Memory-Architektur für KI-Systeme: Was die Forschung liefert — und wo die Grenzen liegen

Große Sprachmodelle haben kein Gedächtnis. Jede Sitzung beginnt bei null. Für jeden Beruf, der auf Konsistenz über Wochen und Monate angewiesen ist, ist das eine fundamentale Einschränkung. Die aktuelle Forschung entwickelt architektonische Ansätze, die dieses Problem adressieren. Dieser Beitrag zeigt, welche Konzepte existieren, wie belastbar sie sind und welche Fragen offen bleiben.

Das Kernproblem: Zustandslosigkeit

Sprachmodelle arbeiten innerhalb eines begrenzten Kontextfensters. Was dort nicht enthalten ist, existiert für das System nicht. Zwischen Sitzungen geht alles verloren — Entscheidungen, Zwischenergebnisse, Projektfortschritt.

Die Zahlen dazu sind deutlich: Laut einer Analyse von Tribe AI (2025) gehen 65 Prozent der Enterprise-KI-Ausfälle auf Context Drift oder Memory Loss bei mehrstufigem Reasoning zurück. Kontextfenster wachsen zwar — einige Modelle verarbeiten inzwischen über eine Million Tokens — aber die effektive Nutzung sinkt mit der Menge. Forschungsarbeiten dokumentieren ein „Lost in the Middle"-Problem: Informationen am Anfang und Ende des Kontexts werden zuverlässiger verarbeitet als solche in der Mitte (arXiv 2509.21361).

Für Sachverständige der Immobilienbewertung heißt das konkret: Ein System, das bei jeder Sitzung den Bewertungskontext, die angewandte Methodik und die bisherigen Rechercheergebnisse neu aufbauen muss, arbeitet mit strukturellem Informationsverlust.

Fünf architektonische Ebenen der Forschung

Die aktuelle Forschung (Stand 2025/2026) konvergiert auf ein mehrschichtiges Modell. Jede Ebene adressiert eine spezifische Limitierung.

1. Operatives Gedächtnis — der Arbeitsspeicher

Frameworks wie Mem0 (arXiv 2504.19413) und MemGPT verfolgen einen Ansatz, der dem Arbeitsspeicher eines Computers ähnelt: Relevante Informationen der laufenden Aufgabe werden dynamisch extrahiert, konsolidiert und bei Bedarf wieder bereitgestellt.

Die gemessenen Ergebnisse sind beachtlich. Das Mem0-Framework berichtet von 90 Prozent Token-Einsparung bei 26 Prozent Verbesserung gegenüber der OpenAI-Baseline. Ob diese Werte in produktiven Szenarien mit hoher Fachkomplexität halten, ist Gegenstand laufender Validierung.

Das Grundprinzip: Trennung von transientem Kurzzeit-Speicher und persistentem Langzeit-Speicher, mit expliziten Mechanismen für Erstellung, Aktualisierung und gezielte Bereinigung.

2. Domänenwissen — externe Fachbibliotheken (RAG)

Retrieval-Augmented Generation (RAG) lagert Fachwissen aus dem Modell aus. Statt alles im Modell zu speichern, wird externes Wissen bei Bedarf abgerufen — Fachliteratur, Normenwerke, Marktdaten.

Die Forschung unterscheidet inzwischen mehrere Varianten: Standard RAG, Graph RAG (das Vektorsuche mit strukturierten Taxonomien verbindet), SimRAG (selbstverbessernd) und RAFT (arXiv 2312.10997, arXiv 2506.00054). Graph RAG erreicht laut Squirro (2026) bis zu 99 Prozent Suchpräzision — unter kontrollierten Bedingungen.

Die praktische Limitierung: Die Qualität hängt direkt von der Granularität der Aufbereitung und der Qualität der Suchverfahren ab. Textbasierte Suche und semantische Suche liefern unterschiedliche Ergebnisse. Ein RAG-System ist nur so gut wie seine Wissensbasis und deren Strukturierung.

Für die Immobilienbewertung wäre ein solches System der Ort, an dem Fachliteratur, Marktberichte und Normwerke wie ImmoWertV oder BauGB als abrufbares Wissen liegen — unabhängig davon, ob das Sprachmodell diese Inhalte im Training gesehen hat.

3. Erfahrungswissen — gelernte Muster

Frameworks wie Memoria (arXiv 2512.12686) und EverMemOS gehen über reine Faktenspeicherung hinaus. Sie modellieren Erfahrungswissen: bewährte Lösungswege, Fehlervermeidungsmuster, kontextabhängige Empfehlungen.

Memoria nutzt dafür gewichtete Knowledge-Graphs, die Zusammenhänge zwischen Informationen abbilden. EverMemOS verfolgt einen selbstorganisierenden Ansatz für strukturiertes Langzeit-Reasoning.

Die offene Frage: Welches Wissen behalten, welches verwerfen? Die Forschung bezeichnet das als Pruning-Problem. Es ist nicht gelöst. Jedes System, das Erfahrungswissen speichert, muss entscheiden, was relevant bleibt und was veraltet — eine Entscheidung, die bei Änderungen von Normen oder Rechtsprechung erhebliche Konsequenzen haben kann.

