Claude Code Autodream: Dein KI-Agent schl\u00e4ft jetzt
Ich \u00f6ffnete Claude Code an einem Montagmorgen und fragte es nach einer Refactoring-Entscheidung, die ich am Donnerstag zuvor getroffen hatte. Es hatte keine Ahnung, wovon ich sprach.
Nicht \u201evage Erinnerung". Nicht \u201eteilweise erinnert". Null. Komplette Leere. Vier Tage voller Architektur-Diskussionen, Debugging-Sessions und sorgf\u00e4ltig abgewogener Kompromisse \u2014 weg. Ich h\u00e4tte genausogut mit einem Fremden reden k\u00f6nnen, der das Gesicht meines Kollegen tr\u00e4gt.
Das ist die grundlegende Realit\u00e4t der Arbeit mit Claude Code, \u00fcber die jedes Tutorial hinweggeht: Das Modell ist zustandslos. Jede einzelne Session beginnt bei absolut null. Die brillante KI, die dir letzten Dienstag dabei geholfen hat, deinen Authentifizierungsfluss umzugestalten, erinnert sich nicht daran, dass Dienstag stattgefunden hat. Sie erinnert sich nicht an dich. Sie erinnert sich nicht an das Projekt. Sie startet, liest die Dateien, auf die du sie hinweist, und tut so, als w\u00e4re sie schon immer dabei gewesen.
Monatelang habe ich das mit immer aufwendigeren CLAUDE.md-Dateien umgangen \u2014 manuell gepflegte Instructionsdokumente, die Claude Code genug Kontext gaben, um n\u00fctzlich zu sein. Es hat funktioniert. Knapp. Dann lieferte Anthropic automemory aus, und die Dinge wurden wirklich interessant. Claude Code begann, zwischen Sessions eigene Notizen zu pflegen. Aber automemory hatte Probleme. Echte, frustrierende Probleme \u2014 so nach dem Motto: \u201eWarum hast du dasselbe in vier verschiedenen Dateien geschrieben?"
Und dann, irgendwann im M\u00e4rz 2026, tauchte etwas Neues in meiner Claude Code-Installation auf: Autodream.
Dein KI-Agent schl\u00e4ft jetzt buchst\u00e4blich. Und was w\u00e4hrend dieses Schlafs passiert, ist die faszinierendste Entwicklung in der KI-Tooling-Welt, die ich dieses Jahr gesehen habe.
Das Stateless-Problem, das niemand zugeben will
Hier ist eine Frage, die ich von zu wenigen Entwicklern h\u00f6re: Wenn Claude Code so gut darin ist, komplexe Codebasen zu verstehen, warum f\u00fchlt sich dann jede Session an wie das Einarbeiten eines neuen Auftragnehmers?
Die Antwort ist architektonischer Natur. Large Language Models haben keine persistente Erinnerung in ihren Gewichten eingebaut \u2014 nicht in irgendeinem praktischen Sinne. Wenn du eine Claude Code-Session schlie\u00dft, verdampft alles, was das Modell in diesem Gespr\u00e4ch gelernt hat. Das Kontextfenster wird zur\u00fcckgesetzt. Die Beziehung, die es mit deiner Codebasis aufgebaut hat, l\u00f6st sich auf. Claude Code von morgen ist eine andere Entit\u00e4t als das von heute, das dieselbe Oberfl\u00e4che tr\u00e4gt.
Das ist kein Bug, den Anthropic zu faul ist zu beheben. Es ist eine grundlegende Einschr\u00e4nkung der Funktionsweise transformer-basierter Modelle. Die Parameter des Modells werden nach dem Training eingefroren. Deine Session-Daten ver\u00e4ndern diese Parameter nicht. Ohne einen externen Speichermechanismus ist also jede Interaktion aus der Perspektive des Modells genuinely die erste.
Die meisten Entwickler kommen mit diesem Problem auf eine von zwei Arten zurecht \u2014 und beide haben ernsthafte Einschr\u00e4nkungen.
