Chemenu 2.1.0 - deterministischer Wissenskompiler
CI / verify (push) Failing after 32s
Release / release (push) Successful in 38s

Chemenu kompiliert Rohnotizen zu einem verlinkten, quellengebundenen Wiki:
raw/ -> types/ + tools/ -> kb/ -> reports/. Was mechanisch ist, macht
tools/wikitool; was Urteil braucht, macht ein Agent unter Contracts, deren
Grenzen in Code durchgesetzt sind statt im Prompt.

Dieser Commit ist der Startpunkt der oeffentlichen Historie. Die vorherige
Entwicklung fand in einer privaten Instanz statt und ist nicht Teil dieses
Repositorys; ihre Erzaehlung steht vollstaendig in CHANGES.md, das mit 44
Eintraegen von 0.1.0 bis 2.1.0 erhalten geblieben ist.

Der mitgelieferte Korpus ist ein Testbett und eine Demo: 170 Seiten ueber den
Stack selbst - Gates, Lint, Versionierung, Suche, das Wiki-Muster. Er
dokumentiert das Werkzeug mit den eigenen Mitteln des Werkzeugs.

Lizenz: AGPL-3.0 fuer den Stack (tools/, types/), CC-BY-4.0 fuer die Inhalte.
Die Grenze zwischen beiden ist der Dateiplan, den dist export berechnet -
siehe NOTICE.
This commit is contained in:
2026-09-01 16:24:34 +02:00
commit 18ae28f918
368 changed files with 50628 additions and 0 deletions
+161
View File
@@ -0,0 +1,161 @@
---
type: types/concept.md
concept_type: pattern
tags: [memory, retention, decay, ebbinghaus]
created: 2026-07-26
modified: 2026-08-29
related: [Memory Lifecycle, Confidence Scoring, Consolidation Tiers]
sources: [Source - LLM Wiki v2]
confidence: 0.90
confidence_base: 0.90
provenance: sourced
summary: Muster zur Wissensbindung, das selten abgerufene Fakten schrittweise zurückstuft, modelliert nach der Ebbinghausschen Vergessenskurve.
---
# Forgetting
**Typ:** Pattern (Wissensspeicherungsverwaltung)
## Definition
Forgetting ist der Mechanismus, durch den **Fakten, die einmal wichtig waren, aber seit Monaten nicht aufgerufen oder verstärkt wurden, allmählich aus der Bedeutung im Wiki verschwinden**. Dies implementiert eine Aufbewahrungskurve, die sich von Ebbinghaus' Vergessenskurve aus der kognitiven Psychologie inspiriert.
Dies ist eine Kernkomponente der Verwaltung des [[Memory Lifecycle]] und stellt sicher, dass das Wiki nicht zu einem lauten Friedhof veralteter Informationen wird.
## Kernpunkte
### Das Problem
Ohne Vergessen:
- Jedes Wissensstück wird für immer als gleich wichtig behandelt
- Alte, irrelevante Informationen verstopfen das Wiki
- Suchergebnisse werden mit veralteten Inhalten verunreinigt
- Das Wiki wird zu einer Rumpelkammer
### Die Lösung
**Allmähliche Herabstufung** statt Löschung implementieren:
- Fakten werden **nicht gelöscht** (historischer Datensatz bleibt erhalten)
- Fakten werden **in Suche und Synthese herabgestuft**
- Herabstufung ist **allmählich** (nicht plötzlich)
- Unterschiedliche **Verfallsraten** für verschiedene Wissenstypen
### Aufbewahrungskurve
Inspiriert von Ebbinghaus' Vergessenskurve:
```
Vertrauen/Priorität
1.0 │ *
│ *
│ *
│ *
0.8 │ *
│ *
│ *
│ *
0.6 │ *
│ *
│ *
│ *
0.4 │ *
│ *
│*
0.2 ┼───────────────────────────────── Zeit
0 1m 3m 6m 1j 2j
```
**Grundsatz:** Jede **Verstärkung** (Zugriff, Bestätigung aus neuer Quelle) **setzt die Kurve** für diesen Fakt **zurück**.
### Verfallsraten nach Wissenstyp
| Wissenstyp | Verfallsrate | Begründung |
|----------------|------------|-----------|
