Claude Code Auto Dream: Dein KI-Agent schläft jetzt

Claude Code Auto Dream: Dein KI-Agent schläft jetzt

Ich entdeckte die Funktion zufällig um 23 Uhr an einem Mittwoch.

Ich steckte tief in einer Claude Code-Sitzung -- meiner ungefähr dreißigsten am selben Projekt -- und irgendetwas fühlte sich anders an. Der Agent bezog sich auf Architekturentscheidungen, die ich Wochen zuvor getroffen hatte, mit einer Präzision, die nicht zu meinen jüngsten Erfahrungen passte. In den letzten Sitzungen hatte Claude sich in seinen eigenen Notizen verheddert. Sich selbst widersprochen. Ein Datenbankschema zitiert, das ich vor zwei Sprints refactored hatte. Die Gedächtnisdateien, die eigentlich helfen sollten, waren zur Belastung geworden.

Aber diese Sitzung? Klar. Kohärent. Als hätte jemand über Nacht Claudes Notizbuch durchgearbeitet und alles geordnet.

Jemand hatte es getan. Oder besser gesagt, etwas hatte es getan. Ein Hintergrund-Subagent, von dem ich nie gehört hatte, hatte stillschweigend jede Gedächtnisdatei in meinem Projekt durchgesehen, veraltete Einträge entfernt, Widersprüche aufgelöst und alles in saubere Themendateien umorganisiert. Der System-Prompt für diesen Subagenten beginnt mit einem Satz, der mich innehalten ließ: "You are performing a dream -- a reflective pass over your memory files."

Claude Code Auto Dream. Eine undokumentierte Funktion, die deinem KI-Agenten etwas gibt, das dem Schlaf bemerkenswert nahekommt.

Das Gedächtnisproblem, vor dem niemand gewarnt hat

Wenn du Claude Code für ernsthafte Projektarbeit verwendet hast, kennst du bereits Auto Memory -- das System, das Claude erlaubt, zwischen Sitzungen eigene Notizen zu machen. Ich habe vor einiger Zeit darüber geschrieben, ein zweites Gehirn mit Claude Code aufzubauen, und Auto Memory war ein massives Upgrade für diesen Workflow. Anstatt Kontextdateien nach jeder Sitzung manuell zu aktualisieren, begann Claude, Notizen für sich selbst zu speichern: Build-Befehle, Debugging-Erkenntnisse, Architekturentscheidungen, Code-Stil-Präferenzen.

Brillant in der Theorie. Chaotisch in der Praxis.

Hier ist, was tatsächlich nach etwa 20 Sitzungen an einem realen Projekt passiert. Die Gedächtnisdateien beginnen, Rauschen anzusammeln. Nicht direkt Müll -- jede einzelne Notiz war sinnvoll, als Claude sie schrieb. Aber mit der Zeit wird die Sammlung zu einer Widerspruchsfabrik. Sitzung 8 sagt "API verwendet Express." Sitzung 14 sagt "API auf Fastify migriert." Beide Einträge stehen nebeneinander und verwirren den zukünftigen Claude, sodass er seine Antworten absichert oder die falsche wählt. Relative Zeitangaben wie "gestern haben wir das Auth-Modul refactored" werden drei Wochen später bedeutungslos. Debugging-Notizen für Bugs, die du vor Monaten behoben hast, nehmen immer noch Platz ein, fressen am context window und verdrängen Informationen, die tatsächlich wichtig sind.

Ich bin um Sitzung 22 herum bei einem Laravel-Projekt an diese Wand gestoßen. Claude begann, Vorschläge zu machen, die Entscheidungen widersprachen, die wir gemeinsam getroffen hatten. Es empfahl Sanctum für die Authentifizierung -- eine Migration, von der wir in Sitzung 15 ausdrücklich abgerückt waren. Die Gedächtnisdatei enthielt beide Einträge, und Claude konnte nicht erkennen, welcher aktuell war.

Ich versuchte die naheliegende Lösung: System-Prompts, die Claude anwiesen, Erinnerungen ordentlich zu halten. "Immer aktualisieren statt anhängen." "Veraltete Einträge entfernen." "Widersprüche auflösen." Es half geringfügig. Das Kernproblem ist strukturell. Auto Memory schreibt vorwärts -- es fügt Sitzung für Sitzung Informationen hinzu. Nichts geht zurück und überprüft, was bereits da ist. Nichts kontrolliert, ob die Notizen vom Dienstag am Freitag noch Sinn ergeben.