Der manuelle Ansatz: Du schreibst eine CLAUDE.md-Datei in deinem Projekt-Root. Das ist ein statisches Markdown-Dokument mit Anweisungen, Projektkontext, Codierungspr\u00e4ferenzen und Architekturentscheidungen. Claude Code l\u00e4dt es zu Beginn jeder Session. Das Problem? Du musst es von Hand pflegen. Und \u201evon Hand pflegen" bedeutet: \u201eEs veraltet innerhalb einer Woche, weil du damit besch\u00e4ftigt bist, tats\u00e4chlich Dinge zu bauen."
Der Ignorier-Ansatz: Du erkl\u00e4rst den Kontext einfach jede Session neu. Relevanten Code einf\u00fcgen, die Architektur beschreiben, Claude an deine Pr\u00e4ferenzen erinnern. Das funktioniert bei einfachen Aufgaben. F\u00fcr alles, das mehrere Sessions umfasst \u2014 eine Migration, ein gr\u00f6\u00dferes Refactoring, ein neues Feature mit sich entwickelnden Anforderungen \u2014 ist es ein Albtraum aus repetitivem Prompting.
Ich lebte in beiden Lagern. Keines war gut genug. Was ich tats\u00e4chlich brauchte, war ein System, mit dem Claude Code sein eigenes persistentes Wissen pflegen kann, das sich mit meinem Projekt weiterentwickelt, ohne dass ich eine Markdown-Datei beaufsichtigen muss.
Genau das versprach automemory. Und es hat geliefert \u2014 mit einigen Vorbehalten, die wichtiger sind, als die meisten Menschen erkennen.
CLAUDE.md vs Automemory: Zwei sehr unterschiedliche Ged\u00e4chtnissysteme
Bevor ich auf Autodream eingehe, musst du die zwei Speicherschichten verstehen, die bereits vorhanden waren, denn Autodream ist speziell daf\u00fcr entwickelt worden, Probleme in einer davon zu beheben.
CLAUDE.md \u2014 Deine Anweisungen an Claude
CLAUDE.md-Dateien sind der urspr\u00fcngliche Speichermechanismus. Es sind statische Instructionsdokumente, die du selbst schreibst und pflegst. Stell sie dir wie ein Mitarbeiterhandbuch vor \u2014 Regeln, Pr\u00e4ferenzen und Kontext, dem Claude Code jede Session folgen soll.
Sie kommen in drei Geltungsbereichen:
- Projektebene (
CLAUDE.mdin deinem Repo-Root) \u2014 wird f\u00fcr jede Session in diesem Projekt geladen. Deine Architekturnotizen, Codierungsstandards, Tech-Stack-Details. - Benutzerebene (
~/.claude/CLAUDE.md) \u2014 wird f\u00fcr jede Session in allen Projekten geladen. Deine pers\u00f6nlichen Pr\u00e4ferenzen, globale Tools, Workflow-Gewohnheiten. - Organisationsebene \u2014 projekt\u00fcbergreifend mit Teammitgliedern geteilt. Unternehmens-Codierungsstandards, Sicherheitsanforderungen, Review-Richtlinien.
Das entscheidende Merkmal: CLAUDE.md-Dateien werden bei jeder Session vollst\u00e4ndig geladen. Jedes Wort, jede Zeile. Claude Code liest die gesamte Datei, bevor es irgendetwas anderes tut. Das macht sie leistungsstark, aber teuer in Bezug auf das Kontextfenster \u2014 und sie aktualisieren sich nicht selbst.
Ich pflege CLAUDE.md-Dateien seit \u00fcber einem Jahr, und meine wichtigste Erkenntnis ist diese: Sie sind hervorragend f\u00fcr Dinge, die sich selten \u00e4ndern (dein Tech-Stack, dein Coding-Stil, dein Deployment-Prozess), und schlecht f\u00fcr Dinge, die sich von Session zu Session entwickeln (woran du gerade arbeitest, aktuelle Entscheidungen, Debugging-Erkenntnisse).
