sc-memory-graph — Knowledge-Graph für Berater
Case aus eigener Praxis
sc-memory-graph: der Knowledge-Graph, der nichts vergisst.
512 Aktionen, 1.799 Edges, 9 funktionale Areas. Recall@5 von 94,79 % auf LongMemEval-S — vergleichbar mit publizierten SOTA-Systemen.
Das Problem
Wissen wird zur Beratungsgrundlage, wenn es abrufbar bleibt.
Notion, Confluence und Wiki-Sammlungen sind Friedhöfe.
Berater sammeln Wissen über Jahre in Tools, die niemand durchsucht. Das Ergebnis: dasselbe Problem wird mehrfach gelöst, Kontext geht verloren, Mandantenwechsel bedeuten Wissensneubau. Ein abrufbares Gedächtnis ist die Grundlage belastbarer Beratung.
Die Architektur
Fünf Schichten für ein konsistentes Gedächtnis.
-
Datenbasis
Neo4j-Graph — 9 funktionale Areas, 1.799 Edges, bi-temporale Validity auf 8 Edge-Typen. Jeder Fakt hat einen Gültigkeitszeitraum und einen Erfassungszeitraum.
-
Recall
Hybrid-Retrieval — BM25 für Schlüsselwort-Präzision kombiniert mit einem 768d-Vektorindex für semantische Nähe, ergänzt um Name-/ID-Boost für direkte Treffer.
-
Reranking
Personalized PageRank — Kontextgewichtung nach Graph-Nähe zum Einstiegsknoten. Stärker verbundene Fakten werden höher priorisiert.
-
Konsistenz
Edge-Invalidation-Resolver — Widersprüchliche Fakten werden automatisch erkannt und zeitlich geordnet.
-
Schnittstelle
MCP-Server — sechs Tools (recall, record_fact, query_facts, find_conflicts, consolidate, audit). Direkt aus Claude Code ansteuerbar.
Messbare Ergebnisse
Von 66,67 % auf 98,61 % in zwei Iterationen.
Die Verbesserung von 66,67 % auf 98,61 % folgte einem strukturierten Iteration-Protokoll: Baseline messen, Engpass identifizieren, gezielt verbessern, erneut messen.
Lessons Learned
Drei Sackgassen aus dem Bauprozess.
-
Sackgasse 1
Flat-File-Memory. Markdown-Dateien sind volltext-durchsuchbar. Bei 500+ Einträgen liefert Volltextsuche schlechte Recall-Qualität. Der Schritt zum Graphen wurde unausweichlich.
-
Sackgasse 2
Reiner Vektor-Index. Cosine-Similarity scheitert an präzisen Namen und IDs. „Welches Recall-System läuft auf Server X?“ ist eine semantisch einfache Frage mit unzuverlässiger Vektor-Antwort. BM25-Hybrid war der Schlüssel.
-
Sackgasse 3
Widersprüchliche Fakten ohne Invalidierung. Ein Graph ohne Edge-Invalidation-Resolver gibt auf die Frage „Welcher Wert gilt gerade?“ eine zufällige Antwort. Singleton-Cardinality löst das.
Für Ihre Praxis
Was ein Knowledge-Graph-Projekt mit mir konkret bedeutet.
Wenn Sie ein Memory- oder Knowledge-Graph-Projekt planen, bringe ich den Befund mit: Welches Retrieval-System passt zu Ihren Daten und Use-Cases? Was sind realistische Qualitäts-Erwartungen? Welche Engpässe hat die Architektur, die ich aus eigener Erfahrung kenne? Das Ergebnis ist ein schriftlicher Befund.
Bereit für eine KI-Erstberatung?
30 Minuten, kostenfrei, vertraulich.