chemenu/kb/concepts/architectures/Consolidation Tiers.md

type, concept_type, tags, created, modified, related, sources, provenance, summary

type	concept_type	tags	created	modified	related	sources	provenance	summary
types/concept.md	architecture	memory tiers consolidation knowledge-management	2026-07-26	2026-08-29	part-of Memory Lifecycle composition Working Memory composition Episodic Memory composition Semantic Memory composition Procedural Memory exemplifies LLM Wiki Pattern	Source - LLM Wiki v2	sourced	Hierarchische Speicherarchitektur, die Informationen durch zunehmend verdichtete Schichten vom Working Memory bis zum Semantic und Procedural Memory befördert.

Consolidation Tiers

Typ: Architektur (Tiered Knowledge Consolidation)

Definition

Consolidation Tiers ist eine hierarchische Speicherarchitektur, die Informationen durch progressiv stärker komprimierte, bestätigte und langfristig verfügbare Schichten fördert. Dies adressiert das Problem, alle Beobachtungen gleich zu behandeln, und ermöglicht dem Wiki, zwischen Tentativbeobachtungen und gut etablierten Fakten zu unterscheiden.

Dies ist eine Kernkomponente des Memory Lifecycle-Managements, inspiriert durch kognitive Psychologie und implementiert in Agent Memory.

Tier-Struktur

┌─────────────────────────────────────────────────────────┐
│                    PROCEDURAL MEMORY                         │
│  Workflows, patterns, best practices, automated procedures │
│  Longest-lived, highest confidence, most compressed        │
└─────────────────────────────────────────────────────────┘
                              ↑
                              │ Promote (extract patterns)
                              ↓
┌─────────────────────────────────────────────────────────┐
│                    SEMANTIC MEMORY                           │
│  Cross-session facts, consolidated from multiple episodes │
│  Long-lived, high confidence, moderately compressed        │
└─────────────────────────────────────────────────────────┘
                              ↑
                              │ Promote (consolidate facts)
                              ↓
┌─────────────────────────────────────────────────────────┐
│                    EPISODIC MEMORY                           │
│  Session summaries, compressed from raw observations      │
│  Medium-lived, medium confidence, lightly compressed       │
└─────────────────────────────────────────────────────────┘
                              ↑
                              │ Promote (summarize session)
                              ↓
┌─────────────────────────────────────────────────────────┐
│                    WORKING MEMORY                           │
│  Recent observations, not yet processed                     │
│  Short-lived, low confidence, uncompressed                │
└─────────────────────────────────────────────────────────┘
                              ↑
                              │ Ingest (raw source)
                              ↓
┌─────────────────────────────────────────────────────────┐
│                    RAW SOURCES                              │
│  Immutable source documents (articles, notes, data)         │
└─────────────────────────────────────────────────────────┘

Tier-Details

Working Memory

Zweck: Aktuelle, unverarbeitete Beobachtungen halten

Charakteristiken:

• Lebensdauer: Tage bis Wochen (kurzlebig)
• Konfidenz: Niedrig (vorläufig, unbestätigt)
• Komprimierung: Keine (rohe Beobachtungen)
• Zugriff: Häufig zugegriffen während aktiver Arbeit
• Förderungstrigger: Sitzungsabschluss, manuelle Überprüfung

Inhalte:

• Aktuelle Quellenausschnitte
• Vorläufige Erkenntnisse
• Laufende Analysen
• Unbestätigte Aussagen

Beispiel: "Beobachtet, dass das API-Ratelimit möglicherweise 100 req/min beträgt"

Episodic Memory

Zweck: Sitzungsbezogene Zusammenfassungen und Erkenntnisse speichern

Charakteristiken:

• Lebensdauer: Wochen bis Monate
• Konfidenz: Mittel (in der Sitzung verifiziert)
• Komprimierung: Leicht (aus Working Memory zusammengefasst)
• Zugriff: Sitzungsbasierter Abruf
• Förderungstrigger: Sitzungsübergreifende Bestätigung

Inhalte:

• Sitzungszusammenfassungen
• Haupterkenntnisse aus einzelnen Quellen
• Sitzungsspezifischer Kontext
• Verifizierte Fakten innerhalb der Sitzung

Beispiel: "Sitzung 2026-07-20: API-Ratelimit für Endpoint X bestätigt ist 100 req/min"