Diese L\u00fccke \u2014 der Raum zwischen \u201estatischen Anweisungen" und \u201esich entwickelndem Projektwissen" \u2014 ist dort, wo automemory lebt.
Automemory \u2014 Claudes eigenes Notizbuch
Automemory unterscheidet sich grundlegend von CLAUDE.md. Anstatt dass du Anweisungen f\u00fcr Claude schreibst, schreibt Claude Notizen f\u00fcr sich selbst.
Wenn automemory aktiviert ist, erstellt Claude Code ein dediziertes .claude/memory/-Verzeichnis in deinem Projekt. Darin pflegt es mehrere nach Themen geordnete Markdown-Dateien. Eine MEMORY.md-Datei dient als Master-Index \u2014 ein Inhaltsverzeichnis, das auf einzelne Speicherdateien wie debugging.md, feedback_coding_style.md, architecture_decisions.md und alles andere zeigt, was Claude f\u00fcr notwendig h\u00e4lt.
So sah dieses Verzeichnis in einem meiner Projekte nach etwa drei Wochen aktiver Entwicklung aus:
.claude/memory/
\u251c\u2500\u2500 MEMORY.md # Master-Index (wird beim Start geladen)
\u251c\u2500\u2500 debugging.md # Debugging-Muster und L\u00f6sungen
\u251c\u2500\u2500 feedback_coding_style.md # Aus Korrekturen gelernte Style-Pr\u00e4ferenzen
\u251c\u2500\u2500 architecture_decisions.md # Wichtige Architekturentscheidungen und Begr\u00fcndungen
\u251c\u2500\u2500 api_integration_notes.md # Notizen zu Eigenheiten von Drittanbieter-APIs
\u2514\u2500\u2500 deployment_config.md # Deployment-spezifisches Wissen
Der Lademechanismus ist clever. Nur die ersten 200 Zeilen von MEMORY.md werden beim Sitzungsstart vorgeladen. Die einzelnen Themendateien werden bei Bedarf geladen. Das h\u00e4lt den Startkontext schlank und gibt Claude dennoch Zugang zu tiefem Wissen, wenn es gebraucht wird.
Und eine Weile lang funktionierte dieses System wunderbar. Claude Code erinnerte sich daran, dass meine Postgres-Abfragen spezifische Index-Hints ben\u00f6tigten. Es erinnerte sich daran, dass ich fr\u00fche Returns gegen\u00fcber verschachtelten Bedingungen bevorzuge. Es erinnerte sich daran, dass unsere Staging-Umgebung eine eigenwillige SSL-Konfiguration hat, die bei jedem dritten Deployment einen bestimmten Fehler verursacht.
Dann begann ich die Risse zu bemerken.
Das Memory-Rot-Problem
Etwa sechs Wochen nach intensiver Nutzung von automemory \u00f6ffnete ich mein .claude/memory/-Verzeichnis und las tats\u00e4chlich, was darin stand. Was ich fand, war... unordentlich.
\u00dcberall Duplikate. Dieselbe Debugging-Erkenntnis \u2014 dass unser Redis-Connection-Pool unter bestimmten Lastmustern abbricht \u2014 erschien in debugging.md, architecture_decisions.md und deployment_config.md.
Widerspr\u00fcchliche Informationen. In architecture_decisions.md hatte Claude festgehalten, dass wir uns f\u00fcr die Postgres-Volltextsuche statt Elasticsearch entschieden haben. Drei Dateien sp\u00e4ter gab es eine Notiz, die auf \u201eunsere Elasticsearch-Integration" verwies. Wir hatten Elasticsearch nie genutzt.
