Optimierung der Speicherarchitektur für KI-Agenten bei Langzeitaufgaben

Revolutionierung der KI-Agenten-Speicherarchitektur: Einblicke aus "Slay the Spire 2"

Die Entwicklung von KI-Agenten, die in der Lage sind, komplexe, langfristige Aufgaben zu bewältigen, stellt eine zentrale Herausforderung in der künstlichen Intelligenz dar. Insbesondere die Verwaltung von Informationen über längere Zeiträume hinweg, die sogenannte "Erinnerung" des Agenten, ist ein kritischer Faktor. Aktuelle Forschungsergebnisse, die im Rahmen des AgenticSTS-Projekts von Wissenschaftlern des Alaya Lab, der Shanghai Jiao Tong University und weiterer Institutionen vorgestellt wurden, deuten auf einen Paradigmenwechsel in dieser Hinsicht hin. Statt auf ständig wachsende Chat-Protokolle zu setzen, demonstrieren sie, dass eine strukturierte und begrenzte Speicherarchitektur zu signifikanten Leistungssteigerungen bei KI-Agenten führen kann.

Das Problem des wachsenden Kontextes bei Langzeitaufgaben

Traditionelle Ansätze für Large Language Model (LLM)-Agenten, wie sie in Systemen wie ReAct oder Reflexion verwendet werden, neigen dazu, vergangene Beobachtungen, Tool-Aufrufe und Selbstreflexionen fortlaufend an den nächsten Prompt anzuhängen. Dies führt dazu, dass der Kontext mit jedem Schritt anwächst, bis das Kontextfenster überläuft oder die Aufmerksamkeit des Modells durch eine Fülle redundanter Informationen verwässert wird. Dieser als "Context Rot" bezeichnete Effekt führt nicht nur zu erhöhten Kosten und Latenzzeiten, sondern auch zu einer verminderten Entscheidungsqualität.

Um diese Problematik zu adressieren, haben die Forscher das digitale Kartenspiel "Slay the Spire 2" als Testumgebung gewählt. Dieses Spiel zeichnet sich durch seine Komplexität und den Langzeitcharakter aus: Eine einzige Spielrunde erfordert Hunderte von Entscheidungen, von der Kartenauswahl und Kampfplanung bis hin zur Routenwahl auf der Karte und dem Kauf von Gegenständen. Die Spielregeln lassen sich vollständig textuell abbilden, der Zufallsfaktor ist hoch und die Spieldauer ist beträchtlich. Bemerkenswert ist, dass menschliche Spieler auf dem niedrigsten Schwierigkeitsgrad (A0) eine Gewinnrate von etwa 16 Prozent aufweisen, während frühere Versuche mit Frontier-Modellen in fünf getesteten Konfigurationen keine einzige Partie gewinnen konnten. Dies macht "Slay the Spire 2" zu einem idealen Testfeld, um architektonische Unterschiede in der KI-Agenten-Gestaltung deutlich sichtbar zu machen.

AgenticSTS: Eine neue Speicherarchitektur mit fünf Ebenen

Der Kern des AgenticSTS-Ansatzes liegt in einer fundamentalen Abkehr von der Idee eines unbegrenzt wachsenden Protokolls. Anstatt den gesamten Gesprächsverlauf zu speichern, wird für jede Entscheidung ein neuer Prompt aus einem festen Katalog von fünf klar organisierten Informationsebenen erstellt. Diese Ebenen sind:

• L1: Feste Protokollanweisungen – Grundlegende Anweisungen, die sich nicht ändern.
• L2: Zustandsschemata mit gültigen Aktionen – Informationen über den aktuellen Spielzustand und mögliche Aktionen.
• L3: Abgerufene Spielregeln – Relevante Regeln, die bei Bedarf abgerufen werden.
• L4: Zusammenfassungen früherer Läufe – Episodisches Gedächtnis, das Erkenntnisse aus vergangenen Spielrunden aggregiert.
• L5: Strategie-Fähigkeiten – Taktische Regeln, die für spezifische Situationen ausgelöst werden.

Dieses Design stellt sicher, dass der Prompt unabhängig von der Spieldauer stets kurz und übersichtlich bleibt. Jede Information, die der Agent von einer früheren Entscheidung übernehmen möchte, muss explizit in eine dieser Speicherebenen geschrieben werden. Dies ermöglicht den Forschern auch, den Einfluss jeder einzelnen Komponente auf die Gesamtleistung genau zu analysieren.