So funktioniert das menschliche Gedächtnis übrigens auch nicht, wenn man darüber nachdenkt. Dein Gehirn häuft nicht einfach alles vom Tag auf den Stapel von gestern. Es verarbeitet. Es konsolidiert. Es tut dies im Schlaf -- speziell während der REM-Zyklen, wenn Kurzzeitgedächtnis in Langzeitspeicher umorganisiert wird. Wichtige Verbindungen werden gestärkt. Irrelevante Details verblassen. Widersprüche lösen sich auf.

Anthropic hatte offenbar denselben Gedanken. Und sie bauten die Lösung.

Was Auto Dream tatsächlich ist (und warum der Name wichtig ist)

Auto Dream ist ein Hintergrund-Subagent, der zwischen deinen Claude Code-Sitzungen läuft. Seine Aufgabe ist es, für Claudes Gedächtnisdateien das zu tun, was REM-Schlaf für dein Gehirn tut: alles Angesammelte zu überprüfen, Wichtiges zu behalten, Unwichtiges zu verwerfen und den Rest so zu organisieren, dass zukünftige Sitzungen auf einer sauberen Grundlage starten.

Die Namensgebung ist bewusst gewählt. Das ist kein Marketing-Gerede. Der geleakte System-Prompt weist den Agenten ausdrücklich an: "You are performing a dream -- a reflective pass over your memory files. Synthesize what you've learned recently into durable, well-organized memories so that future sessions can orient quickly."

Und die theoretische Grundlage ist real. Ein Paper von UC Berkeley und Letta aus dem April 2025 -- "Sleep-time Compute: Beyond Inference Scaling at Test-time" -- zeigte, dass Modelle, die während der Leerlaufzeit vorberechnen, die Rechenleistung zur Testzeit um das 2,5-Fache reduzieren können bei gleicher Genauigkeit, mit messbaren Genauigkeitsgewinnen bei Reasoning-Aufgaben. Die Forscher stellten fest, dass die Vorhersagbarkeit von Benutzeranfragen direkt damit korreliert, wie effektiv die Verarbeitung während der Schlafzeit ist. Anders gesagt: Je besser deine KI basierend auf vergangenen Sitzungen antizipieren kann, was du brauchst, desto besser ist ihre Leistung, wenn du tatsächlich zur Arbeit erscheinst.

Claude Codes Auto Dream nimmt diese Forschung und wendet sie auf Gedächtnisverwaltung an. Statt context-Tokens für widersprüchliche, veraltete Notizen während deiner aktiven Sitzung zu verbrennen, verarbeitet es diese Notizen, während du weg bist. Du kommst zu einer saubereren, besser organisierten Wissensbasis zurück. Der Agent orientiert sich schneller. Die Antworten sind schärfer.

Der Unterschied zwischen Auto Memory und Auto Dream entspricht fast perfekt dem, was Neurowissenschaftler als Unterschied zwischen Enkodierung und Konsolidierung beschreiben. Auto Memory enkodiert -- es erfasst Informationen, während sie entstehen. Auto Dream konsolidiert -- es verarbeitet, organisiert und stärkt diese Erinnerungen während der Ruhezeit. Du brauchst beides. Eines ohne das andere bricht irgendwann zusammen.

Aber hier wird es wirklich interessant, und warum ich denke, dass die meiste Berichterstattung es unterschätzt: Auto Dream ist nicht nur ein Aufräumskript. Es ist eine kognitive Architekturentscheidung. Anthropic baut KI-Agenten, die biologische Gedächtnissysteme widerspiegeln -- nicht als Metapher, sondern als Engineering-Muster. Die vier Phasen von Auto Dream entsprechen dokumentierten Stadien der Gedächtniskonsolidierung in der Neurowissenschaft. Das ist entweder ein bemerkenswerter Zufall oder ein Zeichen dafür, wohin agentische KI sich entwickelt.

Lass mich dich durch diese vier Phasen führen, denn die Implementierungsdetails verraten viel darüber, wie Anthropic über langlebige Agentensysteme denkt.

Die vier Phasen im Detail: Wie Auto Dream tatsächlich funktioniert

Auto Dream arbeitet als dedizierter Subagent in einer eingeschränkten Umgebung. Es hat Lesezugriff auf deinen Projektcode, kann aber nur in Gedächtnisdateien schreiben. Das ist eine kluge Sicherheitsgrenze -- der träumende Agent kann nicht versehentlich deinen Quellcode ändern, während er seine Notizen reorganisiert. Es verwendet auch einen Lock-Datei-Mechanismus, um zu verhindern, dass mehrere Auto Dream-Prozesse gleichzeitig am selben Projekt laufen.

