Bahnbrechendes KI-Tool vorgestellt: Walrus stellt innovatives Software-Kit vor, das sichere Datenspeicherung und nahtlose Agentenmigration ermöglicht

In einer bedeutenden Entwicklung für die Schnittstelle zwischen Blockchain und künstlicher Intelligenz hat das auf Sui basierende Speicherprotokoll Walrus offiziell MemWal eingeführt, eine Speicherschicht und ein SDK-Produkt, das speziell für KI-Agenten entwickelt wurde. Dieser von Decrypt gemeldete Start markiert einen entscheidenden Schritt zur Schaffung einer dezentralen, überprüfbaren Speicherinfrastruktur für autonome KI-Systeme.

Walross MemWal: Ein neues Gedächtnisparadigma für KI-Agenten

MemWal bietet KI-Agenten Überprüfbarkeit, Verfügbarkeit, Portabilität und gemeinsame Nutzung ihres Speichers. Abinhav Garg, Produktmanager bei Mysten Labs – dem Entwickler von Sui und Walrus – erklärte, dass die gemeinsame Verwendung von Walrus und MemWal den Speicher auf einer offenen und überprüfbaren Datenschicht speichert. Dadurch entfällt die Abhängigkeit von einem einzelnen KI-Modell oder Anbieter.

Dieser Ansatz ermöglicht es Benutzern, frei zwischen KI-Modellen wie ChatGPT und Claude zu wechseln. Es ermöglicht auch neue Anwendungen, die sich benutzerspezifische Hinweise über verschiedene Plattformen und Sitzungen hinweg merken können.

Hauptmerkmale von MemWal

Überprüfbarkeit: Der gesamte auf Walrus gespeicherte Speicher ist kryptografisch überprüfbar, um die Datenintegrität und -herkunft sicherzustellen.

Verfügbarkeit: Die Daten bleiben zugänglich, solange das Walrus-Netzwerk in Betrieb ist, und es gibt keinen Single Point of Failure.

Portabilität: Benutzer können den Speicher ihres KI-Agenten ohne Datenverlust zwischen verschiedenen Modellen und Anwendungen verschieben.

Teilbarkeit: Der Speicher kann selektiv mit anderen Agenten oder Anwendungen geteilt werden, was kollaborative KI-Workflows ermöglicht.

Wie Walross und MemWal zusammenarbeiten

Walrus wurde Ende 2024 im Sui-Mainnet gestartet und bietet dezentralen Blob-Speicher, der für große Datenobjekte optimiert ist. MemWal baut auf dieser Grundlage auf, indem es eine strukturierte Speicherschicht speziell für KI-Agenten hinzufügt. Das SDK stellt Entwicklern Tools zum dezentralen Lesen, Schreiben und Verwalten des Agentenspeichers zur Verfügung.

Diese Architektur adressiert eine entscheidende Herausforderung in der KI-Entwicklung: den Mangel an persistentem, portablem Speicher über verschiedene Modelle und Plattformen hinweg. Derzeit arbeiten die meisten KI-Agenten in isolierten Umgebungen und verlieren beim Wechsel zwischen Modellen oder Anwendungen den Kontext.

Technische Architektur

MemWal nutzt den Blob-Speicher von Walrus zum Speichern von Speicherobjekten. Jedes Speicherobjekt enthält Metadaten wie Zeitstempel, Besitz und Zugriffskontrollen. Das SDK übernimmt die Verschlüsselung, Indizierung und den Abruf und erleichtert Entwicklern die Integration von persistentem Speicher in ihre KI-Agenten.

Das System unterstützt mehrere Speichertypen, einschließlich Gesprächsverlauf, Benutzereinstellungen, Aufgabenstatus und erlerntes Verhalten. Entwickler können benutzerdefinierte Speicherschemata definieren, die zu ihren spezifischen Anwendungsfällen passen.

Auswirkungen auf die Portabilität von KI-Modellen

Eine der bedeutendsten Auswirkungen von MemWal ist sein Potenzial, Walled Gardens in der KI aufzubrechen. Derzeit sind Benutzer häufig an einen einzigen KI-Anbieter gebunden, da ihre Daten, Kontexte und Präferenzen im Ökosystem dieses Anbieters gespeichert sind.

Mit MemWal können Benutzer einen konsistenten Speicher über verschiedene KI-Modelle hinweg aufrechterhalten. Beispielsweise könnte ein Benutzer ein Gespräch mit ChatGPT beginnen und dann nahtlos mit Claude fortfahren, wobei beide Modelle auf denselben Speicher zugreifen. Diese Interoperabilität könnte die Einführung von KI beschleunigen, indem sie die Umstellungskosten senkt.

Anwendungsfälle aus der Praxis

Persönliche KI-Assistenten: Behalten Sie konsistente Benutzerpräferenzen und Konversationsverläufe auf verschiedenen KI-Plattformen bei.

Unternehmens-KI-Agenten: Teilen Sie Kontext und erlernte Verhaltensweisen mit mehreren Agenten, die am selben Projekt arbeiten.

Gaming-KI: Ermöglichen Sie NPCs, sich an Spielerinteraktionen über verschiedene Spielsitzungen und Plattformen hinweg zu erinnern.

KI im Gesundheitswesen: Pflegen Sie den Patientenkontext über verschiedene Diagnose- und Behandlungsplanungstools hinweg.

Marktkontext und Zeitleiste

Die Einführung von MemWal erfolgt zu einem Zeitpunkt, an dem die KI-Branche mit den Einschränkungen aktueller Speicherarchitekturen zu kämpfen hat. Große KI-Anbieter wie OpenAI, Anthropic und Google haben alle Bemühungen angekündigt, Kontextfenster und Speicherfunktionen zu verbessern, diese bleiben jedoch proprietär und plattformspezifisch.

Der dezentrale Ansatz von Walrus bietet eine Alternative, bei der Benutzerkontrolle und Datenportabilität im Vordergrund stehen. Das Projekt hat seit seinem Mainnet-Start erheblich an Zugkraft gewonnen, wobei bereits über 1.000 Entwickler auf der Plattform aufbauen.

Expertenperspektiven

Abinhav Garg betonte den philosophischen Wandel hinter MemWal: „Wir glauben, dass der KI-Speicher den Benutzern gehören und nicht an einen einzelnen Anbieter gebunden sein sollte.“ „MemWal gibt Benutzern die Freiheit, für jede Aufgabe die beste KI auszuwählen, ohne den Kontext zu verlieren.“

Branchenanalysten haben festgestellt, dass dieser Ansatz mit dem wachsenden Regulierungsdruck für Datenportabilität und Interoperabilität in KI-Systemen im Einklang steht. Das KI-Gesetz der Europäischen Union enthält beispielsweise Bestimmungen zu Nutzerdatenrechten, die von dezentralen Speicherlösungen profitieren könnten.

Technische Überlegungen und Herausforderungen

Während MemWal erhebliche Vorteile bietet, birgt es auch Herausforderungen. Dezentraler Speicher führt im Vergleich zu zentralisierten Lösungen zu Latenzzeiten, die sich auf Echtzeit-A auswirken können