Databricks hat am 20. Oktober 2026 MemCurrent vorgestellt, eine Gedächtnisarchitektur für Agenten, und parallel dazu Agent Memory als Beta auf der Plattform Agent Bricks gestartet: Unternehmensagenten beginnen nicht mehr jedes Gespräch bei null, sondern behalten Fakten, Vorlieben und Arbeitsweisen über Sitzungen hinweg. In einem internen Benchmark aus echten Geschäftsgesprächen stieg die Abschlussrate bei 114 Unternehmensaufgaben mit diesem Gedächtnis von 22,3 Prozent ohne Gedächtnis auf 68,4 Prozent — bei 31 Prozent weniger Token und 26 Prozent schnellerer Erledigung. Das Modell blieb unverändert; der gesamte Unterschied entsteht daraus, wie Erinnerungen gespeichert und aufgeräumt werden.
Entscheidend sind zwei Schichten, nicht mehr Speicher
MemCurrent teilt das Gedächtnis in zwei Arten. Das episodische Gedächtnis bewahrt die rohen Aufzeichnungen von Gesprächen und Aktionen, wie ein Kontobuch. Das abgeleitete Gedächtnis destilliert daraus Vorlieben, Definitionen und Workflows, wie ein bereits aufgeräumtes Notizbuch. Die getrennte Messung ist aufschlussreich: Nur episodisches Gedächtnis erreichte 35,8 Prozent Abschlussrate, nur abgeleitetes 66,1 Prozent, beides zusammen 68,4 Prozent. Den kompletten Verlauf ungefiltert in den Kontext zu kippen, wirkt also deutlich schlechter, als ihn vorher zu destillieren. In drei öffentlichen Benchmarks erreichte MemCurrent mit einem Zwölftel der Token dieselbe Leistung wie der volle Verlauf und übertraf drei Open-Source-Gedächtnissysteme, Mem0, PropMem und OpenClaw Memory. Alle Werte stammen aus Databricks' eigenen Messungen und sind noch nicht unabhängig reproduziert — das gehört zur Einordnung dazu.
Offline „träumen": Sortiert wird nach Feierabend, nicht mitten in der Aufgabe
Der eigenwilligste Baustein ist ein Offline-Schritt zur Konsolidierung, den Databricks mit Träumen vergleicht. Während der Arbeit schreibt der Agent nur nieder, was passiert ist; danach führt eine eigene Pipeline die Erinnerungen zusammen, entfernt Duplikate und löst Widersprüche auf, sodass neuere Definitionen ältere ersetzen und doppelte Fakten nur einmal überleben. Produktseitig sitzt Agent Memory auf der Datenbank Lakebase: Ein Agent lädt beim Start einen Index dessen, was er bereits weiß, und ruft Details bei Bedarf ab; mit der Agent-Bricks-CLI lasse sich ein Agent mit Gedächtnis in wenigen Minuten bereitstellen. Die Architektur treibt bereits Agent Bricks Memory und Databricks' eigenes Datenprodukt Genie an.
Ein anderes Spiel als das „Merk dir das" für Endkunden
Auch Verbraucherprodukte wetteifern ums Gedächtnis — etwa die neuen gesperrten Chats in ChatGPT, die sensible Gespräche in einen eigenen Bereich mit eigenem Gedächtnis auslagern und damit eine Frage privater Grenzen sind. MemCurrent zielt auf Organisationsgedächtnis: Ein Support-Agent destilliert Antworten aus der Ticket-Historie eines ganzen Teams, und der Agent des nächsten Kollegen erbt sie. Damit wird Governance zur eigentlichen Frage, denn eine falsch destillierte Erinnerung wird unter dem Etikett Erfahrung immer wieder aufgerufen; Unternehmen müssen die Herkunftskette und einen Korrekturweg behalten, nicht nur eine höhere Abschlussrate. Für Teams, die eigene Agenten bauen, ist die praktische Folgerung konkret: Rohaufzeichnungen und destillierte Schlüsse getrennt speichern, dem Destillieren Offline-Zeit geben — und erst danach über ein größeres Modell reden.
