---
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)