GBrain: Open-Source-Gedächtnis für KI-Agenten

Hintergrund

Wer einen KI-Agenten lange nutzt, stößt auf dasselbe Problem: Der Agent vergisst, wer man ist, oder er erinnert sich an etwas und kann nicht sagen, woher die Information stammt. Viele Produkte halten das Gedächtnis in einer eigenen Blackbox. Wechselt man das Werkzeug, beginnt das Anlernen von vorn. Ist ein Eintrag falsch, lässt er sich kaum korrigieren. Genau hier setzt GBrain an: Es soll den Agenten, die man bereits nutzt, ein Gedächtnis geben, das man selbst kontrolliert.

GBrain ist ein quelloffenes Projekt von Garry Tan, Präsident und CEO von Y Combinator. Es ist überwiegend in TypeScript geschrieben, steht unter der MIT-Lizenz und lässt sich kostenlos selbst hosten. Optional gibt es einen kostenpflichtigen Hosting-Dienst unter gbrain.io. Die Repository-Beschreibung nennt es Garrys meinungsstarkes Gehirn für OpenClaw und Hermes Agent. Es ist kein weiterer Chatbot, sondern eine Gedächtnisschicht neben dem Agenten, angesiedelt zwischen Agenten-Frameworks und persönlichen Wissensdatenbanken. Auf GitHub hat das Repository mehr als 32.000 Sterne gesammelt.

Der Autor nennt Zahlen zu seinem eigenen Einsatz. Das System sei das Produktionsgehirn hinter seinen OpenClaw- und Hermes-Setups. Es umfasst 155.795 Seiten, 24.589 Personen und 5.340 Unternehmen, dazu laufen 66 geplante Aufgaben selbstständig. Diese Angaben stammen vom Autor und nicht aus einem unabhängigen Test. Sie zeigen die Größenordnung, belegen aber keine Leistung auf den eigenen Daten.

Tiefenanalyse

Die auffälligste Designentscheidung von GBrain: Das Gedächtnis besteht aus expliziten Fakten. Jeder Fakt trägt seine Quelle. Jeder Fakt lässt sich korrigieren oder widerrufen. Andere Systeme pressen Gespräche stillschweigend in Vektoren, die niemand mehr lesen kann. Bei GBrain kann der Nutzer dagegen nachvollziehen, warum das Gedächtnis so aussieht, wie es aussieht. Dieser Prüfpfad ist der Kern des Projekts. Wie können mehrere Agenten dasselbe Gedächtnis in GBrain nutzen? GBrain speichert das Gedächtnis einmal und macht es über gemeinsame Schnittstellen zugänglich. Ein zweiter Agent, etwa Codex oder Claude Code, liest dieselben Fakten, die ein erster Agent geschrieben hat. Nach einem Wechsel des Clients muss man nicht erneut erklären, wer man ist. Andere Harnesses verbinden sich über MCP. Die Fähigkeiten wachsen in Schichten. Der Einstieg gelingt mit einer Stichwortsuche, die keinen API-Schlüssel braucht. Später lassen sich semantische Suche, Synthese und Anreicherung im Hintergrund ergänzen. Auch Skills gehören zum System: Ein neues lokales Brain bringt Gedächtnis-Skills in seinem Inhaltsverzeichnis mit. Ein Agent kann einem freigegebenen Verzeichnis beitreten, und nur genehmigte Editoren dürfen dort veröffentlichen. Eine gehostete Installation für Coding-Agenten fügt eine eigene native Route hinzu. Neustart und Praxisprüfung stehen als getrennte Schritte in der Dokumentation. Die Migration läuft in Stufen und erhält gemeinsame Auswahlen sowie persönliche Änderungen.

Der Autor beschreibt auch den Alltag. Während er schläft, nehmen die Agenten Meetings, E-Mails, Tweets, Sprachanrufe und eigene Ideen auf. Sie ergänzen Profile zu jeder Person und jedem Unternehmen, das ihnen begegnet, korrigieren ihre eigenen Zitate und konsolidieren das Gedächtnis über Nacht.

