In diesem Beitrag
Supermemory: KI-Agenten mit Gedächtnis, RAG und lokalem Betrieb
Dein Agent kennt die letzten zehn Nachrichten genau. Eine neue Sitzung beginnt, und der Nutzer muss dasselbe Projekt erneut erklären. Das ist kein unvermeidbares Verhalten jeder KI-Anwendung. Es passiert, wenn außerhalb des aktuellen Gesprächs kein dauerhaftes Gedächtnis vorhanden ist.
Supermemory verwandelt Gespräche und Dokumente in wiederverwendbaren Kontext. Die Gedächtnisschicht extrahiert Fakten, verknüpft neue Informationen mit bestehendem Wissen und ruft passenden Kontext für spätere Anfragen ab. Die Anwendung liefert die Inhalte und entscheidet über deren Verwendung. Dadurch ändert sich der verfügbare Kontext des Agenten, nicht die Gewichtung des zugrunde liegenden Modells. Produktübersicht von Supermemory
Quellenprüfung: . Dieser technische Leitfaden basiert auf der Dokumentation. Er ist weder eine eigene Benchmark-Reproduktion noch die Behauptung, Wavect habe Supermemory bei einem Kunden eingesetzt.
Wie lernt, aktualisiert und vergisst Supermemory?
Entscheidend ist die Trennung zwischen Quelldokumenten, beispielsweise einem Gesprächsprotokoll, und abgeleiteten Erinnerungen, etwa der bevorzugten Sprache eines Nutzers. Das Protokoll ist eine Quelle. Eine extrahierte oder erschlossene Aussage ist eine Interpretation und kann falsch sein.
- Faktenextraktion: Aus Gesprächsinhalten entstehen gezielte Fakten, statt immer den gesamten Verlauf erneut einzuspielen.
- Wissensupdates: Eine Korrektur wird mit früherem Wissen verknüpft. Bei „Ich bin nach San Francisco gezogen“ darf „Ich wohne in New York“ nicht länger als aktueller Wohnort gelten. Der historische Umzug muss deshalb nicht gelöscht werden.
- Zeitabhängiges Vergessen: Vorübergehender Kontext wie eine für morgen geplante Prüfung sollte spätere, sachfremde Antworten nach Ablauf seiner Relevanz nicht mehr beeinflussen.
Der dokumentierte Graph unterstützt das Aktualisieren, Erweitern und Ableiten von Erinnerungen. isLatest kennzeichnet den aktuellen Wissensstand. Das geht über das bloße Speichern von Embeddings hinaus. Prüfe dennoch mehrdeutige Datumsangaben, Zeitzonen, fiktive Beispiele und widersprüchliche Aussagen, bevor du extrahierten Fakten vertraust. Graph-Gedächtnis und Wissensbeziehungen
Vergessen ist nicht dasselbe wie endgültiges Löschen. Der dokumentierte Endpunkt zum Vergessen einer Erinnerung verwendet eine logische Löschung, also einen Soft Delete. Verschwindet ein Fakt aus dem üblichen Abruf, beweist das nicht, dass Gesprächsquelle, abgeleitete Kopien oder Backups dauerhaft entfernt wurden. Behandle nutzerseitiges Vergessen und einen nachweisbaren Löschauftrag als getrennte Produktanforderungen. API zum Vergessen und Verhalten bei logischer Löschung
Der v5-Endpunkt zum Löschen von Dokumenten entfernt ein Quelldokument und das daraus abgeleitete Wissen. Prüfe das Ergebnis für jede ID sowie deine eigenen Caches, aufbewahrten Quellen und Backup-Regeln.
Was enthalten statische und dynamische Nutzerprofile?
Ein Profil liefert kompakten Kontext am Anfang einer Anfrage. Der statische Teil beschreibt vergleichsweise beständige Informationen. Der dynamische Teil umfasst aktuelle Aktivitäten und veränderliche Umstände. „Bevorzugt kurze technische Antworten“ braucht andere Regeln als „bereitet den Produktstart dieser Woche vor“. Statisch bedeutet nicht unveränderlich.