Semantic Memory

Zweck: Sitzungsübergreifende allgemeine Fakten beibehalten

Charakteristiken:

• Lebensdauer: Monate bis Jahre
• Konfidenz: Hoch (sitzungsübergreifend bestätigt)
• Komprimierung: Moderat (aus episodischem Speicher destilliert)
• Zugriff: Allgemeiner Abfrageabruf
• Förderungstrigger: Mustererkennung, wiederholte Beobachtung

Inhalte:

• Etablierte Fakten
• Querverweisenes Wissen
• Domänenspezifische Informationen
• Gut verifizierte Aussagen

Beispiel: "Das API-Ratelimit beträgt 100 req/min für Standard-Endpoints, 500 req/min für Premium"

Procedural Memory

Zweck: Arbeitsabläufe, Muster und Best Practices erfassen

Charakteristiken:

• Lebensdauer: Jahre (am längsten verfügbar)
• Konfidenz: Sehr hoch (durch Wiederholung bewiesen)
• Komprimierung: Hoch (abstrahierte Muster)
• Zugriff: Arbeitsablauf- und Mustenabruf
• Förderungstrigger: Mustererkennung aus semantischem Speicher

Inhalte:

• Arbeitsabläufe und Verfahren
• Entwurfsmuster
• Best Practices
• Automatisierte Verfahren
• Bewährte Lösungen für wiederkehrende Probleme

Beispiel: "Beim Treffen von Ratelimits: 1) Endpoint-Tier prüfen, 2) Backoff implementieren, 3) Antworten cachen, 4) Kontingent-Erhöhung anfordern"

Förderungskriterien

Informationen werden von einer Ebene zur nächsten befördert, wenn:

Von → Zu	Kriterien
Working → Episodic	Sitzung abgeschlossen, Beobachtungen zusammengefasst
Episodic → Semantic	Fakt beobachtet in ≥2 unabhängigen Sitzungen, keine Widersprüche
Semantic → Procedural	Muster erkannt über ≥5 Instanzen, bewiesenerweise wirksam

Aufbewahrung und Verfall

Jede Ebene hat unterschiedliche Aufbewahrungsrichtlinien:

Ebene	Aufbewahrung	Verfallsrate	Archiv nach
Working Memory	Aggressiv	Schnell	30 Tage
Episodic Memory	Moderat	Mittel	90 Tage
Semantic Memory	Konservativ	Langsam	1 Jahr
Procedural Memory	Dauerhaft	Sehr langsam	Nie

Vorteile

• Effizienz: Höhere Ebenen ermöglichen schnellere und zuverlässigere Abfragen
• Klarheit: Unterscheidet zwischen vorläufigem und bewiesenem Wissen
• Skalierbarkeit: Komprimierung reduziert Speicher- und Suchaufwand
• Lernen: Ermöglicht Mustererkennung und Arbeitsablauf-Automatisierung
• Anpassungsfähigkeit: Ebenenstruktur ermöglicht Wissensentwicklung

Implementierung

Basierend auf Agent Memory-Erfahrung:

1. Automatische Förderung: Event-Driven Automation verwenden, um Förderungen beim Sitzungsabschluss auszulösen
2. Konfidenz-Verfolgung: Mit Confidence Scoring für jede Ebene integrieren
3. Komprimierungsalgorithmen: Inhalt automatisch zusammenfassen und destillieren beim Fördern
4. Querverweis-Verwaltung: Sicherstellen, dass Links über Ebenen funktionieren
5. Suchoptimierung: Höhere Ebenen in Suchergebnissen priorisieren

Wann zu verwenden

• Jedes Wiki, das diverse Arten von Wissen verarbeiten soll
• Domänen mit flüchtigen und permanenten Informationen
• Situationen, in denen Wissensreife wichtig ist
• Sitzungsübergreifende Forschungs- oder Entwicklungsprojekte

Verwandte Konzepte

• Agent Memory - Produktive Implementierung
• Forgetting - Ergänzender Aufbewahrungsmechanismus

Siehe auch

• Confidence Scoring (für ebenenspezifische Konfidenz)
• Event-Driven Automation (für Förderungstrigger)
• Knowledge Graph (für ebenenübergreifende Beziehungen)

Beziehungen

• part-of: Memory Lifecycle
• composition: Working Memory
• composition: Episodic Memory
• composition: Semantic Memory
• composition: Procedural Memory
• exemplifies: LLM Wiki Pattern