Der gesamte Prozess folgt vier klar definierten Phasen.

Phase 1: Orientierung

Der Traumagent beginnt damit, den aktuellen Zustand seines Gedächtnisses zu lesen. Er listet das Gedächtnisverzeichnis unter ~/.claude/projects/<project>/memory/ auf, liest die Haupt-Indexdatei MEMORY.md und überfliegt jede vorhandene Themendatei, um zu verstehen, was bereits gespeichert ist und wie es organisiert ist.

Stell dir das so vor wie Aufwachen und dein Notizbuch durchsehen, bevor du mit dem Neuorganisieren beginnst. Der Agent muss verstehen, womit er arbeitet, bevor er etwas verbessern kann. Diese Phase verhindert ein häufiges Versagensmuster in automatisierten Systemen -- blindes Verarbeiten ohne Verständnis des Ausgangszustands, was zu duplizierten Einträgen oder verlorenen Informationen führt.

Bemerkenswert ist, dass der Agent zuerst den Index liest. MEMORY.md fungiert als Inhaltsverzeichnis für alle themenspezifischen Gedächtnisdateien. Der Agent nutzt dies, um die aktuelle Wissensstruktur zu kartieren, bevor er eine einzelne Datei anfasst. Er sucht nach Lücken, Überschneidungen und organisatorischen Problemen auf struktureller Ebene, bevor er sich in inhaltliche Fragen vertieft.

Phase 2: Signale sammeln

Hier beginnt die eigentliche Arbeit. Der Traumagent scannt alle vorherigen Sitzungstranskripte -- lokal als JSONL-Dateien gespeichert -- und sucht nach Mustern, die es wert sind, bewahrt zu werden.

Er sucht nach spezifischen Signalen: Benutzerkorrekturen (Momente, in denen du Claude gesagt hast, dass es falsch lag oder seinen Ansatz umgelenkt hast), wiederkehrende Themen (Themen oder Werkzeuge, die immer wieder in Sitzungen auftauchen), wichtige Architekturentscheidungen und Richtungswechsel im Projekt. Tagesprotokolle werden, falls vorhanden, ebenfalls durchgesehen.

Die Schlüsselerkenntnis in dieser Phase ist, was sie nicht tut. Sie behandelt nicht jede Sitzung gleich. Eine Sitzung, in der du und Claude drei verschiedene Authentifizierungsansätze diskutiert habt, bevor ihr euch auf einen geeinigt habt, wird anders gewichtet als eine Sitzung, in der du Claude gebeten hast, ein console.log-Statement hinzuzufügen. Der Agent macht Mustererkennung für Momente mit hohem Signalwert -- die Entscheidungen, Korrekturen und Präferenzen, die zukünftige Sitzungen prägen.

Hier prüft der Agent auch auf Drift. Wenn eine Gedächtnisdatei sagt "Projekt verwendet PostgreSQL", aber aktuelle Sitzungen Interaktionen mit MySQL zeigen, markiert der Agent diesen Widerspruch zur Auflösung in der nächsten Phase.

Phase 3: Konsolidierung

Konsolidierung ist der zentrale Transformationsschritt. Der Agent nimmt alles, was er in Phase 2 gesammelt hat, und führt es mit der bestehenden Gedächtnisstruktur zusammen. Konkret macht er Folgendes:

Konvertiert relative Daten in absolute Daten. "Gestern haben wir von REST auf GraphQL umgestellt" wird zu "Am 12.03.2026 wurde das Projekt von REST auf GraphQL migriert." Das klingt klein, ist aber enorm. Drei Wochen später ist "gestern" bedeutungslos. Ein absolutes Datum bleibt für immer korrekt. Diese einzige Operation eliminiert eine der größten Quellen für Gedächtnisverwirrung bei langlebigen Projekten.

Löscht widerlegte Fakten. Wenn Sitzung 8 sagt "API verwendet Express" und Sitzung 14 sagt "Auf Fastify migriert", wird der Express-Eintrag entfernt. Der Agent zögert nicht und behält nicht beide -- er identifiziert die zeitliche Abfolge und bewahrt die aktuellste Wahrheit.