Die API v5 ruft Profile für einen Namespace ab. Starte für anfragebezogene Erinnerungen eine separate Suche. Halte den Profilkontext knapp und lass personenbezogene Details ohne Bezug zur Aufgabe weg. Namespace-Profile in API v5
Supermemory im Vergleich zu RAG: Was ändert sich tatsächlich?
Auch RAG lässt sich personalisieren. Ein Abrufsystem kann Dokumente nach Nutzer, Mandant und Berechtigungen filtern. Die Aussage, gewöhnliches RAG liefere zwangsläufig allen Nutzern dieselben Dokumente, ist zu pauschal. Die schwierigere Aufgabe ist, aktuelle, veraltete, vorübergehende und lediglich erschlossene Nutzerinformationen auseinanderzuhalten. Genau diese zusätzliche Schicht solltest du hier bewerten. Supermemorys Modell für Gedächtnis und RAG
| Ansatz | Zentrale Frage | Verbleibende Verantwortung |
|---|---|---|
| Dokumenten-RAG | Was steht in der freigegebenen Quelle? | Aktualität, Zugriffskontrolle und Quellenbezug. |
| Nutzergedächtnis | Welcher relevante Kontext trifft derzeit auf diese Person zu? | Korrektur, Herkunft, Einwilligung und Aufbewahrung. |
| Hybrider Abruf | Welche Quellen und persönlichen Informationen helfen bei dieser Anfrage? | Berechtigungsgebundener Abruf und begrenzter, vertrauenswürdiger Kontext. |
Supermemory kombiniert mit searchMode: "hybrid" Dokumentabschnitte und extrahierte Erinnerungen in einer Suche. „Hybrid“ bezeichnet hier diese beiden Inhaltstypen. Aus dem Namen allein lässt sich keine bestimmte Kombination aus Stichwort- und Vektorsuche ableiten. Für die gehostete Integration musst du Vektordatenbank, Embedding-Pipeline und Chunking nicht selbst zusammensetzen. Diese Aufgaben liegen dann beim Dienst, sie verschwinden aber nicht. Suchmodi, Filter und zurückgelieferter Kontext
Für Tencents Architektur lies unseren Leitfaden TencentDB Agent Memory: SQLite-Abhängigkeiten und Benchmark-Grenzen. Er zeigt, was lokal läuft, wie die Gedächtnisebenen Quellenverweise erhalten und was die gemeldete Token-Ersparnis misst.
Ist Supermemory die Nummer eins bei KI-Gedächtnis-Benchmarks?
Das Supermemory-Repository mit den Benchmark-Angaben meldet den ersten Platz bei LongMemEval, LoCoMo und ConvoMem. Genannt werden außerdem 95 % Recall@15 auf LongMemEval, ungefähr 720 Tokens abgerufener Kontext, eine Kontextreduktion um 99,4 % und Profile in ungefähr 50 ms. Das sind veröffentlichte Anbieterangaben zum oben genannten Prüfdatum, keine unabhängig reproduzierten Messungen von Wavect.
Recall@15 misst den Informationsabruf, nicht 95 % Antwortgenauigkeit. Relevante Informationen unter fünfzehn Ergebnissen zu finden, beweist weder ihre korrekte Verwendung in der Antwort noch das Erkennen einer späteren Korrektur. Auch der Verzicht auf eine Antwort bei fehlenden Belegen ist damit nicht nachgewiesen. Eine Kontextreduktion entspricht zudem nicht derselben Einsparung auf der gesamten API-Rechnung.
