Files
chemenu/kb/concepts/Memory Lifecycle.md
T
torben cfe925a76c
CI / verify (push) Successful in 53s
Release / release (push) Successful in 36s
feat: Link-Taxonomie abgeschlossen - Lint hart ab kb_version 4.0.0, outbound: an Type-Spec gebunden, part-of/composition als Inversenpaar (4.1.0, #40)
Files changed:
- CHANGES.md
- VERSION
- instructions/link-taxonomy.md
- instructions/migrations/4.0.0-link-taxonomy.md
- kb/comparisons/amd-pstate vs acpi-cpufreq.md
- kb/concepts/Episodic Memory.md
- kb/concepts/Memory Lifecycle.md
- kb/concepts/Mesh Sync.md
- kb/concepts/Procedural Memory.md
- kb/concepts/Reciprocal Rank Fusion.md
- kb/concepts/Semantic Memory.md
- kb/concepts/Shared vs Private.md
- kb/concepts/Split Threshold.md
- kb/concepts/Stub Threshold.md
- kb/concepts/Supersession.md
- kb/concepts/Typed Relationships.md
- kb/concepts/Vector Search.md
- kb/concepts/Work Coordination.md
- kb/concepts/Working Memory.md
- kb/entities/technologies/Wine-Staging.md
- kb/entities/tools/pascalandy schema.md
- kb/index.md
- kb/log.md
- kb/sources/COLLECTION.md
- tools/CONTRACT.md
- tools/chemenu/commands/lint.py
- tools/chemenu/kb_collections.py
- tools/chemenu/lint_core.py
- tools/chemenu/tests/test_conventions.py
- tools/chemenu/tests/test_lint.py
- tools/chemenu/tests/test_type_resolver.py
- types/comparison.md
- types/comparison.schema.yaml
2026-09-03 06:19:56 +02:00

136 lines
5.4 KiB
Markdown

---
type: types/concept.md
concept_type: architecture
tags: [memory, lifecycle, confidence, knowledge-management]
created: 2026-07-26
modified: 2026-08-29
related:
- part-of: LLM Wiki Pattern
- see-also: Confidence Scoring
- composition: Supersession
- see-also: Consolidation Tiers
- see-also: Forgetting
- enables: Knowledge Compounding
sources: [Source - LLM Wiki v2]
confidence: 0.95
confidence_base: 0.95
provenance: sourced
summary: Architektur des Wissenslebenszyklus mit Confidence Scoring, Supersession, Forgetting und Consolidation Tiers zur Pflege von Fakten über die Zeit.
---
# Memory Lifecycle
**Typ:** Architektur (Knowledge-Management-Muster)
## Definition
Memory Lifecycle ist die Erkenntnis, dass **Wissen einen Lebenszyklus hat** und entsprechend verwaltet werden muss. Im Gegensatz zum ursprünglichen LLM Wiki Pattern, das alle Wiki-Inhalte für immer gleich gültig behandelt, erkennt der Memory-Lifecycle-Ansatz an, dass Tatsachen unterschiedliche Bedeutung, Aktualität und Zuverlässigkeit haben, die sich im Laufe der Zeit ändern.
Dieses Konzept ist eine primäre Verbesserung, die in [[LLM Wiki Pattern]] v2 eingeführt wurde, basierend auf Produktionslektionen aus [[Agent Memory]].
## Kernpunkte
### Das Problem
Die flache Behandlung aller Wissenstypen des ursprünglichen Musters führt zu:
- Alte, möglicherweise veraltete Informationen neben neuen, verifizierten Tatsachen
- Keine Möglichkeit, zwischen etabliertem Wissen und vorläufigen Beobachtungen zu unterscheiden
- Wissensdatenbanken, die im Laufe der Zeit laut und schwer zu navigieren werden
- Kein Mechanismus, damit sich Wissen entwickelt oder überholt wird
### Die Lösung: Vier Säulen
**1. Confidence Scoring**
Jede Tatsache im Wiki trägt einen Confidence-Score, der widerspiegelt:
- **Quellenanzahl:** +0,2 pro unterstützende Quelle (Max +0,6)
- **Aktualität:** +0,2 wenn <30 Tage, +0,1 wenn <90 Tage
- **Quellenqualität:** +0,1 für offizielle Dokumente, +0,05 für seriöse Quellen
- **Bestätigung:** +0,1 wenn mehrere unabhängige Quellen zustimmen
- **Basis-Confidence:** 0,5 (Standard für einzelne Quelle)
Confidence fällt mit 1% pro Monat seit letzter Bestätigung, Minimum 0,2.