Temporale Unklarheit. Das war der eigentliche Killer. Ich fand Eintr\u00e4ge wie:
- Morgen m\u00fcssen wir die user_sessions-Tabelle migrieren
- N\u00e4chste Woche wechselt das Team zum neuen Auth-Provider
- Gestern haben wir beschlossen, die v1-API-Endpoints zu deprecaten
Wann wurden diese geschrieben? Diese relativen Zeitverweise ergaben im Moment vollkommen Sinn. Zwei Wochen sp\u00e4ter waren sie bedeutungslos.
Das ist Memory-Rot. Ich begann, meine Speicherdateien manuell zu bereinigen. Aber das war genau die Art von Wartungsaufwand, den automemory eigentlich eliminieren sollte.
Autodream: Der Schlafzyklus deines KI-Agenten
Autodream tauchte still auf. Ich bemerkte es in meinen Claude Code-Einstellungen Anfang M\u00e4rz 2026, eingebettet in die /memory-Oberfl\u00e4che mit einem einfachen Schalter: \u201eAuto-dream: on."
Der Name lie\u00df mich innehalten. Autodream. Nicht \u201eauto-cleanup" oder \u201ememory-optimizer". Dream.
In der Neurowissenschaft gibt es umfangreiche Forschung dar\u00fcber, was mit dem Ged\u00e4chtnis w\u00e4hrend des Schlafs passiert \u2014 insbesondere w\u00e4hrend der REM-Schlafphasen. Das Gehirn verarbeitet aktiv die Erlebnisse des Tages. Es spielt Erinnerungen ab, st\u00e4rkt die wichtigen, eliminiert die irrelevanten und konsolidiert fragmentierte Kurzzeitged\u00e4chtnisse in organisierten Langzeitspeicher.
Eine 2024 in Nature Neuroscience ver\u00f6ffentlichte Studie zeigte, dass das Gehirn w\u00e4hrend des Slow-Wave-Schlafs Erinnerungen aktiv f\u00fcr die Konsolidierung oder L\u00f6schung markiert.
Autodream macht dasselbe f\u00fcr Claude Codes Speicherdateien. Es ist keine Metapher. Es ist eine direkte architektonische Parallele.
Der Konsolidierungszyklus
Wenn Autodream aktiviert wird, f\u00fchrt es eine bestimmte Abfolge aus:
Schritt 1 \u2014 Alles lesen. Autodream l\u00e4dt den vollst\u00e4ndigen MEMORY.md-Master-Index und jede einzelne Speicherdatei.
Schritt 2 \u2014 Deduplizieren. Es identifiziert Eintr\u00e4ge, die in mehreren Dateien vorkommen, und f\u00fchrt sie zu einem einzigen, kanonischen Eintrag zusammen.
Schritt 3 \u2014 Konflikte aufl\u00f6sen. Es bewertet, welcher widerspr\u00fcchliche Eintrag aktueller, spezifischer oder durch den Kontext besser gest\u00fctzt ist.
Schritt 4 \u2014 Temporale Referenzen umwandeln. Jede relative Zeitreferenz wird in einen absoluten Zeitstempel umgewandelt. \u201eGestern haben wir beschlossen, die v1-API zu deprecaten" wird zu \u201eAm 2026-03-15 haben wir beschlossen, die v1-API zu deprecaten."
Schritt 5 \u2014 Den Index neu aufbauen. Autodream erstellt MEMORY.md von Grund auf neu und bleibt dabei unter 200 Zeilen.
Was Autodream tats\u00e4chlich in deinen Dateien ver\u00e4ndert
Vor dem Autodream-Lauf:
# debugging.md
- Der Redis-Connection-Pool bricht manchmal unter hoher Last ab
- Denk daran: Wir nutzen Connection-Pooling mit max. 10 Verbindungen
- Morgen muss ich die Redis-Timeout-Einstellungen untersuchen
- Redis-Verbindungsprobleme \u2013 m\u00f6glicherweise mit Pool-Ersch\u00f6pfung zusammenh\u00e4ngend
- Gestern das Redis-Memory-Leak behoben, indem maxmemory-policy angepasst wurde
Nach dem Autodream-Lauf:
# debugging.md
- Redis-Connection-Pool (max. 10 Verbindungen) bricht unter hoher Last ab.