Die Angabe von ungefähr 50 ms für Profile ist keine allgemeine Latenzzusage. Der Anbieter veröffentlicht in seiner Produktionsübersicht auch andere serverseitige und Ende-zu-Ende-Profilzeiten. Unterschiedliche Arbeitslasten und Messgrenzen sind nicht unmittelbar vergleichbar. Miss Median und p95 deiner eigenen Anwendung einschließlich Netzwerk und Modellaufruf. Veröffentlichte Produktionslaufzeiten von Supermemory
| Benchmark | Relevanter Prüfbereich | Nicht daraus ableitbar |
|---|---|---|
| LongMemEval-Benchmark-Repository | Extraktion, sitzungsübergreifendes und zeitliches Schlussfolgern, Updates und Antwortverzicht. | Ein Treffer beim Abruf ist noch keine erfolgreiche vollständige Antwort. |
| LoCoMo-Benchmark-Repository | Lange Gesprächsverläufe und Fragen, die Erinnerung oder Schlussfolgerungen erfordern. | Die Ergebnisse übertragen sich nicht zwangsläufig auf deine Kundendaten. |
| ConvoMem-Benchmark-Repository | Nutzer- und Assistentenfakten, Änderungen, Präferenzen, Antwortverzicht und implizite Zusammenhänge. | Eine Platzierung belegt weder Datenschutz noch Zuverlässigkeit deiner Anwendung. |
Halte für einen aussagekräftigen Vergleich Datensatzversion, Antwortmodell, Extraktionsmodell, Abrufbudget und Bewertungsregeln konstant. Berichte sowohl Abrufqualität als auch tatsächlichen Aufgabenerfolg. MemoryBench trennt Aufnahme, Suche, Antwortgenerierung, Bewertung und Berichterstattung. Das bietet eine Ausgangsstruktur für einen wiederholbaren Vergleich. Evaluierungsablauf mit MemoryBench
Drei Wege, Supermemory einzusetzen
1. Ein bestehendes KI-Werkzeug erweitern
Das Repository nennt Integrationen unter anderem für Claude Code, Cursor und Codex. Über gehostetes MCP lassen sich kompatible Clients mit einem dauerhaften Gedächtnisdienst verbinden. Prüfe die tatsächlichen Lese- und Schreibvorgänge sowie Berechtigungen jedes Plugins. Eine Plugin-Installation ist keine Erlaubnis, sämtliche Repository-Geheimnisse oder persönlichen Gespräche hochzuladen. Einrichtung und Authentifizierung für gehostetes MCP
2. Gedächtnis in dein Produkt integrieren
Über die API übergibst du ausgewählte Gespräche, Dateien und Referenzmaterialien. Vor der Antwortgenerierung rufst du ein Profil oder eingegrenzte Suchergebnisse ab. Gehostete Konnektoren können Inhalte aus Diensten wie Google Drive, Gmail und Notion übernehmen. Lege vor der Synchronisierung fest, welche Konten, Ordner und Dokumente zulässig sind. Unterstützte Konnektoren und Synchronisierungsmodell
Laut Oktober-Update zu Konnektoren synchronisieren neue OneDrive-Verbindungen die ausgewählten Ordner. Bestehende Verbindungen zum gesamten Laufwerk behalten ihren bisherigen Umfang. Prüfe diese Verbindungen vor einem breiteren Rollout.
3. Den Gedächtnisdienst lokal betreiben
Die lokale Variante stellt den Dienst als Programmdatei mit kompatibler API bereit und verwendet von dir konfigurierte Modelle. Sie bildet nicht sämtliche gehosteten Funktionen ab: Gehostete Konnektoren und gehostetes MCP sind laut Dokumentation nicht enthalten. API-Kompatibilität beweist auch nicht, dass ein bestimmtes Ollama-Modell dieselbe Extraktionsqualität oder dieselben Benchmark-Ergebnisse wie der Cloud-Dienst erreicht. Funktionsvergleich zwischen lokalem und gehostetem Supermemory
Supermemory Local 0.0.9 unterstützt API v5 und bietet fertige Linux-Images für amd64 und arm64. Der Server wird als Binärdatei aus einer separaten, nicht öffentlichen Codebasis verteilt. Für das öffentliche SDK-Repository gilt eine eigene Lizenz. Laut Release-Hinweisen bleibt natives Windows bei 0.0.8. Sichere den Datenspeicher vor dem Upgrade und behalte den vorhandenen Schlüssel.