**2. Supersession**
Wenn neue Informationen einen bestehenden Aussage widersprechen oder aktualisieren:
- Der neue Aussage **ersetzt** explizit den alten
- Beide sind mit Zeitstempeln verlinkt
- Die alte Version wird bewahrt, aber **als veraltet markiert**
- Dies ist Versionskontrolle für Wissen, nicht nur für Dateien
**3. Vergessen (Retention Curve)**
Nicht alles sollte für immer leben. Eine Retention Curve inspiriert von Ebbinghaus implementieren:
- Tatsachen, die Monate lang nicht aufgerufen oder verstärkt wurden, **verblassen allmählich**
- Nicht gelöscht, aber **deprioritiert** bei Suche und Synthese
- Unterschiedliche Verfallsraten für verschiedene Typen:
- Architekturentscheidungen verfallen **langsam**
- Vorübergehende Fehler verfallen **schnell**
- Das LLM-Äquivalent von etwas in eine untere Schublade verschieben
**4. Consolidation Tiers**
Eine Pipeline, die Informationen fördert, wenn sich Beweise ansammeln:
```
Rohe Beobachtungen
↓ (compress)
Working Memory → aktuelle Beobachtungen, noch nicht verarbeitet
↓ (compress)
Episodic Memory → Sitzungszusammenfassungen, komprimiert aus rohen Beobachtungen
↓ (compress)
Semantic Memory → Sitzungsübergreifende Tatsachen, konsolidiert aus Episoden
↓ (compress)
Procedural Memory → Workflows und Muster, extrahiert aus wiederholter Semantik
```
Jede Ebene ist:
- Mehr **komprimiert** als die darunter
- Mehr **confident** (höherwertige Beweise)
- **Länger lebend** als die darunter
Von „Ich habe das einmal gesehen" zu „So funktionieren die Dinge" gehen.
## Implementierung
Basierend auf [[Agent Memory]]-Erfahrung:
1. **Metadaten verfolgen** für jede Aussage: Quelle, Datum, Confidence-Score, verwandte Entities
2. **Automatisch verfallen** Confidence-Scores basierend auf Zeit
3. **Confidence erhöhen** wenn Aussagen aufgerufen oder bestätigt werden
4. **Supersession markieren** mit expliziten Links und Zeitstempeln
5. **Gestuffelt Speicherung** mit unterschiedlichen Aufbewahrungsrichtlinien implementieren
6. **Hochwertige** Informationen bevorzugt in Abfragen anzeigen
## Vorteile
- Wiki bleibt **nützlich**, während es wächst (verfällt nicht)
- Benutzer können **der Information vertrauen** (Confidence ist explizit)
- Wissen **entwickelt sich** natürlich (Supersession)
- Irrelevante Informationen **verblassen** (Vergessen)
- Muster **entstehen** (Consolidation Tiers)
## Wann zu verwenden
- Jedes Wiki, das über mehrere hundert Seiten hinauswachsen soll
- Domänen, in denen sich Wissen im Laufe der Zeit ändert (Technologie, Forschung)
- Situationen, in denen die Zuverlässigkeit von Informationen variiert
- Multi-Quellen-Wissensdatenbanken
## Verwandte Concepts
- [[Agent Memory]] - Produktionsimplementierung
## Siehe auch
- [[Event-Driven Automation]] (Trigger für Lebenszyklus-Management)
- [[Quality Scoring]] (komplementäre Qualitätsmetriken)
- [[Knowledge Graph]] (Struktur zur Verfolgung von Beziehungen)
<!-- wikitool:links -->
## Beziehungen
- **part-of:** [[LLM Wiki Pattern]]
- **see-also:** [[Confidence Scoring]]
- **composition:** [[Supersession]]
- **see-also:** [[Consolidation Tiers]]
- **see-also:** [[Forgetting]]
- **enables:** [[Knowledge Compounding]]
<!-- /wikitool:links -->