---
term: "Structured Note-Taking"
slug: "structured-note-taking"
glossar_id: "G238"
variants: []
category: "memory-und-persistenter-agentenzustand"
marker: ""
short: "Strukturierte Agentennotizen als externe Gedächtnisstütze."
sources:
  - label: "Anthropic: Context Engineering"
    url: "https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents"
  - label: "Redis: Context Poisoning und Memory"
    url: "https://redis.io/blog/context-poisoning-agent-reasoning/"
status: "entwurf"
updated: "2026-09-21"
---

Structured Note-Taking ist das regelmäßige Festhalten geordneter Agentennotizen außerhalb des aktiven Kontextfensters, um sie später erneut zu verwenden. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) Solche Notizen können Fortschritte, wichtige Entscheidungen, Abhängigkeiten und noch offene Aufgaben bewahren. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## Eine vorbereitete Übergabe

Typische Beispiele sind Aufgabenlisten und eine fortlaufend gepflegte Notizdatei. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) Nach einem Kontextneustart kann der Agent relevante Notizen wieder lesen und darauf aufbauend weiterarbeiten. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

Die Notiz ersetzt damit nicht zwingend das ursprüngliche Material. Sie dient als gezielt zusammengestellte Arbeitsgrundlage, die wichtige Informationen außerhalb des begrenzten Kontextfensters verfügbar hält. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

Im Unterschied zu einer einmaligen Gesprächszusammenfassung betont Structured Note-Taking hier die laufende Pflege externer Aufzeichnungen. Dieses Muster steht neben der Verdichtung des Gesprächsverlaufs durch Compaction. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## So kannst du dir das vorstellen

Für eine hypothetische technische Untersuchung würde ich die Notizen in folgende Felder gliedern:

- **Ziel:** Welche Frage soll beantwortet werden?
- **Bestätigte Befunde:** Welche Ergebnisse sind geprüft?
- **Offene Prüfungen:** Was fehlt noch?
- **Verworfene Ansätze:** Was hat nicht funktioniert und warum?
- **Belege:** Wo lassen sich entscheidende Angaben nachlesen?

Das ist eine selbst entworfene Struktur, kein vorgeschriebenes Schema des Verfahrens. Ein anderer Aufgabenbereich könnte andere Felder benötigen.

## Ordnung verhindert nicht jeden Fehler

Fehlerhafte Schlussfolgerungen können in einen Gedächtnisspeicher geschrieben und später als verifiziert behandelt werden. [Redis: Context Poisoning und Memory](https://redis.io/blog/context-poisoning-agent-reasoning/) Eine sauber gegliederte Notiz bleibt daher prüfbedürftig.

Ich würde Annahmen deutlich kennzeichnen und wichtige Befunde mit überprüfbaren Belegen verbinden. Bei einer Korrektur sollten auch die Notizen angepasst werden, die aus der alten Annahme entstanden sind.

Für die Fortsetzung wäre außerdem entscheidend, welche Notizen tatsächlich geladen werden. Externe Speicherung und aktive Bereitstellung sind getrennte Schritte. [Anthropic: Context Engineering](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## Verwandte Begriffe

**File-Based Memory**, **Context Summarization**, **Context Reset**, **Long-Term Memory**, **Hallucination Internalization**.