Führt überlappende Einträge zusammen. Wenn drei verschiedene Sitzungen dieselbe Eigenart des Build-Befehls bemerkten, werden diese zu einem sauberen Eintrag konsolidiert. Das reduziert direkt den Verbrauch des context window. Statt drei leicht unterschiedlicher Beschreibungen desselben Problems, die 300 Tokens verschlingen, erhältst du eine präzise Beschreibung mit 80 Tokens.

Organisiert nach Themen. Statt eines chronologischen Dumps werden Erinnerungen in Themendateien organisiert, die widerspiegeln, wie du sie tatsächlich nachschlagen möchtest. Architekturentscheidungen in einer Datei. Tooling-Präferenzen in einer anderen. Aktive Debugging-Kontexte in einer dritten.

Die Konsolidierungsphase ist dort, wo die REM-Schlaf-Analogie am besten standhält. Während des menschlichen REM-Schlafs wiederholt der Hippocampus jüngste Erfahrungen, während der Neokortex sie in bestehende Wissensstrukturen integriert. Genau das passiert hier -- aktuelle Sitzungsdaten (Hippocampus-Wiedergabe) werden in die organisierten Themendateien (Neokortex-Speicher) integriert.

Phase 4: Bereinigung und Indexierung

Die letzte Phase erzwingt eine harte Beschränkung: MEMORY.md unter 200 Zeilen halten.

Das ist nicht willkürlich. Der Gedächtnisindex wird in den Kontext jeder Claude Code-Sitzung injiziert. Eine 500-Zeilen-Indexdatei verbraucht context-Tokens, die für die eigentliche Arbeit verfügbar sein sollten. Die 200-Zeilen-Obergrenze zwingt den Agenten, gnadenlos zu priorisieren -- veraltete Einträge werden gelöscht, ausführliche Beschreibungen komprimiert und der Index wird umstrukturiert, um auf Themen-Unterdateien zu verweisen, statt alles inline aufzunehmen.

Nach der Bereinigung baut der Agent den Index neu auf. Jede Themendatei erhält eine einzeilige Referenz in MEMORY.md mit einer kurzen Beschreibung. Zukünftige Sitzungen können dann nur die Themendateien laden, die für das aktuelle Gespräch relevant sind, anstatt das gesamte Gedächtniskorpus einzulesen.

In einem dokumentierten Fall konsolidierte Auto Dream 913 Sitzungen angesammelten Gedächtnisses in eine saubere, organisierte Struktur in weniger als 9 Minuten. Das sind 913 Sitzungen an Notizen, Korrekturen, Entscheidungen und Präferenzen -- destilliert zu einer kohärenten Wissensbasis, während der Entwickler vermutlich schlief oder sich einen Kaffee holte.

Wie du prüfst, ob Auto Dream aktiv ist (und was du tun kannst, wenn nicht)

Hier wird es etwas unübersichtlich. Stand März 2026 befindet sich Auto Dream in einer stillen Einführung. Es steht nicht in der offiziellen Dokumentation von Anthropic. Die Infrastruktur ist gebaut und in der Claude Code-Binary vorhanden (v2.1.59+), aber nicht jeder Benutzer hat bereits Zugang.

Um deinen Status zu prüfen, führe den /memory-Befehl in einer beliebigen Claude Code-Sitzung aus. Suche nach einer Zeile, die "Auto-dream: on" oder "Auto-dream: off" sagt. Wenn du den Schalter siehst, ist die Funktion in deiner Installation verfügbar -- auch wenn sie derzeit auf aus steht.

Wenn du die Auto-dream-Option gar nicht siehst, hast du eine Version, die die Einführung noch nicht erhalten hat. Aktualisiere auf die neueste Claude Code-Version und prüfe erneut.

Für diejenigen, die "Auto-dream: off" sehen -- der Schalter erscheint, aber kann Berichten zufolge nicht über die UI aktiviert werden für alle Benutzer. Anthropic scheint die vollständige Aktivierung gesteuert auszurollen.

Es gibt einen Workaround, den mehrere Entwickler bestätigt haben: Du kannst manuell einen Traumzyklus auslösen, indem du es Claude direkt sagst. Tippe "dream", "auto dream" oder "consolidate my memory files" in deine Sitzung. Claude führt den Konsolidierungsprozess inline aus. Es dauert einige Minuten -- 8 bis 9 Minuten in meinen Tests bei einem Projekt mit etwa 40 Sitzungen -- aber es blockiert deinen normalen Workflow nicht. Du kannst in Claude Code weiterarbeiten, während der Traum in einem separaten Prozess läuft.