Supermemory-API-Beispiel mit begrenzter Statusabfrage
Das folgende serverseitige Beispiel verwendet Node.js ab Version 22 und natives fetch. Ein SDK ist nicht erforderlich. Speichere es als supermemory-demo.mjs, setze SUPERMEMORY_API_KEY in deiner Serverumgebung und starte node supermemory-demo.mjs. Es übermittelt fiktive Gesprächs- und Handbuchinhalte an die gehostete API und kann Nutzungskosten verursachen. Der Schlüssel gehört nicht in Browsercode.
Das Beispiel verwendet die Namespace-Routen der API v5. Es wartet auf Indexierung und Erinnerungen für das Gespräch sowie auf die Durchsuchbarkeit des Handbuchs. Das November-Update der Konsole zeigt beide Zustände ebenfalls getrennt an. dreaming: "instant" kostet in diesem Beispiel eine zusätzliche Operation. Nutze die dynamische Verarbeitung, wenn die Wartezeit der Stapelverarbeitung zum Produkt passt. Offizielle Anleitung zu Aufnahme, Statusprüfung und Abruf
const apiKey = process.env.SUPERMEMORY_API_KEY;
if (!apiKey) throw new Error("Set SUPERMEMORY_API_KEY first.");
const baseURL = "https://api.supermemory.ai";
// Synthetic demo scope. In a product, derive this from authenticated identity.
const namespace = "tenant_demo_user_42";
const route = `/ns/${encodeURIComponent(namespace)}`;
const runId = crypto.randomUUID();
const sleep = ms => new Promise(resolve => setTimeout(resolve, ms));
async function request(path, body) {
const response = await fetch(`${baseURL}${route}${path}`, {
method: body === undefined ? "GET" : "POST",
headers: {
Authorization: `Bearer ${apiKey}`,
...(body === undefined ? {} : { "Content-Type": "application/json" }),
},
body: body === undefined ? undefined : JSON.stringify(body),
signal: AbortSignal.timeout(10_000),
});
// Do not log response bodies containing personal data or credentials.
if (!response.ok) throw new Error(`Supermemory HTTP ${response.status}`);
return response.json();
}
async function waitUntilDone(id, { needsMemories = false } = {}) {
if (typeof id !== "string" || !id) throw new Error("Missing document ID.");
for (let attempt = 0; attempt < 20; attempt += 1) {
const document = await request(`/document/${encodeURIComponent(id)}`);
const { status, dreamingStatus } = document?.system ?? {};
if (status === "failed") throw new Error("Ingestion failed.");
if (typeof status !== "string" || (needsMemories && typeof dreamingStatus !== "string")) {
throw new Error("Invalid document status response.");
}
if (status === "done" && (!needsMemories || dreamingStatus === "done")) return;
if (attempt < 19) await sleep(1500);
}
throw new Error("Ingestion did not finish within the polling budget.");
}
const conversation = await request("/document", {
content: [
"user: I prefer short onboarding checklists.",
"assistant: Which project are you working on?",
"user: The Acme analytics dashboard. We use TypeScript.",
].join("\n"),
id: `chat_onboarding_${runId}`,
metadata: { type: "conversation" },
dreaming: "instant",
});
const handbook = await request("/document", {
content: "Acme onboarding: create a sandbox, complete the security " +
"checklist, then request a review before production access.",
id: `handbook_${runId}`,
metadata: { type: "document", source: "synthetic-handbook" },
taskType: "superrag",
});
await waitUntilDone(conversation.id, { needsMemories: true });
await waitUntilDone(handbook.id);
const profileResponse = await request("/profile", {});
const searchResponse = await request("/search", {
query: "What should I do next for Acme onboarding?",
searchMode: "hybrid",
limit: 5,
});
const profile = profileResponse?.profile;
if (!Array.isArray(profile?.static) || !Array.isArray(profile?.dynamic) ||
!Array.isArray(searchResponse?.results)) {
throw new Error("Unexpected profile or search response shape.");
}
console.log({
staticFacts: profile.static.length,
dynamicFacts: profile.dynamic.length,
retrievedItems: searchResponse.results.length,
});Der Code gibt Anzahlen statt personenbezogener Rohdaten aus. Er ruft Kontext ab, sendet ihn aber bewusst nicht an ein Antwortmodell und behauptet keinen korrekten Antwortinhalt. In einer Chat-Anwendung übergibst du relevanten abgerufenen Kontext als nicht vertrauenswürdige Daten, erzeugst die Antwort und speicherst anschließend nur Gesprächsinhalte, die deine Aufbewahrungsregeln abdecken.
