Warum unsere KI unter Amnesie leidet – und wie wir ihr ein echtes Gedächtnis geben

Wir leben in einer paradoxen Zeit. Wir haben Künstliche Intelligenz, die Gedichte schreiben, komplexe Examen bestehen und Code programmieren kann. Aber dieselbe KI scheitert oft an den einfachsten Dingen, die jeden menschlichen Mitarbeiter auszeichnen: Sie lernt nicht aus Erfahrung. Wenn eine KI heute einen Fehler macht und wir sie korrigieren, macht sie morgen denselben Fehler wieder. Sie ist wie ein extrem talentierter Praktikant, der aber jeden Morgen mit einem gelöschten Gedächtnis zur Arbeit kommt. Genau daran arbeite ich gerade: Dem **Hippocampus**. ### Das Problem mit der „Suchmaschine im Keller“ Die aktuelle Standardlösung, um KI mit Firmenwissen schlau zu machen, nennt sich RAG (Retrieval Augmented Generation). Vereinfacht gesagt: Wir werfen tausende PDFs in eine Datenbank, und wenn wir eine Frage stellen, sucht die KI nach passenden Textstellen und fasst diese zusammen. Das ist zweifellos nützlich. Wer sich dafür interessiert, wie so ein klassisches RAG-System grundsätzlich aufgebaut wird, findet hier gute Beispielvideos von mir: 👉 **[Einführung in einfaches RAG (YouTube)](https://www.youtube.com/watch?v=Lbr5zjC968o&list=PLj8A53HKS7ZjcdvKV1nsx-v_aJv9MJcAa&index=7)** Aber dieses Verfahren hat eine fundamentale Schwäche: Es ist **statisch**,. Ein klassisches RAG-System „versteht“ nicht. Es findet nur Stichworte. Es kann mir sagen, *was* in Paragraph 3 der Arbeitsanweisung steht. Aber es versteht nicht, *warum* wir diesen Paragraph in Projekt X letztes Jahr ignoriert haben, weil der Kunde eine Sondergenehmigung hatte. Es liefert Fakten, aber keine Zusammenhänge. Es hat Zugriff auf Informationen, aber es besitzt kein **Erfahrungswissen**. ### Vom Aktenordner zum lebendigen Gehirn  Meine Vision mit Hippocampus ist der Schritt weg von der „dummen Datenbank“ hin zu einem **kognitiven Betriebssystem**. Ich baue an einer Architektur, die sich nicht wie ein Archiv verhält, sondern wie ein biologisches Gehirn. Wenn wir Menschen etwas lernen, speichern wir nicht einfach den exakten Wortlaut einer Situation ab. Wir schlafen darüber. Wir verarbeiten das Erlebte. Wir abstrahieren. Genau das soll meine Software tun: Anstatt nur passiv Dokumente zu speichern, beobachtet das System Entscheidungen und Korrekturen. Es „verdaut“ Informationen im Hintergrund. Es erkennt Muster und bildet daraus eigenständig Regeln. Wenn ein erfahrener Mitarbeiter sagt: „Nein, diese Rechnung buchen wir nicht so, weil das eine Ausnahme ist“, dann darf das System das nicht nur als Notiz ablegen. Es muss daraus lernen: *„Aha, in diesem Kontext gilt eine andere Regel.“*, ### Warum das wichtig ist: Der „Junior-Gap“ Warum investiere ich so viel Zeit in dieses Thema? Weil wir auf ein riesiges wirtschaftliches Problem zusteuern: Den **Junior-Gap**,. Unsere erfahrenen Experten gehen bald in Rente. Sie nehmen ihr „Bauchgefühl“ und ihr implizites Wissen mit. Gleichzeitig automatisieren wir mit KI so viele einfache Aufgaben weg, dass junge Mitarbeiter (Junioren) gar keine Chance mehr haben, durch einfache Routine zu lernen. Wir verlieren das institutionelle Gedächtnis unserer Firmen. Hippocampus soll diese Lücke schließen. Es soll das Wissen der Experten nicht nur archivieren, sondern verstehen und konservieren – um später als Mentor für die nächste Generation (und für andere KI-Agenten) zu fungieren. ### Fazit Ich glaube, dass die nächste große Welle der KI nicht noch größere Sprachmodelle sind. Die Modelle sind schlau genug. Was fehlt, ist die Infrastruktur, die diese Intelligenz mit einer dauerhaften, lernfähigen Erinnerung verbindet. Wir brauchen keine bessere Suchmaschine für unsere Dokumente. Wir brauchen ein System, das **Erfahrungen** sammelt, statt nur Daten zu horten. Daran arbeite ich.