Ursache am 2026-03-14 identifiziert: Pool-Ersch\u00f6pfung unter gleichzeitigen
Anfragen. Am 2026-03-15 behoben durch Anpassen von maxmemory-policy auf
allkeys-lru. Timeout-Einstellungen beobachten, falls das Problem erneut auftritt.
F\u00fcnf verstreute Eintr\u00e4ge wurden zu einem zusammenh\u00e4ngenden Absatz. Die Informationsdichte verdoppelte sich, w\u00e4hrend die Token-Anzahl um 60 % sank.
Autodream einrichten und konfigurieren
Schritt 1 \u2014 Version pr\u00fcfen
claude --version
Du ben\u00f6tigst v2.1.59 oder neuer.
Schritt 2 \u2014 Automemory aktivieren
/memory
// ~/.claude/settings.json
{
"autoMemoryEnabled": true
}
Schritt 3 \u2014 Autodream aktivieren
// ~/.claude/settings.json
{
"autoMemoryEnabled": true,
"auto_dream": true
}
Schritt 4 \u2014 Dein Ged\u00e4chtnis bef\u00fcllen
Verbringe ein paar Sessions aktiv mit deinem Projekt. Claude Codes automemory nimmt Entscheidungen, Korrekturen und Debugging-Erkenntnisse auf, ohne explizites Prompting.
Schritt 5 \u2014 \u00dcberpr\u00fcfen, ob es funktioniert
ls -la .claude/memory/
cat .claude/memory/MEMORY.md
Der /dream-Befehl \u2014 Manuelle Konsolidierung
/dream
Claude Code f\u00fchrt dieselbe Konsolidierungsabfolge aus, die Autodream automatisch ausf\u00fchrt. Ich nutze /dream am Ende intensiver Debugging-Sessions.
Wenn du lieber jemanden haben m\u00f6chtest, der von Grund auf ein optimiertes Claude Code-Ged\u00e4chtnissystem einrichtet, \u00fcbernehme ich Claude Code-Workflow-Auftr\u00e4ge: fiverr.com/s/EgxYmWD.
Warum die \u201eTraum"-Metapher kein reines Marketing ist
Transfer vom Kurz- ins Langzeitged\u00e4chtnis. Autodream nimmt verstreute, aktuelle Ged\u00e4chtniseintr\u00e4ge und integriert sie in organisierte, persistente Themendateien.
Beschneiden. Autodream entfernt doppelte Eintr\u00e4ge, veraltete Informationen und rauscharme Notizen.
Temporales Tagging. Autodreams Umwandlung relativer Zeitstempel in absolute Zeitstempel ist entscheidend f\u00fcr bedeutungsvolles Ged\u00e4chtnis.
Neuorganisation. Autodreams Konfliktaufl\u00f6sung und Deduplizierung st\u00e4rken die korrekten Zuordnungen und entfernen die falschen.
Was Autodream richtig macht \u2014 und was (noch) nicht
Was wunderbar funktioniert
Temporale Konvertierung ist tadellos. Jede relative Zeitreferenz wurde korrekt umgewandelt.
Deduplizierung ist intelligent. Autodream erkennt semantische Duplikate und f\u00fchrt sie intelligent zusammen.
Die 200-Zeilen-Beschr\u00e4nkung f\u00fcr MEMORY.md wird konsequent eingehalten.
Es ist wirklich unsichtbar. Es l\u00e4uft einfach, und meine Speicherdateien bleiben sauber.
Was verbessert werden muss
Konfliktaufl\u00f6sung kann zu aggressiv sein.
Keine Transparenz dar\u00fcber, was sich ge\u00e4ndert hat.
Der Ausl\u00f6seschwellenwert wirkt willk\u00fcrlich.
Projekt\u00fcbergreifendes Ged\u00e4chtnis fehlt.