Wenn du die vollständige Auto Dream-Erfahrung nachbilden möchtest, ohne auf die offizielle Einführung zu warten, gibt es einen Open-Source-Dream-Skill auf GitHub, der den vierphasigen Konsolidierungsprozess mit einem 24-Stunden-Auto-Trigger repliziert. Ich habe ihn nicht ausführlich getestet, aber die Architektur spiegelt wider, was Anthropic intern gebaut hat.

Wann läuft Auto Dream tatsächlich?

Wenn vollständig aktiv, wird Auto Dream nur dann automatisch ausgelöst, wenn zwei Bedingungen erfüllt sind:

1. Mehr als 24 Stunden seit der letzten Konsolidierung vergangen sind
2. Mehr als 5 neue Sitzungen seit der letzten Konsolidierung stattgefunden haben

Beide Bedingungen müssen wahr sein. Das verhindert unnötige Verarbeitung an Tagen, an denen du Claude Code nur für eine schnelle Frage öffnest, und stellt sicher, dass genügend neues Material für einen Konsolidierungsdurchlauf vorhanden ist. Effizienter Ressourceneinsatz -- das System träumt nicht, wenn es nichts gibt, worüber es sich zu träumen lohnt.

Der bedingte Auslöser bedeutet auch, dass Auto Dream nicht bei Projekten feuert, die du seit Wochen nicht angefasst hast. Es sucht nach aktivem, wachsendem Gedächtnis -- nicht nach ruhenden Archiven.

Was das für deinen Claude Code-Workflow bedeutet

Ich arbeite jetzt seit etwa zwei Wochen mit konsolidierten Erinnerungen -- teils durch manuelle Auslöser, teils durch das, was anscheinend das automatische System ist, das von selbst anspringt. Der Unterschied ist deutlich genug, dass ich konkret beschreiben möchte, was sich geändert hat.

Die Sitzungsstartzeit sank merklich. Claude Code verbrachte zuvor die ersten paar Austausche jeder Sitzung mit Neuorientierung. Ich fragte nach dem Zahlungsmodul und es verwies auf ein veraltetes Schema, ich korrigierte es, und dann gingen wir an die eigentliche Arbeit. Nach der Konsolidierung orientiert es sich beim ersten Versuch. Die sauberen, organisierten Gedächtnisdateien sorgen dafür, dass der relevante Kontext beim ersten Mal korrekt geladen wird.

Widersprüche verschwanden. Die Sanctum-vs-Custom-JWT-Verwirrung, die ich vorhin erwähnte? Weg. Die Gedächtnisdatei hat jetzt einen einzigen, datierten Eintrag: "Auth von Sanctum auf Custom-JWT-Implementierung migriert (03.02.2026)." Keine Mehrdeutigkeit. Kein Zögern.

Die Effizienz des context window verbesserte sich. Das ist schwerer zu quantifizieren, aber ich spürte es. Mit einem saubereren, kleineren Gedächtnis-Fußabdruck hatte Claude mehr Raum für tatsächliche Problemlösung. Die 200-Zeilen-Obergrenze für den Gedächtnisindex bedeutet, dass weniger Kontext für Orientierung verbraucht wird und mehr für die Arbeit zur Verfügung steht, die ich tatsächlich anfordere.

Sitzungsübergreifende Kontinuität wurde besser. Claude verweist jetzt auf Entscheidungen von vor 15 Sitzungen mit derselben Zuversicht wie auf Entscheidungen der letzten Sitzung. Der Konsolidierungsprozess schafft eine flache zeitliche Struktur -- alles, was noch relevant ist, ist gleichermaßen zugänglich, unabhängig davon, wann es ursprünglich aufgezeichnet wurde.

Wenn du länger als ein paar Wochen mit Claude Code an einem Projekt arbeitest, empfehle ich dringend, manuell einen Traumzyklus auszulösen. Selbst wenn du die automatische Funktion noch nicht hast, ist die einmalige Konsolidierung die 9 Minuten wert.

Für Teams, die diese Art persistenter Gedächtnisarchitektur in produktive KI-Systeme einbauen müssen, nehme ich Claude Code-Integrationsprojekte auf Fiverr an -- den Aufbau von Gedächtnisverwaltung, Agent-Workflows und Automatisierungsschichten, die Claude Code von einem Coding-Assistenten zu einem echten Teammitglied machen.