| Architekturentscheidungen | Sehr langsam (1% alle 6 Monate) | Langzeitwirkung, ändern sich selten |
| Systemkonfigurationen | Langsam (1% pro Monat) | Stabil, aber kann sich ändern |
| Bug-Berichte | Schnell (5% pro Monat) | Vorübergehend, oft behoben |
| Notizen aus Meetings | Schnell (5% pro Monat) | Zeitkritischer Kontext |
| Forschungsergebnisse | Mittel (2% pro Monat) | Kann veraltet werden |
| Best Practices | Sehr langsam (1% alle 3 Monate) | Im Laufe der Zeit bewährt |
### Implementierung
**Zu verfolgene Metadaten:**
```yaml
last_accessed: YYYY-MM-DD
last_reinforced: YYYY-MM-DD # Zugriff oder Bestätigung neuer Quelle
creation_date: YYYY-MM-DD
knowledge_type: [architecture|config|bug|meeting|research|best-practice]
current_priority: 0.XX # 0.0-1.0
```
**Verfallsberechnung:**
```
months_since_reinforcement = (today - last_reinforced).months
decay_rate = get_decay_rate(knowledge_type)
priority = max(0.2, initial_priority - (months_since_reinforcement * decay_rate))
```
**Verstärkungsauslöser:**
- Seite wird aufgerufen/gelesen
- Neue Quelle bestätigt die Information
- Mensch verstärkt explizit
- Verwandte Information wird aufgerufen
### Integration mit anderen Mechanismen
**Mit [[Confidence Scoring]]:**
- Vergessen beeinträchtigt **Priorität** in der Suche
- Vertrauens-Scoring beeinträchtigt **Zuverlässigkeit** des Fakts
- Beide funktionieren zusammen: niedrig-vertrauen, niedrig-priorität Fakten erscheinen zuletzt
**Mit [[Consolidation Tiers]]:**
- Höhere Tiers haben **langsamere Verfallsraten**
- Prozedurales Gedächtnis (Tier 4) kann **keinen Verfall** haben
- Arbeitsgedächtnis (Tier 1) hat **schnellsten Verfall**
**Mit [[Supersession]]:**
- Verdrängte Fakten **verfallen sofort** auf Mindestpriorität
- Aber werden **zu historischen Referenzen bewahrt**
### Suchintegration
Fakten mit niedrigerer Priorität:
- Erscheinen **später** in Suchergebnissen
- Werden **mit geringerer Wahrscheinlichkeit** in die Synthese einbezogen
- Erfordern **explizitere** Abfragen zum Auftauchen
- Können **unterhalb eines bestimmten Schwellenwerts verborgen** sein (konfigurierbar)
## Vorteile
- **Relevanz:** Benutzer sehen zuerst die wichtigsten Informationen
- **Sauberkeit:** Wiki wird nicht mit alten Informationen verstopft
- **Erhaltung:** Historische Informationen sind noch zugänglich
- **Anpassungsfähigkeit:** Wiki entwickelt sich mit sich ändernden Bedürfnissen
- **Effizienz:** Suche und Synthese sind effizienter
## Wann zu verwenden
- Jedes Wiki, das im Laufe der Zeit wachsen soll
- Bereiche mit sich entwickelndem Wissen
- Situationen, in denen sich die Relevanz von Informationen ändert
- Große Wissensdatenbanken
## Wann NICHT zu verwenden
- Kleine, statische Wikis
- Bereiche, in denen alle Informationen gleich wichtig sind
- Situationen, in denen historische Vollständigkeit entscheidend ist
## Verwandte Concepts
- [[Memory Lifecycle]] - Übergeordnetes Concept
- [[Confidence Scoring]] - Ergänzender Zuverlässigkeitsmechanismus
- [[Consolidation Tiers]] - Tier-spezifische Verfallsraten
- [[Supersession]] - Umgang mit veralteten Informationen
- [[LLM Wiki Pattern]] - Gesamtmuster
## Siehe auch
- [[Event-Driven Automation]] (für automatisiertes Verstärkungstracking)
- [[Quality and Self-Correction]] (für verwandte Qualitätsmechanismen)