Das gro\u00dfe Bild: Zustandslose Agenten mit persistentem Ged\u00e4chtnis
Die Entwicklung ist klar:
- Kein Ged\u00e4chtnis. Rein zustandslose Interaktionen.
- Manuelles Ged\u00e4chtnis. CLAUDE.md-Dateien. Du pflegst den Kontext.
- Automatisches Ged\u00e4chtnis. Automemory. Die KI pflegt ihren eigenen Kontext.
- Automatisches Ged\u00e4chtnis mit Konsolidierung. Autodream. Die KI pflegt ihren eigenen Kontext und r\u00e4umt danach auf.
Eine praktische Ged\u00e4chtnisarchitektur f\u00fcr 2026
Ebene 1: CLAUDE.md (Statisches Fundament)
# CLAUDE.md
## Tech Stack
- Laravel 11, PHP 8.3, Vue 3 mit Composition API
- PostgreSQL 16, Redis 7.2
- Deployed auf AWS ECS via Terraform
## Codierungsstandards
- Fr\u00fche Returns statt verschachtelter Bedingungen
- Type-Hints f\u00fcr alle Funktionsparameter und R\u00fcckgabewerte
- PHPStan Level 8 Compliance erforderlich
## Projektbeschr\u00e4nkungen
- API-Antwortzeit SLA: < 200ms p95
- Muss PostgreSQL und SQLite f\u00fcr Tests unterst\u00fctzen
- Alle benutzerseitigen Texte m\u00fcssen i18n unterst\u00fctzen
Ebene 2: Automemory (Dynamisches Wissen)
Lass Claude Code das frei pflegen.
Ebene 3: Autodream (Automatisierte Wartung)
Aktivieren und in Ruhe lassen. Gelegentlich die Speicherdateien pr\u00fcfen.
Die Feedback-Schleife
- CLAUDE.md liefert das stabile Fundament
- Automemory erfasst sich entwickelndes Wissen aus jeder Session
- Autodream konsolidiert und optimiert automemory-Dateien periodisch
- Saubere Speicherdateien f\u00fchren zu besseren Claude Code-Antworten
- Bessere Antworten bedeuten genauere Ged\u00e4chtniseintr\u00e4ge
- Genauere Eintr\u00e4ge bedeuten, dass Autodream besseres Material zum Konsolidieren hat
H\u00e4ufig gestellte Fragen
Wie aktiviere ich Claude Code Autodream?
\u00d6ffne eine beliebige Claude Code-Session und gib /memory ein. Schalte \u201eAuto-dream" auf ein. Du ben\u00f6tigst v2.1.59 oder neuer.
Was ist der Unterschied zwischen CLAUDE.md und MEMORY.md?
CLAUDE.md enth\u00e4lt deine Anweisungen an Claude Code. MEMORY.md ist Claude Codes eigenes Notizbuch \u2014 dynamisches Wissen, das es f\u00fcr sich selbst aufzeichnet.
L\u00f6scht Autodream wichtige Informationen?
Es zielt darauf ab, alle einzigartigen, relevanten Informationen zu bewahren. Falls etwas entfernt wird, formuliere es in deiner n\u00e4chsten Session neu.
Wie oft l\u00e4uft Autodream?
Ungef\u00e4hr alle 24 Stunden, nach mindestens 5 Sessions. Du kannst es manuell mit /dream ausl\u00f6sen.
Kann ich Autodream \u00fcber mehrere Projekte hinweg nutzen?
Autodream arbeitet pro Projekt unabh\u00e4ngig.
Dein KI-Agent schl\u00e4ft jetzt. Er wacht sch\u00e4rfer auf, als er eingeschlafen ist. Aktiviere Autodream. F\u00fchre /dream nach deiner n\u00e4chsten intensiven Session aus.
Lass uns zusammenarbeiten
- Fiverr: fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited: ramlit.com
- ColorPark: colorpark.io
- xCyberSecurity: xcybersecurity.io
