Was ist ein Agenten-Scratchpad (Working Memory)? Zwischennotizen bei KI-Agenten erklärt

Ein Agenten-Scratchpad (auch Working Memory oder Arbeitsspeicher genannt) ist der Notizblock, den ein KI-Agent während einer laufenden Aufgabe führt. Dort hält er fest, was zu tun ist, welche Zwischenergebnisse bereits vorliegen und welche Überlegungen er gerade anstellt. Das Scratchpad existiert nur für die Dauer einer Aufgabe und hilft dem Agenten, über mehrere Schritte hinweg den Faden zu behalten, statt bei jedem Schritt von vorne zu beginnen.

Der Begriff beschreibt keine feste Technik, sondern ein Prinzip: Ein Agent, der mehrere Arbeitsschritte hintereinander erledigt, braucht einen Ort, an dem er Zwischenstände notiert. Genau wie ein Mensch, der eine komplexe Aufgabe auf einem Blatt Papier durchrechnet, schreibt der Agent seine Gedanken und Teilergebnisse mit, um darauf aufzubauen.

Warum ein KI-Agent Zwischennotizen braucht

Ein einzelner Aufruf eines Sprachmodells (LLM) ist im Kern zustandslos: Das Modell erhält eine Eingabe und erzeugt eine Ausgabe, ohne sich an vorherige Aufrufe zu erinnern. Sobald ein Agent aber eine Aufgabe in Teilschritten löst – recherchieren, Ergebnis prüfen, nachfassen, zusammenfassen – muss er wissen, was er in den Schritten davor herausgefunden hat.

Das Scratchpad schließt diese Lücke. Es wird bei jedem Schritt mit in die Eingabe des Modells gegeben, sodass der Agent auf seine eigenen früheren Gedanken und Ergebnisse zurückgreifen kann. Ohne diesen Notizblock würde ein Agent bei jedem Schritt vergessen, was er gerade tut, und sich im Kreis drehen.

Wichtig ist die Abgrenzung: Das Scratchpad ist das Kurzzeitgedächtnis für eine Aufgabe. Es unterscheidet sich vom dauerhaften Agenten-Gedächtnis, das Wissen über einzelne Aufgaben hinweg speichert – etwa Kundenpräferenzen oder frühere Gespräche. Wer sich für die Zustandsverwaltung interessiert, findet Details unter State Management bei KI-Agenten.

Was im Scratchpad steht

Ein Scratchpad kann verschiedene Formen annehmen. Häufig enthält es:

• Den Auftrag: die ursprüngliche Aufgabe, damit der Agent das Ziel nicht aus den Augen verliert.
• Zwischenergebnisse: Fakten, die der Agent per Werkzeug oder Suche gefunden hat.
• Freie Überlegungen: Gedanken darüber, was als Nächstes zu tun ist und warum.
• Eine To-do-Liste: eine strukturierte Variante des Scratchpads mit abhakbaren Schritten.

Eine To-do-Liste ist dabei nur eine besondere Form des Scratchpads. Viele Agenten nutzen sie als Rückgrat, weil abhakbare Punkte leichter zu verfolgen sind als Fließtext. Der Scratchpad ist aber der weitere Begriff: Er umfasst auch Zwischenbefunde und freies Nachdenken, nicht nur eine Checkliste.

Das ReAct-Muster als typisches Beispiel

Ein bekanntes Muster, das ein Scratchpad nutzt, ist ReAct (kurz für „Reason + Act", also Denken und Handeln). Es wurde 2022 von Yao et al. in der Arbeit „ReAct: Synergizing Reasoning and Acting in Language Models" (arXiv) beschrieben. Die Idee: Der Agent wechselt in einer Schleife zwischen einem Gedanken (Thought), einer Aktion (Action) und einer Beobachtung (Observation).

Der Gedanke wirkt dabei als fortlaufendes Scratchpad, das sich über die Iterationen aufbaut. Bei jedem neuen Schritt kann das Modell auf alle vorherigen Gedanken, Aktionen und Beobachtungen zurückblicken und sein aktuelles Verständnis rekonstruieren. So bleiben Zwischenschlüsse erhalten, die in einem langen Kontext sonst untergehen würden. Diese Denk-Handeln-Schleife ist eng verwandt mit dem KI-Agenten-Loop aus Wahrnehmen, Denken und Handeln.