Signifikante Leistungssteigerungen durch strukturierten Speicher

Die experimentellen Ergebnisse untermauern die Wirksamkeit dieses Ansatzes. In einem Hauptvergleich wurden fünf Konfigurationen, jeweils zehnmal auf dem Schwierigkeitsgrad A0, gegeneinander getestet. Ohne jegliche Speicherebenen gewann der Agent 3 von 10 Spielen. Sobald jedoch die L5-Fähigkeitsbibliothek, die taktische Regeln für wiederkehrende Situationen speichert, aktiviert wurde, stieg die Gewinnrate auf 6 von 10 Spielen. Dies galt sowohl für manuell erstellte als auch für aus Vorlagen generierte Fähigkeiten.

Die Forscher weisen darauf hin, dass die Verdoppelung der Gewinnrate bei nur zehn Durchläufen pro Bedingung statistisch nicht endgültig ist. Dennoch zeigen weitere Tests die Bedeutung des episodischen Gedächtnisses (L4). Dieses Gedächtnis, das Zusammenfassungen früherer Läufe speichert, zeigte sich auf A0 als weniger relevant, wurde aber entscheidend, als der Agent in einem zweiten Testmodus nach jedem Sieg den nächsthöheren Schwierigkeitsgrad versuchte. Mit aktivem, zwischen den Runden aktualisiertem Gedächtnis erreichte der Agent Schwierigkeitsgrade von A6 bis A8, während Läufe ohne dieses Gedächtnis bei A2 bis A4 stagnierten.

Ein weiteres Experiment untersuchte die Übertragbarkeit von Wissen zwischen Modellen. Ein von Gemini 3.1 Pro aufgebauter Speicherstapel wurde eingefroren und unverändert an zwei andere Modelle übergeben. Qwen 3.6-27B verzeichnete eine Steigerung seiner Durchschnittspunktzahl um 84,5 Prozent, während Deepseek V4-Pro einen Rückgang um 18,1 Prozent erfuhr. Keines der Modelle gewann ein Spiel. Dies deutet darauf hin, dass der Inhalt des Speichers eng an das erzeugende Modell gebunden sein und sich nicht ohne Weiteres übertragen lassen könnte.

Kosten- und Effizienzgewinne

Besonders aufschlussreich ist der Vergleich von AgenticSTS mit zwei öffentlich verfügbaren "Slay the Spire 2"-Agenten (STS2MCP und CharTyr), die dem traditionellen Muster des wachsenden Transkripts folgen. Alle Agenten nutzten Gemini 3.1 Pro für strategische Entscheidungen. Keiner der Konkurrenten gewann eine ihrer 5 Spielrunden.

Die Kosteneffizienz von AgenticSTS ist bemerkenswert: Für jeden Punkt, den die beiden Konkurrenten erzielten, sandten sie 66- bis 90-mal mehr Token an das Sprachmodell als AgenticSTS. Der Grund hierfür ist das wachsende Protokoll. Bei STS2MCP erreichte ein einziger Modellaufruf gegen Ende eines Spiels etwa 527.000 Token, da die gesamte Spielhistorie bei jeder neuen Entscheidung erneut gesendet wurde. AgenticSTS hingegen hält den tatsächlichen Benutzertext unabhängig von der Spieldauer bei etwa 5.000 Token.

Auch die Zeitersparnis ist erheblich: Die akkumulierenden Agenten benötigten viermal so lange, um das gleiche Level zu erreichen. Laut Anbieterstatistiken entfielen 96 Prozent dieses Zeitverlustes auf die Modelllatenz, also die reine Wartezeit auf die Antwort des Sprachmodells.

Die Autoren räumen ein, dass es sich hierbei nicht um eine reine Ablationsstudie handelt, da STS2MCP und CharTyr auch in Bezug auf Routenführung und Entscheidungsbündelung von AgenticSTS abweichen. Dennoch spiegelt der beobachtete Unterschied den aktuellen Stand der öffentlichen Landschaft wider und unterstreicht die Relevanz des Speicher-Konzepts.