Hänge neue Gesprächsbeiträge in v5 über eine stabile ID an. Prüfe einen Schreibvorgang mit unklarem Ergebnis vor einem erneuten Versuch, denn die gleiche ID hängt Inhalte an das Dokument an. Das Beispiel verwendet bei jedem Lauf neue IDs.
Binde den Namespace an eine authentifizierte Identität. Der feste Namespace im Beispiel gilt für fiktive Daten. Leite im Produkt Mandant und Nutzer serverseitig aus der authentifizierten Identität ab. Akzeptiere keine beliebigen Browser-Tags unter einem organisationsweiten Schlüssel. Der Dienst dokumentiert eingeschränkte Schlüssel. Nutze passende Zugriffsbereiche, halte privilegierte Schlüssel auf dem Server und teste Zugriffsversuche über Mandantengrenzen hinweg. API-Authentifizierung und eingeschränkte Schlüssel
Kann Supermemory mit Ollama offline laufen?
Ja, mit dem lokalen Programm, einem laufenden lokalen Modellanbieter und lokalen Embeddings. Lade Programm und Modelldateien vorher herunter; die Erstinstallation ist nicht offline. Die Anbieterdokumentation zeigt Ollama über einen OpenAI-kompatiblen Endpunkt. Gemeint ist eine HTTP-Schnittstelle, nicht die Pflicht, Daten an ein Cloud-Modell zu senden. Lokale Modellanbieter und Ollama-Konfiguration
Nach der Installation des lokalen Servers, dem Start von Ollama und dem Herunterladen von gpt-oss:20b mit ollama pull gpt-oss:20b veranschaulicht diese Konfiguration lokale Extraktion mit mehrsprachigen Embeddings. Das Modell ist ein Beispiel, keine Empfehlung zur Hardwaredimensionierung. Verwende beim ersten Start mit dieser Embedding-Konfiguration ein neues Datenverzeichnis.
OPENAI_BASE_URL=http://localhost:11434/v1 \
OPENAI_API_KEY=ollama \
OPENAI_MODEL=gpt-oss:20b \
SUPERMEMORY_EMBEDDING_PROVIDER=local \
SUPERMEMORY_EMBEDDING_MODEL=Xenova/bge-m3 \
SUPERMEMORY_EMBEDDING_DIMENSIONS=1024 \
SUPERMEMORY_DISABLE_TELEMETRY=1 \
SUPERMEMORY_NO_UPDATE_CHECK=1 \
supermemory-serverWichtig für mehrsprachige Produkte: Das dokumentierte lokale Standardmodell für Embeddings, Xenova/bge-base-en-v1.5, ist nur für Englisch vorgesehen. Als mehrsprachige Alternative nennt die Dokumentation Xenova/bge-m3 mit 1.024 Dimensionen, wie oben gezeigt. Wähle das Modell vor dem Import größerer Bestände. Ein Modell- oder Dimensionswechsel erfordert einen neuen kompatiblen Index und erneute Verarbeitung. Mische keine Vektorräume. Prüfe deutsche, spanische und chinesische Anfragen ausdrücklich: Erfolgreiches Einlesen beweist keine gute Suchqualität. Lokale Embedding-Modelle und mehrsprachige Konfiguration
Lade für lokale Textverarbeitung die Modelldateien vorab, deaktiviere Telemetrie und Update-Prüfungen und nutze lokale Texteingaben. Die Aufnahme von Webseiten verwendet Firecrawl. Prüfe ausgehende Verbindungen in der Zielumgebung.
Verwende den vom lokalen Server erzeugten API-Schlüssel und ersetze die Basis-URL im Beispiel durch http://localhost:6767. Übernimm keinen gehosteten Schlüssel. Prüfe jeden Anbieter, sämtliche Dateiabhängigkeiten und ausgehenden Verbindungen, bevor du den Betrieb als vollständig offline einstufst. Begrenze die Erreichbarkeit im Netzwerk und plane Speicher, Backups, Aktualisierungen und Wiederherstellung.