4. Standardisierte Arbeitsabläufe — reproduzierbare Prozesse

Hierarchische Aufgabenzerlegung ist der vierte Baustein. Frameworks wie TDAG (arXiv 2505.11814), HiAgent (ACL 2025) und AgentOrchestra (arXiv 2506.12508) zerlegen komplexe Aufgaben in handhabbare Teilschritte.

Der Ansatz: Ein zentraler Orchestrator plant den Gesamtprozess, weist Teilaufgaben zu und überwacht den Fortschritt. Statt einer linearen Abarbeitung ermöglichen moderne Frameworks parallele und hierarchische Zerlegung.

In der Bewertungspraxis entspricht das der Strukturierung eines Gutachtens: Datenerhebung, Marktanalyse, Wertermittlung, Plausibilisierung — jeder Schritt mit definierten Eingaben und Ergebnissen.

5. Adaptiver Moduswechsel — angepasste Denktiefe

Der fünfte Ansatz steuert die Verarbeitungstiefe proportional zur Aufgabenkomplexität. Bei einfachen Aufgaben schnell handeln, bei komplexen tiefer analysieren.

Das ASRR-Framework (arXiv 2505.15400) reduziert das Reasoning-Budget um 25 bis 32 Prozent bei minimalem Genauigkeitsverlust (unter 1,2 Prozent). Adaptive Deep Reasoning (arXiv 2505.20101) nutzt Reinforcement Learning, um zwischen verschiedenen Reasoning-Modi umzuschalten.

Für die Praxis heißt das: Eine Adressrecherche erfordert andere Verarbeitungstiefe als die Herleitung eines Sachwerts nach Normalherstellungskosten.

Wo die Forschung ehrlich wird: Offene Limitierungen

Die einzelnen Ebenen sind jeweils gut untersucht. Ihr optimales Zusammenspiel ist es weniger. Mehrere Punkte bleiben ungelöst:

Skalierung ist kein Qualitätsgarant. Größere Kontextfenster verbessern die Ergebnisqualität nicht automatisch. Mehr Information bedeutet nicht bessere Verarbeitung.

Konsistenz über Sitzungen erfordert ständige Nachjustierung. Praktische Implementierungen zeigen, dass sitzungsübergreifende Konsistenz kein einmaliges Setup ist, sondern fortlaufende Arbeit.

Standardisierte Benchmarks fehlen. Wie misst man objektiv, ob ein Memory-System tatsächlich hilft? Die Forschung hat darauf bisher keine einheitliche Antwort.

Reasoning-Qualität ist ein separates Problem. Selbst das beste Gedächtnissystem hilft nicht, wenn das Modell systematisch fehlerhafte Schlüsse zieht. Studien zeigen, dass 77 Prozent der Fehler bei Sprachmodellen Logikfehler sind — falsche Grundannahmen, nicht Rechenfehler (arXiv 2601.00828). Und die dokumentierte Treue des Chain-of-Thought-Reasoning liegt bei lediglich 25 Prozent (Anthropic, arXiv 2505.05410): Das geschriebene Reasoning spiegelt die tatsächlichen Entscheidungsgründe des Modells nur in einem Viertel der Fälle wider.

Was das für wissensintensive Berufe bedeutet

Immobilienbewertung erfordert Konsistenz über Wochen und Monate. Normkonformität nach ImmoWertV und BauGB verlangt quellenbasierte, nachvollziehbare Arbeit. Ein Gutachten, das bei jeder Sitzung seinen Kontext verliert, erfüllt diese Anforderungen strukturell nicht.

Die architektonischen Ansätze der Forschung adressieren genau diese Lücke — operatives Gedächtnis für den Arbeitsstand, domänenspezifisches Wissen für Normen und Marktdaten, Erfahrungswissen für bewährte Methoden, standardisierte Abläufe für reproduzierbare Prozesse.

Ob sie die Limitierungen tatsächlich überwinden oder lediglich mildern, ist eine Frage, die sich nicht theoretisch beantworten lässt. Sie beantwortet sich in der konkreten Implementierung, im konkreten Fachgebiet, mit konkreten Anforderungen an Nachvollziehbarkeit und Qualität.

Die Architektur-Frage ist nicht akademisch. Sie bestimmt, ob ein KI-System morgen noch so gut arbeitet wie heute — oder ob man wieder bei null anfängt.

Datenstand: März 2026. Die beschriebenen Forschungsarbeiten sind Preprints (arXiv) und Konferenzbeiträge (ACL, ICLR) aus 2024 bis 2026.

Nächster Schritt: Fachkundige Begleitung

Eine belastbare Bewertung profitiert von präziser Methodik und aktueller Datengrundlage. Wer KI-gestützte Werkzeuge in der Immobilienbewertung einsetzen oder evaluieren möchte, braucht neben der Fachkompetenz im Bewertungsbereich auch Verständnis für die technische Architektur — und für die steuerlichen Implikationen, die sich aus neuen Arbeitsmethoden ergeben.

Als Mitglied der HSG — High Specialised Group — arbeiten wir mit spezialisierten IT-Dienstleistern und Steuerberatern in Erlangen, Nürnberg, Fürth, Forchheim und den umgebenden Landkreisen zusammen. Keine anonyme Vermittlung, sondern persönliche Empfehlung an Kollegen, für deren Arbeit wir einstehen. Sprechen Sie uns an.

Hary Stubnya ist zertifizierter Sachverständiger für Immobilienbewertung (ISO/IEC 17024) und Inhaber des Sachverständigenbüros stubnya.de.