Das große Ganze: KI-Agenten lernen zu schlafen

Tritt einen Moment von den Implementierungsdetails zurück und bedenke, was Anthropic hier tatsächlich tut.

Sie bauen einen KI-Agenten, der tagsüber arbeitet und nachts seine Erfahrungen verarbeitet. Er sammelt Wissen durch aktive Sitzungen und konsolidiert dieses Wissen dann während der Ruhezeit durch einen strukturierten Überprüfungsprozess, der biologische Gedächtnissysteme widerspiegelt. Die vier Phasen -- Orientieren, Signale sammeln, Konsolidieren, Bereinigen -- sind keine willkürlichen Engineering-Entscheidungen. Sie entsprechen dokumentierten Stadien der Gedächtniskonsolidierung in der neurowissenschaftlichen Forschung.

Das ist über Claude Code hinaus bedeutsam. Das Sleep-time Compute-Paper von UC Berkeley und Letta zeigte, dass Offline-Verarbeitung während inaktiver Perioden die aktiven Inferenzkosten um das 2,5-Fache senken kann bei gleichbleibender Genauigkeit. Die Forscher untersuchten dies speziell im Kontext agentischer Software-Engineering-Aufgaben -- genau dem Bereich, in dem Claude Code operiert.

Die Implikationen erstrecken sich auf jedes langlebige KI-Agentensystem. Kundensupport-Agenten, die Interaktionsmuster über Nacht konsolidieren. Code-Review-Agenten, die Feedback-Trends über Hunderte von PRs synthetisieren. Projektmanagement-Agenten, die Wochen von Standup-Notizen zu umsetzbaren Zusammenfassungen über die Projektgesundheit destillieren. Das Muster ist dasselbe: Während der aktiven Nutzung sammeln, während der Ruhezeit konsolidieren, schärfer zurückkehren.

Was Anthropic hier ausgeliefert hat, ist nicht nur eine Funktion. Es ist ein Paradigma dafür, wie persistente KI-Agenten Wissen über die Zeit verwalten sollten. Und die Tatsache, dass sie es an biologischen Gedächtnissystemen statt an traditioneller Datenbankoptimierung modelliert haben, deutet darauf hin, dass sie über Agentenkognition auf einem fundamental anderen Niveau nachdenken als die meisten KI-Unternehmen.

Ich habe vor einiger Zeit über sich selbst verbessernde KI-Systeme geschrieben -- Systeme, die ihre eigene Leistung evaluieren und autonom verbessern. Auto Dream ist eine komplementäre Fähigkeit. Selbstverbesserung ändert, was der Agent tut. Gedächtniskonsolidierung ändert, was der Agent weiß. Zusammen schaffen sie Agenten, die über die Zeit tatsächlich besser werden, ohne ständige menschliche Wartung.

Die ehrlichen Einschränkungen

Ich würde dir einen schlechten Dienst erweisen, wenn ich das als gelöstes Problem darstellen würde. Auto Dream hat echte Einschränkungen, die man kennen sollte.

Es ist noch experimentell. Die Funktion ist undokumentiert, teilweise ausgerollt und könnte sich vor der offiziellen Veröffentlichung erheblich ändern. Kritische Workflows zu bauen, die vom aktuellen Verhalten von Auto Dream abhängen, ist riskant. Anthropic hat sich weder auf die API-Oberfläche, die Auslösebedingungen noch auf die Vierphasenstruktur festgelegt.

Die 200-Zeilen-Obergrenze ist ein stumpfes Instrument. Für komplexe Projekte mit tiefgreifender Architekturgeschichte reichen 200 Zeilen nicht aus. Ich habe an Projekten gearbeitet, bei denen allein die Architekturentscheidungen 200 Zeilen füllen würden. Der Bereinigungs-Agent muss Urteile fällen darüber, was "veraltet" und was "grundlegend" ist, und diese Urteile sind nicht immer richtig. Ich habe gesehen, wie er eine Datenbankmigrations-Notiz entfernte, die noch relevant war, weil die letzte Referenz darauf 30 Sitzungen zurücklag.

Manuelle Auslöser replizieren das automatische Verhalten nicht perfekt. Wenn du Claude sagst, inline zu "träumen", läuft es im Kontext deiner aktuellen Sitzung. Der tatsächliche Auto Dream-Subagent läuft in einer dedizierten, eingeschränkten Umgebung mit spezifischen Berechtigungen und Isolation. Die Inline-Version funktioniert, ist aber nicht identisch.

