Tencents Team Memory ermöglicht KI-Agenten, Wissen zu teilen, doch falsche Informationen verbreiten sich im ganzen Team

Wichtigste Punkte

• Eine Umfrage von VentureBeat aus Juni 2025 ergab, dass 57 % der Unternehmen eine selbstsicher gegebene falsche KI-Antwort auf fehlende oder widersprüchliche Kontextinformationen zurückführten.
• Tencent hat diese Woche Team Memory in der Beta-Version gestartet, ein Open-Source-System, das mehreren KI-Agenten einen gemeinsamen Speicherpool zur Verfügung stellt, statt dass jeder separate Aufzeichnungen führt.
• In Tencents eigenem Genauigkeits-Benchmark stieg die Quote korrekter Antworten von 48 % auf 76 %, nachdem eine persistente Benutzerprofil-Ebene hinzugefügt wurde.
• Das GitHub-Repository für das zugrunde liegende Projekt erreichte innerhalb weniger Tage nach der Team-Memory-Ankündigung Platz eins auf GitHubs TypeScript-Trendliste.
• Tencents eigene Dokumentation enthält kein Verfahren zur Korrektur oder zum Ablauf eines Speicherelements, das sich als falsch herausstellt.

Stellen Sie sich vor, Sie arbeiten in einem Büro, in dem alle Kollegen ein Whiteboard teilen. Das ist praktisch: Niemand muss eine bereits dort notierte Entscheidung erneut erläutern. Wenn aber jemand eine falsche Zahl notiert, verwenden alle im Gebäude diese falsche Zahl, bis jemand es bemerkt und löscht. Das ist ungefähr die Situation, die Tencent gerade in Betrieb genommen hat.

Was ist Team Memory und was leistet es wirklich?

Team Memory ist ein gemeinsames Speichersystem für KI-Agenten – Softwareprogramme, die mehrstufige Aufgaben eigenständig ausführen können, ohne dass ein Mensch jeden Schritt steuert. Statt dass jeder Agent seine eigenen privaten Notizen über einen Benutzer oder ein Projekt führt, lesen alle Agenten eines Teams aus einem zentralen Pool.

Tencent hat es als Erweiterung von Agent Memory entwickelt, einem Open-Source-Projekt, an dem das Unternehmen sechs Monate lang arbeitete, um ein spezifisches Problem zu beheben: KI-Agenten, die nach Gesprächsende alles Wichtige vergaßen. Die neue Team-Memory-Beta, diese Woche angekündigt, skaliert diese Idee von einem Agenten auf viele auf.

Das System organisiert vier Arten von wiederverwendbaren Informationen. Chat Memory speichert ein destilliertes Bild, wer ein Benutzer ist, aufgebaut über viele Gespräche hinweg. Skills erfassen Schritt-für-Schritt-Verfahren aus abgeschlossener Arbeit. Ein LLM-Wiki wandelt Dokumente in strukturierte, verlinkte Seiten um. Ein Code-Graph erfasst eine Software-Codebasis, damit ein Agent überprüfen kann, welche Änderungen möglich sind, bevor er sie vornimmt.

Jeder Agent erhält nur die Informationen, die er für seine spezifische Aufgabe benötigt. Ein Research-Agent sieht Marktdaten. Ein Coding-Agent sieht die Code-Map und Produktdokumente. Nichts wird einfach auf alle verteilt.

Wer kontrolliert, was geteilt wird?

Der Zugriff erfolgt über vier Ebenen. Private Elemente sind nur vom Ersteller lesbar. Team-Elemente sind für die ganze Gruppe offen. Beschränkte Elemente werden nach Rolle oder Identität kontrolliert. Agent-Elemente werden nur auf einen spezifischen Agenten geladen. Neue Elemente sind standardmäßig privat, daher ist Teilen immer eine bewusste Wahl.

Das beantwortet die Frage, wer ein bestimmtes Speicherelement lesen darf. Es beantwortet nicht, was passiert, wenn ein Speicherelement einfach falsch ist.

Was passiert, wenn gemeinsamer Speicher einen Fehler enthält?

Das ist der Teil, den Entwickler kurz nach dem Start flaggten. In einem Single-Agent-System kostet eine falsche Tatsache einen Benutzer eine Korrektur. In einem gemeinsamen System wird dieselbe falsche Tatsache an alle Agenten kopiert, die aus dem Pool lesen – möglicherweise bevor jemand den Fehler überhaupt bemerkt.

„Eine einmal geschriebene falsche Tatsache wird nun an alle Team-Agenten verbreitet, statt nur zu deinem," schrieb Entwickler Blake Murphy kurz nach dem Start auf X. Andere wiesen darauf hin, dass zwei Agenten widersprechende Versionen desselben Sachverhalts schreiben könnten, wobei es noch keine Regel gibt, welche gewinnt.

Ein Forschungspapier aus März 2026 zur Architektur gemeinsamer Multi-Agent-Speichersysteme identifizierte exakt dieses Muster als strukturelles Risiko: falsche Informationen, die sich stillschweigend verbreiten, bevor eine Feedback-Schleife sie erfasst.

Tencents Dokumentation behandelt Eigentümerschaft, Versionierung und Statusverfolgung für Speicherassets. Sie beschreibt bisher keinen Korrektur- oder Ablaufprozess für eine Tatsache, die andere Agenten bereits geerbt haben.

Was bedeutet dies für Teams, die erwägen, es zu verwenden?

Der Vorteil ist real und konkret. Agenten verschwenden keine Zeit damit, Kontext erneut zu lernen, den das Team bereits hat. Tencents eigenem Benchmark zufolge sprang die Genauigkeit von 48 % auf 76 %, sobald die persistente Benutzerprofil-Ebene installiert war.

Der Tradeoff ist ebenso konkret. Bis ein Korrekturmechanismus existiert, ist ein einzelner fehlerhafter Eintrag kein privater Fehler: Er ist ein gemeinsamer. Teams, die Team Memory evaluieren, sollten den gemeinsamen Pool so sorgfältig behandeln wie jedes gemeinsame Dokument, denn es gibt derzeit kein automatisches Sicherheitsnetz, das einen Fehler erfasst, bevor er sich verbreitet.