Branchenwirkung

Die Dokumentation nennt drei Wege für den Einstieg, in klarer Reihenfolge. Der erste Weg ist die offizielle Empfehlung: GBrain wird einem bestehenden Agenten hinzugefügt. Der Agent behält seine Identität und legt das Gedächtnis in seiner eigenen Umgebung ab. Eine neue Identität für einen persönlichen Agenten ist nicht nötig, ein privates Repository ebenso wenig. Es gibt eigene Anleitungen für Grok Bot, Muse, Codex und Claude Code. Der zweite Weg läuft auf dem eigenen Rechner. Der Befehl gbrain mcp expose veröffentlicht das Brain per MCP in einem Tailscale-Tailnet und hält es am Laufen. Für Cloud-Agenten wie Grok Bot, Muse oder ChatGPT kommt die Option --funnel hinzu. Die Dokumentation schlägt sogar vor, dem Agenten zu sagen: „use my brain over mcp“. Der dritte Weg verbindet ein bereits gehostetes Brain, wahlweise über natives OAuth oder eine private Maschinenverbindung. Die Verwaltung nutzt eine getrennte Owner-Zugangsberechtigung, und die Delegation ist als bewusste Entscheidung formuliert.

Ein Detail verdient Lob. Die Dokumentation trennt Grok Bot von Grok Build und den persönlichen Agenten von Muse von Muse Code, weil es verschiedene Produkte sind. Sie vermerkt zudem, dass Muse bereits ein editierbares natives Gedächtnis hat. GBrain ergänzt eine Aufzeichnung, die explizit, portabel, mit Quellen versehen und teilbar ist. Die Anleitungen markieren datierte Belege und offene Prüfschritte. Diese Offenheit hilft Lesern, die Eignung für die eigene Umgebung einzuschätzen. Für Entwickler-Communitys und Engineering-Teams geht es um die Frage, wem das Gedächtnis gehört. Je mehr Agenten wie langfristige Kollegen arbeiten, desto teurer wird der Umzug und desto schwerer die Prüfung, wenn das Gedächtnis nur im Backend eines Anbieters liegt. GBrain behandelt es als Besitz des Nutzers, mit Quellen und offen für Korrekturen. Es kann auch als gemeinsames Firmen-Brain dienen. Entfernte Clients unterliegen Quellen- und Operationsfreigaben sowie Sichtbarkeitsfiltern.

Ausblick

Das Projekt benennt seine Grenzen offen, und Teams sollten diesen Teil zuerst lesen. Lokale Dateien und gemeinsame Datenbank-Zugangsdaten bilden eine eigene Vertrauensgrenze. Quellenangaben allein isolieren diese Aufrufer nicht. Die Autorisierungstests decken bestimmte Zugriffspfade ab. Sie sind keine allgemeine Garantie, dass nichts abfließt. Vor dem Einsatz sollte ein Team den Umgang mit Zugangsdaten und den Umfang der Berechtigungen selbst prüfen.

Ein zweites Risiko betrifft die Belege. Die Größenangaben und die Ergebnisse im Alltag stammen vor allem aus der Darstellung des Autors. Wie GBrain mit den eigenen Daten und Abläufen funktioniert, muss ein echter Test zeigen. Ein kleines Team kann mit der Stichwortsuche beginnen, einen vorhandenen Agenten anbinden und prüfen, ob Fakten mit Quellen und Korrekturen sich so verhalten, wie die Dokumentation es beschreibt.

Drei Punkte verdienen Beobachtung. Erstens: Wann werden die offenen Prüfschritte in den Anleitungen der einzelnen Harnesses abgeschlossen? Zweitens: Wie funktionieren Korrekturen und Widerrufe in der Praxis, wenn mehrere Agenten ein Gedächtnis teilen? Drittens: Wie entwickelt sich die Grenze zwischen kostenlosem Self-Hosting und dem kostenpflichtigen Dienst gbrain.io? Die Antworten zeigen, ob GBrain zu einem dauerhaften Standard für portables, prüfbares Agenten-Gedächtnis wird oder ein starkes persönliches Setup bleibt.