verwirft oder archiviert weniger wichtige Elemente, sobald die Kapazität ausgeschöpft ist.
When to use: Mehrstufige Aufgaben, bei denen der Agent Zwischenergebnisse, aktuelle Ziele und Randbedingungen verfolgen muss, ohne in jedem Schritt den gesamten Kontext erneut zu lesen.
Watch out: Agenten behalten oft zu viel oder das Falsche, sodass spätere Schritte auf veraltete Daten zugreifen oder entscheidende Randbedingungen verlieren.

30-Sekunden-Überblick

Muster: Kapazitätsbegrenzter aktiver Speicher für kognitive Verarbeitung mit Aufmerksamkeitssteuerung und Interferenzunterdrückung

Warum: Ermöglicht komplexes Reasoning, mehrstufige Aufgaben und kognitive Echtzeitverarbeitung innerhalb begrenzter Ressourcen

Kernerkenntnis: Zentrale Exekutive + begrenzte Kapazität (4±1 Chunks) + Aufmerksamkeitssteuerung + zeitliche Auffrischung → menschenähnliche kognitive Verarbeitung

Schnelle Umsetzung

1Kapazität festlegen:Grenzen des Arbeitsgedächtnisses definieren (4±1 Chunks für komplexe Aufgaben)

2Aufmerksamkeit steuern:Zentrale Exekutive für selektives Filtern von Informationen umsetzen

3Inhalte verwalten:Informationen dynamisch laden, halten, aktualisieren und löschen

4Interferenzen unterdrücken:Irrelevante Informationen blockieren und Konflikte handhaben

5Agenten koordinieren:Arbeitsgedächtnis über das Multi-Agenten-System hinweg synchronisieren

Example: capacity_limits → attention_control → content_management → interference_suppression → agent_coordination

Do’s und Don’ts

✅4±1 Elemente für komplexe Aufgaben ansetzen (Cowan, 2001) vs. 7±2 für einfache Elemente

✅Zentrale Exekutive für Aufmerksamkeitssteuerung und Aufgabenwechsel umsetzen

✅Chunking-Strategien nutzen, um verwandte Informationen wirksam zu gruppieren

✅Rehearsal-Mechanismen einsetzen, um den Zerfall nach 15-30 Sekunden zu verhindern

✅Kognitive Last überwachen und bei Annäherung an die Grenzen auslagern

❌Individuelle Unterschiede in der Arbeitsgedächtniskapazität der Agenten ignorieren

❌Irrelevante Informationen ungefiltert das Arbeitsgedächtnis belegen lassen

❌Unbegrenzte Kapazität annehmen: die Grenzen des Arbeitsgedächtnisses sind entscheidend

❌Vergessen, Interferenzunterdrückung für konkurrierende Informationen umzusetzen

❌Die zeitliche Dynamik übersehen: Informationen zerfallen ohne Auffrischung

Wann einsetzen

Einsetzen, wenn

• Komplexes mehrstufiges Reasoning, das aktives Halten von Informationen erfordert
• Interaktive Systeme mit dynamischen Informationsaktualisierungen
• Multi-Agenten-Koordination mit gemeinsamem kognitivem Zustand
• Planungsaufgaben mit mehreren Nebenbedingungen und Zielen
• Lernsysteme, die neues Wissen mit bestehendem verbinden

Vermeiden, wenn

• Einfache Nachschlagevorgänge ohne Weiterverarbeitung
• Batch-Verarbeitung ohne Echtzeitinteraktion
• Szenarien mit unbegrenzten Rechenressourcen
• Zustandslose Operationen ohne zeitliche Persistenz
• Einstufige Aufgaben ohne kognitive Komplexität

Kennzahlen

Kapazitätsauslastung

Tatsächlich gehaltene Chunks vs. theoretisches Limit

Informationspersistenz

% der während der Aufgabenverarbeitung erhaltenen Information

Interferenzresistenz

Erfolgsquote beim Unterdrücken irrelevanter Informationen

Chunking-Effizienz

Informationskompression durch Strukturierung

Qualität der Aufmerksamkeitssteuerung

Präzision der selektiven Filtermechanismen

Multi-Agenten-Synchronisation

Konsistenz der gemeinsamen Arbeitsgedächtniszustände

Wichtigste Anwendungsfälle

Mehrstufige Problemlösung: mathematisches Reasoning, Code-Debugging, wissenschaftliche Analyse (Zwischenergebnisse über Denkschritte hinweg halten)

Interaktive Dialogsysteme: Verwaltung des Gesprächskontexts, Tracking der Nutzerabsicht (dynamische Aktualisierungen innerhalb kognitiver Grenzen)

Multi-Agenten-Koordination: gemeinsamer Aufgabenzustand, verteilte Problemlösung (synchronisiertes Arbeitsgedächtnis im Agentennetz)

Planung und Entscheidung: Zielverwaltung, Constraint-Erfüllung, Ressourcenzuteilung (mehrere Faktoren innerhalb der Kapazitätsgrenzen jonglieren)

Lernen und Anpassung: Wissensintegration, Kompetenzerwerb, Begriffsbildung (aktive Verarbeitung neuer Informationen mit bestehendem Wissen)

Referenzen und weiterführende Literatur

Vertiefen Sie Ihr Verständnis mit diesen ausgewählten Ressourcen

Grundlagen der Kognitionswissenschaft

Working Memory: Theories, Models, and Controversies (Baddeley, 2012)

The Magic Number 4 in Short-term Memory: A Reconsideration (Cowan, 2001)

Working Memory Capacity: An Individual Differences Approach (Conway et al., 2005)

Executive Functions and Working Memory (Miyake & Friedman, 2012)

Kognitive Architekturen und KI

ACT-R: A Cognitive Architecture for Working Memory (Anderson, 2007)

SOAR: The Cognitive Architecture (Laird, 2012)

Neural Turing Machines: Working Memory in Neural Networks (Graves et al., 2014)

Differentiable Neural Computers: Scalable Working Memory (Graves et al., 2016)

Forschung zu Multi-Agenten-Systemen

Shared Mental Models in Multi-Agent Systems (Cannon-Bowers et al., 1993)

Implementierung und Tools

PyTorch Memory Networks: Implementierung des Arbeitsgedächtnisses

Paper Neural Turing Machines (Graves et al., 2014)

OpenAI Gym: Umgebungen für kognitive Aufgaben

LangChain: Arbeitsgedächtnismuster für Konversations-KI