Verwandt ist auch das Chain-of-Thought-Prompting, bei dem ein Modell seine Zwischenschritte offenlegt. Der Unterschied: Beim Scratchpad geht es darum, diese Gedanken über mehrere Aufrufe hinweg festzuhalten und wiederzuverwenden.

Warum das Scratchpad ein knappes Gut ist

Das Scratchpad lebt im Kontextfenster des Modells – also in der begrenzten Menge an Text, die ein LLM auf einmal verarbeiten kann. Selbst große Kontextfenster sind dabei eine knappe Ressource: Je länger eine Aufgabe läuft, desto mehr Notizen sammeln sich an, und irgendwann passt nicht mehr alles hinein.

Deshalb pflegen produktionsreife Agenten ihr Scratchpad aktiv, statt es unbegrenzt wachsen zu lassen. Eine gängige Praxis ist, ältere Notizen zusammenzufassen oder nicht mehr benötigte Zwischenstände zu verwerfen, damit das Wesentliche im Blick bleibt. Ein verbreiteter Ansatz für langlaufende Agenten besteht darin, Zwischenstände in externe Dateien auszulagern und beim nächsten Schritt nur die relevanten Notizen wieder einzulesen – der Agent liest also seine Notizen, statt das gesamte bisherige Protokoll erneut durchzugehen. Das Scratchpad ist damit in seiner einfachsten Form nichts anderes als „Dateien plus Disziplin".

Einordnung: Scratchpad und AI-Mitarbeiter

Für AI-Mitarbeiter ist ein sauber geführtes Scratchpad die Voraussetzung dafür, dass eine Aufgabe über mehrere Schritte hinweg konsistent bearbeitet wird. Ein Sales Assistant, der einen Lead anreichert und qualifiziert, muss die einzelnen Zwischenergebnisse – gefundene Firmendaten, geprüfte Kriterien, offene Fragen – zusammenhalten, bevor er ein Fazit zieht.

Das Scratchpad ist dabei nur eines von mehreren Bausteinen. Es arbeitet mit Werkzeugen für autonome Aktionen zusammen, deren Ergebnisse es festhält, und wird durch dauerhaftes Gedächtnis ergänzt, wenn Wissen über die einzelne Aufgabe hinaus erhalten bleiben soll. Erst im Zusammenspiel entsteht ein Agent, der eine Aufgabe verlässlich zu Ende bringt.

Häufige Fragen

Was ist der Unterschied zwischen Scratchpad und Agenten-Gedächtnis?

Das Scratchpad ist das Kurzzeitgedächtnis für eine einzelne Aufgabe und wird danach verworfen. Das dauerhafte Gedächtnis speichert Wissen über Aufgaben hinweg, etwa Kundenpräferenzen oder frühere Interaktionen. Beide ergänzen sich: Das Scratchpad hält den aktuellen Arbeitsstand, das Gedächtnis das Langzeitwissen. Mehr dazu im Artikel zum Agenten-Gedächtnis.

Sind Scratchpad und Working Memory dasselbe?

Ja, die Begriffe werden weitgehend synonym verwendet. „Working Memory" (Arbeitsspeicher) beschreibt die Funktion – Zwischenstände einer laufenden Aufgabe halten –, „Scratchpad" (Notizblock) beschreibt die konkrete Umsetzung als Ort, an dem der Agent seine Notizen mitschreibt. In der Praxis meinen beide denselben Mechanismus.

Warum reicht ein großes Kontextfenster nicht aus, um alles zu speichern?

Auch große Kontextfenster sind begrenzt und werden bei langen Aufgaben knapp. Je mehr Zwischennotizen sich ansammeln, desto eher stößt der Agent an die Grenze und verliert relevante Informationen zwischen unwichtigen. Deshalb ist es üblich, das Scratchpad zu pflegen: ältere Notizen zusammenfassen, Überflüssiges verwerfen oder Zwischenstände in externe Dateien auslagern.

Braucht jeder KI-Agent ein Scratchpad?

Nein. Ein Agent, der eine Anfrage in einem einzigen Schritt beantwortet, kommt ohne Scratchpad aus. Nötig wird es, sobald eine Aufgabe mehrere Schritte umfasst und der Agent auf frühere Zwischenergebnisse zugreifen muss. Der Unterschied zwischen einfachen und mehrschrittigen Abläufen wird im Artikel KI-Agent vs. Workflow genauer erklärt.