Memory-Architekturen für AI-Agenten

Wenn ein Agent halluziniert, ist der erste Reflex, das Modell zu beschuldigen. In neun von zehn Fällen ist das die falsche Diagnose — das Modell ist okay, der Retrieval-Layer ist kaputt. Dieser Decision Guide mappt drei Long-Term-Memory-Architekturen auf die Form deiner Daten: Vector RAG für unstrukturierten Text (Pinecone, Qdrant, ChromaDB, pgvector), Knowledge Graphs für Beziehungs-Reasoning (Neo4j, LightRAG, GraphRAG) und Tabular/SQL für deterministischen Record-Lookup (PostgreSQL, SQLite, Text-to-SQL). Der volle Guide enthält das 4-Tier-Memory-Modell, ein animiertes Decision-Flowchart mit fünf schärfenden Fragen, einen 10-Zeilen-Head-to-Head-Vergleich, vertiefte Detail-Seiten pro Architektur mit Stärken und Failure-Modes sowie das hybride Memory-Router-Pattern, das produktive Agenten tatsächlich fahren.