Was weiss das System?
Memory aus früheren Beobachtungen, Entscheidungen, Korrekturen und Ergebnissen.
Das Problem
AI kann intelligent sein, ohne kontinuierlich zu sein.
Stell dir einen aussergewöhnlichen Analysten vor. Am Montag arbeitet er acht Stunden an einem komplexen Problem. Am Dienstag erinnert er sich kaum noch. Am Mittwoch übernimmt jemand anderes und beginnt grosse Teile des Prozesses neu.
Keine ernsthafte Organisation würde absichtlich so arbeiten. Viele KI-Systeme tun genau das: stark im aktuellen Kontext, schwach über Sessions, Tools, Modelle und Zeit hinweg. AgentBrain behandelt das als Infrastrukturproblem.
session_01Research ohne spätere Begründung
session_02Kontext als Notiz, nicht als Wissen
agent_03Übernahme ohne Entscheid-Historie
AgentBrainKontinuität mit Herkunft, Scope und Validity
Mehr als Memory
Nicht nur speichern. Verstehen, warum etwas zählt.
Ein Speicher kann Informationen ablegen. Ein persistentes Intelligenzsystem muss die Beziehungen rund um diese Information verstehen: Herkunft, Zeit, Verlässlichkeit, Abhängigkeiten und offene Unsicherheit.
Warum glaubt es das?
Provenance, Evidenz, Confidence und klare Grenzen der Quelle.
Gilt es noch?
Temporalität, Validity Checks und Downgrade veralteter Annahmen.
Was hängt davon ab?
Beziehungen zu Workflows, Agenten, Entscheidungen und späteren Aktionen.
Der Brain
Eine kognitive Struktur, aus der Agenten weiterarbeiten können.
Agenten können strukturiertes Wissen in den Brain schreiben und relevantes Wissen wieder abrufen, wenn sie es brauchen. Das Ziel ist kein unendlich wachsendes Archiv. Es ist nutzbare Kontinuität.
Memory
Was gelernt, entschieden oder korrigiert wurde.
Provenance
Woher eine Information stammt und in welchem Scope sie gilt.
Evidenz
Welche Quelle eine Aussage trägt und wo der Beleg stoppt.
Identität
Welcher Agent, Mensch oder Prozess etwas erzeugt hat.
Zeit
Wann etwas beobachtet wurde und ob es überholt sein kann.
Confidence
Wie stark die verfügbare Evidenz eine Aussage stützt.
Beziehungen
Wie Wissen mit früheren Research-, Entscheid- und Action-Ketten verbunden ist.
Validity
Ob frühere Annahmen eine neue Handlung noch beeinflussen dürfen.
One Brain · many agents
Die Zukunft besteht nicht aus einem Modell, das alles macht.
Es wird Research-Agenten, operative Agenten, Monitoring-Systeme, Domain-Intelligence und Menschen geben, die zusammenarbeiten. Modelle und Tools können wechseln. Die zugrunde liegende Intelligenz muss bleiben.
Research Agent
Validation Agent
AgentBrain
Monitoring Agent
Human Review
Von Output zu Proof
Die wichtige Frage ist nicht nur, was die KI antwortet.
Generative AI hat Antworten billig gemacht. Für konsequente Systeme zählt deshalb die Kette dahinter: Welche Evidenz wurde genutzt? Welche Annahmen wurden gemacht? Welcher Agent hat gehandelt? Hat sich die Quelle verändert?
AgentBrain wird um ein einfaches Prinzip gebaut: KI soll nicht nur Intelligenz produzieren. Sie soll erklären können, wie diese Intelligenz entstanden ist.
sourceQuelle
memoryKontext
gateValidity
outputErgebnis
receiptReceipt
“Die Modelle wurden schneller besser als die Systeme, die ihre Kontinuität halten sollen. Genau dort beginnt AgentBrain.”
Theshoth SritharanFounder-led
Gegründet in der Schweiz, gebaut aus realen Workflows.
AgentBrain wurde von Theshoth Sritharan gegründet. Der Startpunkt war keine abstrakte Memory-Demo, sondern eine praktische Frage: Was passiert, wenn KI-Agenten fähig genug werden, echte Arbeit zu leisten, aber die Systeme rundherum noch vergessen?
Aus Memory wurde Provenance. Aus Provenance wurde Identität. Aus Identität wurde Governance. Aus Governance wurde Validity. Daraus entstand die Architektur für kognitive Kontinuität.
Entstehung
Gegründet in der Schweiz. Gebaut aus einem realen Problem.
AgentBrain entstand während der praktischen Arbeit mit KI-Agenten. Die Agenten konnten recherchieren, analysieren, planen und Tools nutzen. Aber sobald Arbeit über eine einzelne Session hinausging, wurde sichtbar: Der Agent konnte arbeiten, aber seine eigene Arbeit nicht zuverlässig fortsetzen.
Eine neue Session begann. Kontext musste wieder erklärt werden. Frühere Entscheidungen wurden rekonstruiert. Annahmen verschoben sich. Nach vielen kleinen Abweichungen arbeitete der Agent noch am selben Projekt, aber nicht mehr auf derselben gedanklichen Grundlage.
Damit wurde Drift nicht nur ein Modellproblem. Drift wurde ein Strukturproblem langfristiger Agentenarbeit. Die eigentliche Frage wurde: Wie bleibt ein KI-Agent über Zeit derselbe arbeitende Akteur, während er lernen, korrigieren und sich verändern darf?
Continuity
Arbeit soll nicht mit jeder Session kognitiv neu beginnen.
Memory
Der Agent hält fest, was gelernt, entschieden und korrigiert wurde.
Provenance
Wissen bekommt Herkunft, Quelle und Entstehungsgeschichte.
Identity
Es bleibt klar, welcher Agent, Mensch oder Prozess gehandelt hat.
Governance
Regeln bestimmen, was auf dieser Grundlage getan werden darf.
Validity
Vergangenes Wissen wird nicht automatisch zur heutigen Wahrheit.
Getestet an schwierigen Problemen
AgentBrain wird durch reale Umgebungen gebaut, nicht durch isolierte Demos.
Antimicrobial Resistance
AMR verlangt die Verbindung von Literatur, Surveillance, Policy, Finanzierung und Umsetzung über Länder und Institutionen hinweg. Genau dort muss ein System Evidenz, Claims, Unsicherheit und Änderungen über Zeit halten.
Property Operations
Valtis zeigt den Operator-Fall: Mandats-Memory, Confidence Gates, Eskalationsgrenzen und Receipts für wiederkehrende Arbeit, bei der der Mensch die sensiblen Entscheide behält.
Model-agnostic Infrastructure
Die Architektur ist nicht auf Healthcare oder Immobilien beschränkt. Sie gilt überall dort, wo Agenten kontinuierlich arbeiten müssen statt nur promptweise zu reagieren.
Was wir glauben
Das Modell liefert Intelligenz. AgentBrain liefert Kontinuität darum herum.
Memory darf nicht blind vertraut werden.
Claims müssen eine Herkunft haben.
Aktionen brauchen Identität und Grenzen.
Veraltete Annahmen müssen herausgefordert werden.
Menschen müssen verstehen können, was das System getan hat.
AgentBrain ist kein weiterer Chatbot und kein weiteres Foundation Model. Es ist Infrastruktur für Intelligenz, die erinnert, prüft, koordiniert und über Zeit weiterarbeiten kann.