Was muss ein Gedächtnis-Pilot für den Produktivbetrieb belegen?
Beginne mit einem wiederkehrenden Ablauf und einer unveränderten Vergleichslösung, etwa deiner bisherigen Gesprächszusammenfassung plus mandantengefiltertem RAG. Die folgende Liste ist Wavects Vorschlag für Abnahmekriterien, keine Behauptung, Supermemory habe diese Prüfungen bestanden.
| Szenario | Erforderlicher Nachweis |
|---|---|
| Neue Sitzung und korrigierter Fakt | Relevanter Kontext übersteht einen Neustart; spätere Korrekturen gelten, ohne eine Vergangenheit zu erfinden. |
| Ablauf und fehlende Belege | Temporäre Fakten beeinflussen sachfremde Antworten nicht mehr; der Agent verzichtet auf unbelegtes Raten. |
| Mandantengrenzen und manipulierte Erinnerungen | Fremder Nutzerkontext bleibt unzugänglich; gespeicherte Anweisungen erteilen keine Berechtigungen und überschreiben keine Systemregeln. |
| Löschauftrag | Prüfe den vereinbarten Löschumfang für Originale, abgeleitete Erinnerungen, Profile, Zwischenspeicher und den Umgang mit Backups. |
| Sprachen und Betriebsfehler | Bewerte repräsentative Sprachen, fehlerhafte Antworten, gescheiterte Verarbeitung, Zeitüberschreitungen und wiederholte Übermittlungen. |
| Latenz und Gesamtkosten | Miss p50/p95 und Kosten pro abgenommener Aufgabe einschließlich Aufnahme, Extraktion, Abruf, Generierung und Betrieb. |
Gespeicherte Erinnerungen sind keine maßgeblichen Zugriffsregeln. „Ich bin Administrator“ ist als erinnerte Aussage keine gültige Rollenzuweisung. Lass Nutzer relevante Erinnerungen einsehen und korrigieren, begrenze sensible Speicherung und bewahre die Herkunft auf, damit sich die Verwendung eines Fakts erklären lässt.
Berücksichtige für die Kosten den gesamten Ablauf, nicht nur die abschließende Eingabe. Der gehostete Dienst rechnet Nutzung ab und unterscheidet Operationen, einschließlich der zusätzlichen Operation für sofortige Verarbeitung. Lokal ersetzt du einen Teil der Dienstabhängigkeit durch eigene Modell- und Infrastrukturverantwortung. Vergleiche Kosten pro erfolgreich erledigter Aufgabe statt isolierter Prozentsätze zur Kontextreduktion. Abrechnungs- und Nutzungsmodell von Supermemory
Wann lohnt sich Supermemory?
Ein begrenzter Pilot ist sinnvoll, wenn Nutzer regelmäßig zurückkehren, sich Präferenzen oder Projekte ändern und wiederholtes Erklären Zeit kostet. Ein Support-Copilot, ein Onboarding-Assistent oder ein wiederkehrender Projektassistent passt besser als eine einmalige Dokumentabfrage. Bei einer kleinen, stabilen Wissensbasis ohne veränderlichen Nutzerzustand kann berechtigungsbewusstes RAG der einfachere Ausgangspunkt sein.
Vergleiche Architektur und Betriebsverantwortung mit unserem OpenViking-Review zum Agentengedächtnis. Wavects KI-Entwicklung verbindet den Informationsabruf mit deinen Produktzielen. Unsere Twinsoft-AI-Fallstudie zeigt ein anderes KI-Produktprojekt, keinen nachgewiesenen Supermemory-Einsatz.
Mit der Software-QA-Checkliste vor dem Launch übersetzt du den Pilot in Freigabekriterien. Alternativ kannst du eine klar abgegrenzte Agentengedächtnis-Analyse besprechen. Entscheidend sind weniger wiederholte Erklärungen und bessere nachgewiesene Ergebnisse, nicht möglichst viele Erinnerungen oder eine Rangliste allein.