Ausblick und offene Fragen

Obwohl die Ergebnisse vielversprechend sind, stehen noch weitere Tests aus. Die bisherigen Metriken basieren auf 50 Läufen, und es wurde bisher nur ein Charakter ("Silent") auf einer einzigen Spielversion getestet. Ob der Ansatz für andere Charaktere und Spielversionen gleichermaßen funktioniert, bleibt eine offene Frage.

Das Forschungsteam stellt 298 vollständige Spieldurchläufe, eingefrorene Speicher-Snapshots und Evaluierungsskripte auf Hugging Face zur Verfügung, um anderen Forschungsgruppen die Möglichkeit zu geben, alternative Speicherarchitekturen in derselben Umgebung zu testen. Der eigentliche Anspruch der Arbeit ist bescheidener, als die Zahlen im Vergleich zur Konkurrenz suggerieren könnten: Durch die Aufteilung des Agentengedächtnisses in klar benannte Ebenen lässt sich später genau herausfinden, welche Ebene welches Verhalten steuert.

Die effiziente Speicherverwaltung für KI-Agenten ist ein aktives Forschungsfeld. Das Problem des "Context Rot", bei dem wachsende Chat-Protokolle Modelle langsamer, teurer und weniger präzise machen, wird von verschiedenen Ansätzen angegangen. Anthropic nutzt beispielsweise Memory Tool und Context Editing, um veraltete Tool-Ergebnisse automatisch aus dem Kontext zu entfernen und wichtige Informationen in externen Dateien zu speichern. Das chinesische GAM-Framework teilt Archivierung und Abruf auf zwei spezialisierte Agenten auf, und das Open-Source-Framework Mastra kondensiert Gespräche in prägnante Textnotizen, die außerhalb des Kontextfensters gespeichert werden, um menschliche Gedächtnisprozesse nachzubilden.

Die Ergebnisse von AgenticSTS legen nahe, dass die intelligente Organisation und Begrenzung des Gedächtnisses von KI-Agenten ein entscheidender Faktor für deren Leistungsfähigkeit in komplexen, langfristigen Aufgaben ist. Dies könnte weitreichende Implikationen für die Entwicklung robusterer und effizienterer KI-Systeme in verschiedenen B2B-Anwendungen haben.

Bibliographie

• Cheng, X., Jiang, Y., Sun, J., Li, Z., Li, C., Cao, X., Liu, Y., Zhang, F., Jin, L., & Zhang, K. (2026). AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents. arXiv:2607.02255.
• Kemper, J. (2026, 12. Juli). AI agents win at Slay the Spire 2 after researchers replace growing chat logs with structured memory. The Decoder. Verfügbar unter: https://the-decoder.com/ai-agents-win-at-slay-the-spire-2-after-researchers-replace-growing-chat-logs-with-structured-memory/
• AlayaLab. (n.d.). AgenticSTS — A Bounded-Memory Testbed for Long-Horizon LLM Agents. Verfügbar unter: https://alayalab.github.io/AgenticSTS/
• AI Weekly. (2026, 2. Juli). AgenticSTS Testbed Doubles LLM Wins in Slay the Spire 2. AI Weekly. Verfügbar unter: https://aiweekly.co/alerts/agenticsts-testbed-doubles-llm-wins-in-slay-the-spire-2
• Let's Data Science. (2026, 5. Juli). AgenticSTS Tests Bounded Memory For LLM Agents. Let's Data Science. Verfügbar unter: https://letsdatascience.com/news/agenticsts-tests-bounded-memory-for-llm-agents-782fcdd5
• Creati.AI. (2026, 12. Juli). Structured memory, not bigger context windows, may be the key to stronger AI agents in Slay the Spire 2. Creati.AI. Verfügbar unter: https://creati.ai/ai-news/2026-07-12/structured-memory-not-bigger-context-windows-may-be-the-key-to- stronger-ai-agents-in-slay-the-sp/
• Hugging Face. (n.d.). AlayaLab/AgenticSTS-trajectories. Verfügbar unter: https://huggingface.co/datasets/AlayaLab/AgenticSTS-trajectories
• DEV Community. (2026, 3. Juli). Stop Dumping Agent Memory Into the Prompt. DEV Community. Verfügbar unter: https://dev.to/komo/stop-dumping-agent-memory-into-the-prompt-58ka