Es gibt kein Rückgängigmachen. Wenn der Traumagent etwas entfernt, das du gebraucht hast, ist es weg. Die Gedächtnisdateien werden vor Ort überschrieben. Es gibt keine Versionshistorie, keinen Rollback-Mechanismus. Wenn du an einem Projekt arbeitest, bei dem Gedächtnisgenauigkeit kritisch ist, erwäge, dein ~/.claude/projects/<project>/memory/-Verzeichnis mit git zu tracken, bevor du eine Konsolidierung auslöst. Ich mache das inzwischen als Standardpraxis.

Es handhabt Multi-Entwickler-Projekte noch nicht elegant. Das Gedächtnisverzeichnis ist pro Projekt basierend auf dem Git-Repository-Pfad, was bedeutet, dass alle Entwickler, die ein Repository teilen, dasselbe Gedächtnisverzeichnis teilen. Auto Dream konsolidiert basierend auf allen Sitzungen, nicht nur deinen. In einem Teamsetting könnte dies Erinnerungen konsolidieren, die widersprüchliche Präferenzen verschiedener Entwickler widerspiegeln. Das GitHub-Issue, das dies verfolgt, identifiziert Identität, Genauigkeit und Transparenz als die drei primären Lücken.

Das sind echte Einschränkungen. Sie schmälern den Wert nicht -- selbst mit diesen Vorbehalten ist konsolidiertes Gedächtnis dramatisch besser als unkontrolliertes Gedächtniswachstum. Aber geh mit klaren Augen hinein.

Was ich jetzt empfehlen würde

Wenn du Claude Code für ein Projekt mit mehr als 10 Sitzungen verwendest, hier ist, was ich heute tun würde:

Schritt 1: Führe /memory in deiner nächsten Claude Code-Sitzung aus. Prüfe, ob du den Auto-dream-Schalter siehst. Wenn er da ist und auf "on" steht, profitierst du bereits. Wenn er auf "off" steht oder fehlt, gehe zu Schritt 2.

Schritt 2: Bevor du eine Konsolidierung auslöst, sichere dein Gedächtnisverzeichnis. Führe aus:

cp -r ~/.claude/projects/$(pwd | sed 's|/|%2F|g')/memory ~/claude-memory-backup-$(date +%Y%m%d)

Schritt 3: Tippe in deiner Claude Code-Sitzung: "Consolidate my memory files. Review all existing memories, remove contradictions, convert relative dates to absolute dates, merge duplicates, and prune stale entries."

Schritt 4: Warte 8-10 Minuten. Du kannst in der Zwischenzeit an anderen Dingen weiterarbeiten -- die Konsolidierung läuft im Hintergrund.

Schritt 5: Überprüfe nach Abschluss die aktualisierten Gedächtnisdateien. Stelle sicher, dass nichts Wichtiges entfernt wurde. Wenn etwas Kritisches fehlt, stelle es aus deinem Backup wieder her und führe den Prozess mit spezifischeren Anweisungen erneut aus, was bewahrt werden soll.

Schritt 6: Wiederhole monatlich oder wenn Claude Code Anzeichen von Gedächtnisverwirrung zeigt -- frühere Entscheidungen widerspricht, auf veralteten Code verweist oder bei Fakten zögert, die es mit Sicherheit wissen sollte.

Wenn du das automatisieren möchtest, implementiert das Dream-Skill-Projekt auf GitHub einen 24-Stunden-Auto-Trigger, der das offizielle Auto Dream-Verhalten nachahmt. Es ist community-gebaut, nicht offiziell von Anthropic, aber die Architektur ist solide.

Dein KI-Agent hat jetzt ein Unterbewusstsein

Die Sitzung, die diese ganze Untersuchung auslöste -- die um 23 Uhr, bei der Claude sich plötzlich schärfer anfühlte -- erwies sich als eine der produktivsten, die ich an diesem Projekt hatte. Claude verwies auf eine Caching-Strategie, die ich in Sitzung 6 verworfen hatte, die aber nach unseren Architekturänderungen in Sitzung 19 wieder relevant geworden war. Es erinnerte sich nicht nur daran, dass die Strategie existierte. Es verstand die Zeitlinie: ursprünglich verworfen, weil wir auf einem einzelnen Server waren, jetzt relevant, weil wir auf ein verteiltes Setup umgestiegen waren.

