Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com1. Februar 2026 · Q011302

Claude Supermemory: The Plugin That Gives Claude Code Long-Term Memory

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel stellt Claude Supermemory als kostenpflichtiges Plugin vor, das laut Autor Claude Code dauerhaft Kontext zu Projekten, Entscheidungen und persönlichen Arbeitsvorlieben bereitstellt. Die behaupteten Vorteile beruhen vor allem auf persönlichen Eindrücken; der genannte Leistungswert wird ohne nähere Testdetails präsentiert, und der Preis lag laut Bericht zum Schreibzeitpunkt bei etwa 21 US-Dollar im Monat.

Mittel

Der Bericht beschreibt Claude Supermemory als Plugin, das Claude Code über Sitzungswechsel hinweg an technische Entscheidungen, Vorlieben und den aktuellen Arbeitsstand erinnern soll. Der Autor stellt es als Lösung für wiederholte Erklärungen und umfangreiche Kontextnotizen dar. Anders als gewöhnliche Suche nach ähnlichen Texten solle das System relevante Erinnerungen verknüpfen, Fakten aktualisieren und Veränderungen an Vorlieben berücksichtigen.

Laut Artikel fügt das Plugin zu Sitzungsbeginn Kontext ein und erfasst Gesprächsbeiträge automatisch. Es bietet außerdem Befehle zum Indizieren einer Codebasis und zum Abmelden sowie Einstellungen dafür, welche Werkzeuge erfasst oder übersprungen werden. Der Autor nennt einen LongMemEval-Wert von 81,6 Prozent und vergleicht ihn mit 40 bis 60 Prozent für die meisten RAG-Systeme, erläutert jedoch weder Testbedingungen noch Belege. Der Nutzen wird überwiegend anhand persönlicher Eindrücke und Beispiele behauptet. Der Bericht vermerkt außerdem, dass das Plugin zum Zeitpunkt des Schreibens etwa 21 US-Dollar monatlich kostete.

Ausführlich lesen

Der Bericht stellt Claude Supermemory als Plugin für Claude Code vor, das Sitzungen durch ein dauerhaftes, sich veränderndes Gedächtnis verbinden soll. Der Autor beschreibt das Problem aus eigener Erfahrung: Nach einem Sitzungswechsel müsse er technische Entscheidungen, Vorlieben und den aktuellen Arbeitsstand erneut erklären. Solche Wiederholungen vergleicht er mit einer kognitiven Zusatzlast und sagt, dass sie den Fortschritt nicht von Sitzung zu Sitzung wachsen lasse. Als verbreitete Behelfslösungen nennt er umfangreiche CLAUDE.md-Dateien, wiederholte Kontextblöcke und separate Gedächtnisnotizen.

Laut Bericht speichert Supermemory nicht nur statische Angaben, sondern soll auch frühere und aktuelle Arbeit miteinander verknüpfen und Veränderungen an Vorlieben berücksichtigen. So könne Claude etwa bei einer Migration bereits wissen, dass gerade Kostensenkung wichtig sei, ein ähnliches Problem kürzlich gelöst wurde und größere Refactorings vermieden werden sollen. Der Autor grenzt diesen Ansatz von gewöhnlicher Dokumentensuche beziehungsweise RAG ab: Entscheidend sei nicht, ähnliche Texte zu finden, sondern den für die Person relevanten früheren Zusammenhang zu erinnern. Das sind die Einschätzungen und Beispiele des Autors; der Bericht führt dazu keine unabhängige Prüfung an.

Technisch beschreibt der Artikel ein hybrides Gedächtnissystem, das Fakten extrahiere, Änderungen verfolge und bei Bedarf passenden Kontext einfüge. Für Supermemory nennt der Autor einen Wert von 81,6 Prozent bei LongMemEval und stellt ihm eine Spanne von 40 bis 60 Prozent für die meisten RAG-Systeme gegenüber. Das Ergebnis wird im Text jedoch nicht mit Testdetails, Vergleichsbedingungen oder Belegen erläutert.

Der Autor erklärt, das Plugin ergänze Supermemory MCP durch zwei automatische Abläufe: Kontext werde zu Sitzungsbeginn eingefügt und Gesprächsbeiträge würden fortlaufend erfasst. Er beschreibt die Installation über den Plugin-Marktplatz, die Einrichtung eines API-Schlüssels sowie Befehle zum Indizieren der Codebasis und zum Abmelden. Eine Konfigurationsdatei könne festlegen, welche Werkzeuge bei der Erfassung übersprungen oder einbezogen werden, wie viele Profilelemente gespeichert werden und ob Debug-Ausgaben aktiv sind.

Als besonderen Nutzen hebt der Bericht hervor, dass Claude mit der Zeit individuelle Arbeitsweisen und nicht leicht messbare Stilentscheidungen, den sogenannten Geschmack, kennenlernen könne. Der Text ist dabei deutlich werbend und stützt den Nutzen vor allem auf persönliche Eindrücke und hypothetische Beispiele. Er nennt als Einschränkung, dass Supermemory zum Zeitpunkt des Schreibens ein kostenpflichtiges Plugin gewesen sei, mit einem Preis von ungefähr 21 US-Dollar pro Monat. Ob die beschriebenen Leistungsgewinne diesen Preis rechtfertigen, lässt der Artikel von der individuellen Nutzung abhängig sein.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Stufen und Anteile aus Lunas Einordnung wurden nicht übernommen, alle Bewertungen erfolgen unabhängig vom Bericht. Teilfragen waren nicht angegeben, daher gibt es keine Einordnung je Teilfrage.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Begründung, warum ein reines MCP-Werkzeug nicht reicht: Claude kann Werkzeuge nicht zuverlässig selbst auslösen, daher braucht es Kontext-Injektion und automatische Erfassung
  • Das Lernen von Stil und Geschmack als zentraler Anspruch des Artikels
  • Die Installation über den Plugin-Marktplatz mit API-Schlüssel sowie die Konfiguration als Beispielaufgabe

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
Vertrauen in Modelle
Agenten und vernetzte Systeme
Beteiligung und Gemeinwohl

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →