- Claudes Speichersystem wird nur aktiviert, wenn der Nutzer es direkt aufruft, und ruft Informationen ab, indem es echte Gesprächsverläufe in Echtzeit durchsucht
- ChatGPT lädt dagegen in jedem Gespräch automatisch das Nutzerprofil und die Historie, um sofort ein personalisiertes Erlebnis zu bieten
- Diese beiden Ansätze spiegeln Unterschiede in Zielgruppe und Produktphilosophie wider
- Claude-Nutzer sind vor allem Entwickler und Fachleute und legen Wert auf Transparenz, direkte Kontrolle und Datenschutz
- Zuletzt wurde auch bei Claude für Team- und Enterprise-Konten eine automatische Speicherfunktion ähnlich wie bei ChatGPT eingeführt, womit sich der Bereich des AI-Memory-Designs schnell erweitert
So funktioniert Claudes Speichersystem
Claudes Speichersystem hat zwei zentrale Merkmale
- Es startet zu Beginn jedes Gesprächs in einem leeren Zustand und lädt weder ein Nutzerprofil noch frühere Gespräche im Voraus
- Die Speicherfunktion wird nur aktiviert, wenn der Nutzer klare Aufrufformulierungen verwendet, etwa „Sag mir, worüber wir zuvor gesprochen haben“ oder „Mach bitte da weiter, wo wir aufgehört haben“
Claude nutzt nicht von der AI erzeugte Zusammenfassungen oder komprimierte Profile, sondern durchsucht ausschließlich echte frühere Gesprächsverläufe in Echtzeit und verwendet diese Informationen
Nach Abschluss der Suche integriert Claude die Suchergebnisse, um auf die Anfrage des Nutzers zu antworten oder die Diskussion fortzusetzen
Tool Conversation Search
- Das Tool conversation_search durchsucht den gesamten Gesprächsverlauf nach Schlüsselwörtern oder Themen
- Wenn man zum Beispiel fragt: „Erinnerst du dich daran, worüber wir in Bezug auf Chandni Chowk gesprochen haben?“, findet Claude mehrere Gespräche zu diesem Thema, führt sie zusammen und liefert eine Zusammenfassung
- Wenn mehrere Themen gleichzeitig abgefragt werden, etwa Michelangelo, Chainflip oder Solana, sucht Claude nacheinander separat nach jedem Thema und gibt die Inhalte zusammen mit Links zurück
- Zu den Parametern von conversation_search gehören die maximale Anzahl der Suchergebnisse und die Suchanfrage
- Beispiel: max_results(1~10), query(Suchbegriff)
Tool für zeitbasierte Chat-Abrufe
- Das Tool recent_chats greift zeitbasiert auf den Gesprächsverlauf zu
- Auf eine Anfrage wie „Zeig mir die Inhalte der letzten 10 Gespräche“ werden die neuesten Gespräche der Reihe nach gefunden und zusammengefasst
- Es ist auch möglich, nach einem bestimmten Zeitraum zu suchen, etwa: „Worüber haben wir in der letzten Novemberwoche 2024 gesprochen?“
- Zu den Parametern von recent_chats gehören after/before (Start-/Endzeitpunkt), n (Anzahl der Gespräche, 1~20) und sort_order (aufsteigend/absteigend)
Vergleich zwischen ChatGPT und Claude
Noch bis letztes Jahr waren die zentralen Funktionen von ChatGPT und Claude ähnlich, doch inzwischen hat sich die Produktrichtung deutlich auseinanderentwickelt
- ChatGPT hat sich zu einem Verbraucherprodukt für den Massenmarkt entwickelt und wird von Nutzern mit sehr unterschiedlichen Hintergründen verwendet, darunter Schüler, Eltern und Hobbyanwender
- In jedem Gespräch werden Speicherkomponenten automatisch geladen und bieten so eine sofortige und mühelose Personalisierung
- Auf Basis detaillierter Nutzerprofile lässt sich dies künftig für Funktionsvorschläge, personalisierte Features und Monetarisierung nutzen
- Claude wurde für eine Zielgruppe aus Entwicklern, Ingenieuren und Fachleuten entwickelt
- Die Nutzer verstehen, wie der Algorithmus arbeitet, und entscheiden klar, wann sie den Speicher aufrufen
- Größeren Wert als auf Profilbildung oder Automatisierung legt man hier auf Werkzeugcharakter, Vorhersagbarkeit und Datenschutz
So spiegeln die Speichersysteme der beiden Dienste direkt die Unterschiede bei Zielgruppe und Entwicklungsphilosophie wider
Die Vielfalt von AI-Speicherdesigns
Die völlig gegensätzlichen Speichersysteme von ChatGPT und Claude zeigen, wie vielfältig der Bereich des AI-Memory-Designs ist
- Es gibt keinen einzig richtigen oder universellen Ansatz für Speicherzugriffe; entscheidend ist vielmehr, das Design rückwärts aus realen Nutzerbedürfnissen und Zielen abzuleiten
- Da die Nutzungsgeschichte von AI-Tools noch nicht einmal drei Jahre umfasst, fehlen bislang etablierte Best Practices für Themen wie den Umgang mit angesammelten Daten oder Datenschutz bei langfristiger Nutzung desselben AI-Assistenten
- Derzeit experimentieren verschiedene AI-Apps jeweils mit eigenen, unverwechselbaren Speicheransätzen, während die zugrunde liegenden Modelle von Woche zu Woche leistungsfähiger werden
- In diesem Prozess gibt es keine endgültige Antwort auf den optimalen Weg; vielfältige Versuche und Experimente dauern an
Jüngstes Update: Einführung einer automatischen Speicherfunktion in Claude
Am Tag der Veröffentlichung dieses Artikels kündigte Anthropic eine automatische Speicherfunktion für Claude-Team-/Enterprise-Konten an
- Diese Funktion erstellt ähnlich wie bei ChatGPT automatisch Speicherzusammenfassungen auf Basis von Arbeitskontext, Arbeitsmustern und projektbezogenen Informationen
- Für jedes Claude-Projekt wird ein separater Speicher erzeugt, und Nutzer können einsehen und bearbeiten, woran Claude sich erinnert
- Im persönlichen Pro-Max-Abo des Autors ist die Funktion noch nicht eingeführt worden, daher steht eine Bewertung noch aus
- Später ist ein zusätzlicher Review zum Vergleich mit dem bestehenden suchbasierten Speicher sowie zu den Unterschieden zu ChatGPT geplant
2 Kommentare
Hacker-News-Kommentare
Die Unterschiede in der Implementierung stammen letztlich aus unterschiedlichen Geschäftszielen.
ChatGPT zielt offenbar klar auf Monetarisierung über Werbung und Affiliate-Links ab, und auch die Speicher-Implementierung konzentriert sich darauf, ein Nutzerprofil aufzubauen.
Dagegen liegt Claudes Speicher-Implementierung näher an einem langfristigen Ziel rund um vergangene Interaktionen und den Zugriff auf Abstraktionen.
Sie ist so entworfen, dass sich Gespräche ähnlich wie beim menschlichen Erinnern durchsuchen lassen, und später könnte das System über Reinforcement Learning vielleicht vom Nutzer aufgezeigte Fehler behalten oder aus früheren Gesprächen Abstraktionen ableiten, um Aufgaben proaktiv zu bearbeiten.
Letztlich versucht ChatGPT also, sich den Nutzer selbst zu merken, während Claude sich auf den Verlauf einzelner Interaktionen konzentriert.
Ich habe das Gefühl, dass es da Widersprüche zwischen Worten und tatsächlichem Handeln gibt.
dann könnte OpenAI bei einigen Themen wie b, c und f mit unterbrechender Werbung Geld verdienen (Vollbild, länger als 30 Sekunden).
Das wäre schon allein durch Themenanalyse möglich.
Wenn OpenAI durch die Analyse von etwa 1000 Chat- und Coding-Sessions den Umsatz maximieren könnte, indem Nutzer zu einem Job bei einer bestimmten Firma oder zum Autokauf bei einer anderen Firma gelenkt werden, dann könnten dabei nicht nur unterbrechende Anzeigen eingesetzt, sondern auch Qualität oder Inhalt der Antworten angepasst werden.
Das ist ein ausreichend realistisches und zugleich dystopisches Szenario.
Wenn DeepSeek dagegen ohne Werbung betrieben würde, läge die Hürde für Closed-Source-LLMs, Marktanteile zu gewinnen, deutlich höher.
Letztlich werden LLMs wie alle Produkte dazu führen, dass Nutzer je nach Qualität bezahlen, und unterschiedliche Qualitätsstufen nachfragen.
Da Werbung die Zuverlässigkeit von KI-Antworten beschädigen kann, halte ich Vollbildanzeigen für den realistischsten Endpunkt.
ChatGPT ist kein soziales Netzwerk und muss daher nicht auf die gleiche Weise monetarisiert werden.
Über Abos, Enterprise, Business, API usw. werden bereits mehr als genug Einnahmen erzielt.
Es wird darauf hingewiesen, dass der verlinkte Analyseartikel zur Speicher-Implementierung von ChatGPT falsch verlinkt ist, und der korrekte Link wird geteilt.
Ich hatte mich gefragt, wie die Speicher-Implementierung von ChatGPT funktioniert, und es ist sehr interessant, hier einen völlig anderen Ansatz als bei Claude zu sehen.
Claudes Ansatz wirkt besser für die Lösung technischer Aufgaben geeignet, während ChatGPT bei Alltagsgesprächen und der Integration von Werbung im Vorteil zu sein scheint.
Irgendwann werden solche sprachbasierten Speicheransätze wohl veraltet sein, und jemand wird einen Weg finden, kodierte Erinnerungen zu speichern und abzurufen, der über sprachliche Darstellung hinausgeht.
Vielleicht ist genau das der letzte Durchbruch für AGI.
Aktuelle LLMs verstehen keine Konzepte, sie besitzen tatsächlich keine Funktion des „Verstehens“ und sind im Kern hochentwickelte Markov-Ketten.
Ich denke, dass echte Intelligenz eine Voraussetzung für AGI ist.
Es wirkt so, als würde ChatGPTs Memory nur den eigentlichen Memory in Form von Entitäts-Zusammenfassungen in den Kontext einfügen können.
Außerdem wird die Ansicht geäußert, dass Zusammenfassungen früherer Gespräche oder Embedding-Verfahren ebenfalls als kodierte Form der Speicherung von Erinnerungen gelten könnten.
Dann stellt sich nämlich die Frage, wie man AGI dazu bringt, Anweisungen zu befolgen.
Es wird gesagt, dass man mit Claudes Speicher-Implementierung zufrieden ist, ChatGPTs Memory aber deaktiviert hat.
Da ChatGPT für zu viele unterschiedliche Dinge verwendet wird, wirkte es merkwürdig, dass es versuchte, unverbundene Inhalte ohne Sinn miteinander zu verknüpfen.
Ich will Personalisierung und Verweise auf benötigte Informationen.
Wenn man es sich etwa Informationen zu einem Projekt merken lässt, muss man den Kontext später nicht jedes Mal erneut erklären, was die Lebensqualität enorm verbessert.
Allerdings mag ich die Art nicht, wie im Hintergrund Gesprächsspeicher erzeugt wird, ohne dass ich direkte Kontrolle darüber habe.
Bei ChatGPT werden unerwünschte alte Gesprächsinhalte unnötig hineingemischt und sind eher störend.
Ich habe verschiedene KI-Tutoren zum Sprachenlernen ausprobiert, und ChatGPT war der beste.
Aber ich musste immer wieder darum bitten, „langsamer zu sprechen“, und selbst wenn ich sagte, diese Regel solle für das gesamte Gespräch gelten, war das nicht möglich.
Auch darüber hinaus gibt es Bereiche, in denen die Erinnerung nicht richtig funktioniert.
Bald wird sich ChatGPTs Ansatz für Memory ändern.
Referenzlinks: X.com – Neuigkeiten zu Änderungen am Memory, offizielle Ankündigung von Anthropic
Es wird die eigene Erfahrung geteilt, selbst einen Beitrag zu ChatGPT-Memory und Chat-History geschrieben zu haben.
Darin ist auch ein Prompt zum direkten Informations-Dump enthalten.
Relevanter Link
Ich will immer exakte Kontrolle über die Eingabe und schalte Memory deshalb komplett aus.
Ich möchte alle System-Prompts, Trainingsbestandteile usw. entfernen und nur Prompts verwenden, die ich selbst geschrieben habe.
Es wird bezweifelt, ob Informationen, die man durch direkte Fragen an ChatGPT herausgefunden hat, vertrauenswürdig sind oder nur generierte Halluzinationen.
Ein LLM hat keinen Grund zu wissen, wie es selbst funktioniert, und dürfte auch keine entsprechenden Trainingsdaten dazu erhalten haben.
Denn solche Tool-Informationen stehen sehr ausführlich im System-Prompt.
Claude ruft Erinnerungen angeblich ausschließlich anhand des ursprünglichen Gesprächsverlaufs ab.
Statt KI-generierter Zusammenfassungen oder komprimierter Profile werden reale frühere Gespräche in Echtzeit durchsucht.
Dass es keine Zusammenfassungen, Profile oder Wissensgraphen gibt, bedeutet nicht Expertenfunktionalität, sondern eher, dass es nicht besonders gut funktioniert.
Etwas Konkretes wie „Chandni Chowk“ wird es vielleicht behalten, aber einen vagen Ausdruck wie „mein Kollege, mit dem es Probleme gab“ eher nicht zuverlässig finden.
Es wird gefragt, was die Hürden sind, wenn man externe Speicher über Tool Calling oder MCP verwendet.
Außerdem wird gefragt, ob Nutzungsmuster des Speichers per RL verstärkt werden.
Aus Sicht des Datenschutzes gilt: Zwar erfährt das LLM die Informationen ohnehin zur Inferenzzeit, aber man möchte sie nicht direkt eingeben.
Beispiel: „Interessen: MacOS, bondage, discipline, Baseball“
Claude wollte den Speicher damals selbst bei wiederholter Lenkung per Prompt nicht eigenständig nutzen.
Man musste jedes Mal explizit anweisen, den Speicher zu prüfen oder zu speichern, wodurch der Nutzen gering war.
Relevantes Repository
Nach der Lektüre dieses Beitrags herrschte Verwirrung.
Es ist nicht klar, ob der Autor davon ausgeht, dass selbst bei ausgeschaltetem Memory noch Prompts eingefügt werden.
In meinem Fall gibt es bei deaktiviertem Memory keinerlei Metadaten, die jüngste Gespräche oder Präferenzinformationen einfügen würden; alles bleibt vollständig in sich abgeschlossen.
Vielleicht kam die Verwirrung daher, dass während des Experiments ständig zwischen aktiviertem und deaktiviertem Memory gewechselt wurde, oder ich habe den Text einfach nicht richtig gelesen.
Plötzlich sind alle Punkte verschwunden.