Diese Art von zeitlichem Reasoning über 19 Sitzungen angesammelten Kontexts ist genau das, was Konsolidierung ermöglicht. Die rohen Gedächtnisdateien enthielten beide Einträge -- "Caching-Strategie verworfen" und "auf verteilte Architektur umgestiegen" -- aber sie waren zusammenhanglose Notizen, begraben in Rauschen. Nach der Konsolidierung waren sie organisiert, datiert und verbunden.

Dein KI-Coding-Agent träumt jetzt. Er überprüft seine Erfahrungen, während du schläfst. Er wacht schärfer auf, mit saubereren Erinnerungen und besserem Urteilsvermögen. Vor einem Jahr hätte dieser Satz wie Science-Fiction geklungen. Heute ist es eine Funktion, die du in deinem Terminal umschalten kannst.

Die Frage ist nicht, ob das verändert, wie du Claude Code verwendest. Das tut es. Die Frage ist, was passiert, wenn jeder KI-Agent in deinem Workflow diese Fähigkeit bekommt -- wenn dein Code-Reviewer, dein Projektplaner, dein Deployment-Monitor und dein Dokumentationsschreiber alle über Nacht ihre Erfahrungen konsolidieren und am nächsten Morgen ein wenig klüger zur Arbeit erscheinen als am Tag zuvor.

Diese Zukunft liegt kein Jahr entfernt. Die Infrastruktur steckt bereits in der Binary.

Häufig gestellte Fragen

Was ist Claude Code Auto Dream?

Auto Dream ist eine experimentelle Claude Code-Funktion, die Gedächtnisdateien zwischen Sitzungen konsolidiert, ähnlich wie REM-Schlaf menschliche Erinnerungen organisiert. Sie führt einen Hintergrund-Subagenten aus, der veraltete Einträge bereinigt, Widersprüche auflöst, relative Daten in absolute Zeitstempel umwandelt und Erinnerungen in saubere Themendateien reorganisiert. Zugriff erhältst du über den /memory-Befehl in einer beliebigen Claude Code-Sitzung.

Wie aktiviere ich Auto Dream in Claude Code?

Führe /memory in deiner Claude Code-Sitzung aus, um nach dem Auto-dream-Schalter zu suchen. Wenn der Schalter erscheint, sich aber nicht aktivieren lässt, kannst du die Konsolidierung manuell auslösen, indem du "consolidate my memory files" direkt an Claude tippst. Die Funktion erfordert Claude Code v2.1.59 oder höher und befindet sich Stand März 2026 noch in einer stufenweisen Einführung.

Löscht Auto Dream meine Claude Code-Erinnerungen?

Auto Dream bereinigt veraltete und widerlegte Einträge, bewahrt aber aktuelle, relevante Informationen. Es entfernt überholte Fakten (wie Verweise auf Frameworks, von denen du inzwischen migriert hast), führt doppelte Einträge zusammen und hält den Gedächtnisindex unter 200 Zeilen. Sichere dein Gedächtnisverzeichnis vor der ersten Nutzung -- es gibt keinen eingebauten Rückgängig-Mechanismus.

Wie lange dauert ein Claude Code Auto Dream-Durchlauf?

Ein typischer Konsolidierungszyklus dauert 8-10 Minuten, abhängig von der Anzahl angesammelter Sitzungen. Er läuft im Hintergrund, ohne deine aktive Claude Code-Sitzung zu blockieren. Der Prozess wird nur dann automatisch ausgelöst, wenn mehr als 24 Stunden und mehr als 5 Sitzungen seit der letzten Konsolidierung vergangen sind.

Was ist der Unterschied zwischen Auto Memory und Auto Dream?

Auto Memory erfasst Informationen während aktiver Sitzungen -- es kodiert Notizen zu Entscheidungen, Präferenzen und Projektdetails, während sie entstehen. Auto Dream konsolidiert diese Notizen zwischen Sitzungen -- überprüft, organisiert und bereinigt angesammelte Erinnerungen, damit sie über die Zeit nützlich bleiben. Auto Memory schreibt vorwärts; Auto Dream blickt zurück. Beide sind notwendig für ein effektives Langzeitgedächtnis des Agenten.

Lass uns zusammenarbeiten

Du möchtest KI-Systeme entwickeln, Workflows automatisieren oder deine technische Infrastruktur skalieren? Ich helfe gern.

• Fiverr (Individuallösungen & Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Enterprise-Lösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienstleistungen): xcybersecurity.io