---
term: "Hallucination Internalization"
slug: "hallucination-internalization"
glossar_id: "G245"
variants: []
category: "memory-und-persistenter-agentenzustand"
marker: "Uneinheitlich"
short: "Übernahme eigener falscher Aussagen als vermeintlich bestätigtes Wissen."
sources:
  - label: "Redis: Context Poisoning und Memory"
    url: "https://redis.io/blog/context-poisoning-agent-reasoning/"
  - label: "Anthropic: Context Engineering"
    url: "https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents"
status: "entwurf"
updated: "2026-09-21"
---

Hallucination Internalization bezeichnet hier die Übernahme eigener falscher oder unbelegter Aussagen als vermeintlich bestätigtes Wissen in späteren Agentenschritten. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/) Der Redis-Beitrag beschreibt dies als Fehlerbild bei der Weiterverwendung von Gedächtnisinhalten. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/)

## Eine frühere Behauptung wird zur scheinbaren Bestätigung

Ein Agent kann eine falsche Schlussfolgerung in seinen Speicher schreiben und sie bei einer späteren Interaktion wieder abrufen. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/) Wird die Erinnerung dann als verifizierte Grundlage behandelt, setzt sich der ursprüngliche Fehler fort. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/)

„Internalization“ beschreibt hier diese Übernahme in die Arbeits- und Wissensgrundlage. Es muss dafür weder eine Änderung der Modellgewichte noch ein menschlicher Überzeugungsprozess angenommen werden.

Der zugrunde gelegte Beitrag ordnet den Vorgang der dauerhaften Gedächtniskontamination zu. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/) Die Bezeichnung ist keine einheitlich definierte technische Funktion oder Diagnosekennzahl.

## So kannst du dir das vorstellen

Eine hypothetische KI behauptet ohne Beleg, ein Kunde habe bereits eine bestimmte Dateiformatvorgabe freigegeben. Diese Aussage wird in einer Projektnotiz als Entscheidung gespeichert.

Später beantwortet der Assistent eine Rückfrage mit dem Hinweis, die Freigabe stehe „bereits in den Projektnotizen“. Tatsächlich wäre die Notiz aber nur eine Wiederholung seiner eigenen früheren Behauptung.

Eine echte Bestätigung müsste aus einer unabhängigen, geeigneten Grundlage kommen, etwa einer dokumentierten Freigabe. Die Anzahl der Wiederholungen würde den fehlenden Beleg nicht ersetzen.

## Herkunft und Bestätigungsstatus erhalten

Für einen eigenen Speicher würde ich kennzeichnen, ob eine Angabe vom Nutzer stammt, durch eine Quelle belegt ist oder nur als Modellannahme vorliegt. Bei folgenreichen Entscheidungen müsste die Bestätigung nachvollziehbar sein.

Redis beschreibt, dass falsche Erinnerungen die ursprüngliche Unterhaltung überdauern können. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/) Bei einer Korrektur würde ich deshalb auch spätere Notizen und Schlussfolgerungen prüfen, die aus der unbelegten Aussage entstanden sind.

Ein Kontextneustart allein wäre keine ausreichende Bereinigung, wenn danach dieselbe falsche Erinnerung erneut geladen wird. Externe Notizen können gerade zur Fortsetzung nach einem Reset verwendet werden. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## Verwandte Begriffe

**Hallucination**, **Memory Poisoning**, **Context Poisoning**, **Semantic Drift**, **Governed Memory**.