OpenClaw Dreaming: Was dein KI-Agent tut, wenn du schläfst

KI-Agenten produzieren im laufenden Betrieb kontinuierlich Daten: Session-Transkripte, Suchverläufe und Gesprächsnotizen. Ohne Konsolidierung wird Langzeitspeicher schnell unübersichtlich: Wichtiges geht zwischen Rauschen verloren, während zufällige Gesprächsfragmente zu dauerhaftem Kontext werden können. OpenClaws Dreaming-Funktion adressiert dieses Problem, indem sie tägliche Ereignisse im Hintergrund zu längerfristig nutzbarem Wissen verdichtet.

Die Phasen tragen Namen wie Light Sleep, REM und Deep Sleep – eine Analogie zur menschlichen Gedächtnisbildung. Technisch geht es jedoch nüchterner um eine nachvollziehbare Pipeline: sammeln, Muster erkennen, bewerten und nur relevante Kandidaten in den dauerhaften Speicher übernehmen. Das ergänzt andere OpenClaw-Memory-Ansätze wie SecretRef für sichere Konfiguration oder Active Memory im Release-Kontext, weil Dreaming stärker auf Hintergrundkonsolidierung statt unmittelbaren Recall zielt.

Was Dreaming leistet

Dreaming ist als Hintergrundsystem für Memory Consolidation im memory-core-Plugin angelegt. Es ist opt-in und standardmäßig deaktiviert. Damit bleibt kontrollierbar, ob und wann OpenClaw aus kurzlebigen Signalen langfristige Einträge ableitet.

Statt alle Signale ungefiltert in den Langzeitspeicher zu schreiben, arbeitet Dreaming als kuratierte Pipeline. Es sortiert gesammelte Daten, reflektiert darüber und überträgt sie erst bei ausreichender Relevanz in dauerhafte Memory-Strukturen.

Die drei Phasen der Datenkonsolidierung

Light Sleep: Sammeln und Staging

In der Light-Phase werden kurze Signale der letzten Stunden erfasst und gegen bekannte Muster dedupliziert. Das System kann Daten aus Kurzzeit-Recall, täglichen Memory-Dateien und redigierten Session-Transkripten einbeziehen.

Diese Kandidaten landen zunächst in einem isolierten Staging-Bereich. Ein direkter Schreibzugriff auf den finalen Speicher findet hier noch nicht statt. Stattdessen zeichnet der Prozess Verstärkungssignale für die spätere Bewertung auf.

REM Sleep: Muster erkennen

Während Light vor allem Material sammelt, konzentriert sich die REM-Phase auf Themen und wiederkehrende Muster. Der Agent extrahiert übergeordnete Zusammenhänge aus den gesammelten Traces und erstellt Reflexions-Zusammenfassungen.

Diese Erkenntnisse liefern weitere Metriken für die finale Bewertung. OpenClaw trennt hier zwischen dem Erfassen von Ereignissen und der Interpretation ihrer Bedeutung. Diese Trennung ist wichtig, damit flüchtige Gesprächsfragmente nicht vorschnell zu dauerhaften Wahrheiten werden.

Deep Sleep: Langzeitspeicherung

Erst in der Deep-Phase erfolgt die eigentliche Promotion in den Langzeitspeicher. Deep rankt Kandidaten anhand gewichteter Signale und lässt sie nur durch, wenn definierte Schwellwerte überschritten werden, etwa minScore, minRecallCount oder minUniqueQueries.

Die Bewertung basiert auf mehreren Signalen: Relevance und Frequency tragen besonders stark, dazu kommen Query Diversity, Recency, mehrtägige Wiederkehr und konzeptuelle Dichte. Light- und REM-Treffer können zusätzlich einen kleinen, zeitlich abklingenden Boost liefern.

Dream Diary, Backfill und Dateistruktur

Neben technischen Outputs erzeugt Dreaming ein Dream Diary. Nach Phasen mit genügend Material schreibt ein best-effort Subagent eine kurze, menschlich lesbare Zusammenfassung. Wichtig ist die Rolle dieses Diarys: Es ist für Operatoren gedacht, nicht als Quelle automatischer Promotions.

Eine zusätzliche Backfill-Lane erlaubt es, ältere Tagesnotizen nachträglich durch den Dreaming-Prozess laufen zu lassen. Das ist nützlich, wenn Dreaming erst später aktiviert wird oder wenn ältere Notizen kontrolliert erneut ausgewertet werden sollen. Solche Backfills sollten reversibel und klar markiert bleiben, damit später nachvollziehbar ist, welche Erkenntnisse aus Live-Betrieb und welche aus historischer Nachverarbeitung stammen.

Die Architektur trennt dafür mehrere Speicherorte:

• memory/.dreams/: Maschinenzustand, Recall-Store, Phase-Signale, Checkpoints und Locks.
• DREAMS.md: Menschlich lesbares Diary und Phasenblöcke.
• memory/dreaming/<phase>/YYYY-MM-DD.md: Optionale detaillierte Phasen-Reports.
• MEMORY.md: Final konsolidierte Langzeit-Erkenntnisse.

Konfiguration und Steuerung

Dreaming lässt sich per Slash-Command oder in der Plugin-Konfiguration von memory-core aktivieren. Der Default-Sweep läuft nachts; Frequenz und Zeitzone können angepasst werden.

Beispiel, gekürzt:

{
  "plugins": {
    "entries": {
      "memory-core": {
        "config": {
          "dreaming": {
            "enabled": true,
            "frequency": "0 3 * * *"
          }
        }
      }
    }
  }
}

Nutzer müssen dem Prozess nicht blind vertrauen. Über das Command-Line-Interface lassen sich Status, Kandidaten und Promotions prüfen:

# Status abfragen
openclaw memory status --deep

# Kandidaten vorab prüfen (ohne Schreibvorgang)
openclaw memory promote

# Kandidaten mit Begründung analysieren
openclaw memory promote-explain "router vlan"

# Manuell in den Langzeitspeicher überführen
openclaw memory promote --apply

Review, Recovery und Nachvollziehbarkeit

Der praktische Wert von Dreaming hängt stark davon ab, wie gut Review, Recovery und Nachvollziehbarkeit umgesetzt sind. Dazu gehören Backfill-Mechanismen, reversible Diary-Outputs, optionales Staging von Kurzzeit-Evidence und klare Kontrollflächen für Diary, Timeline, Backfill und Reset.

Operativ ist das wichtig: Ein Team kann Dreaming später aktivieren, ältere Daten kontrolliert nachziehen und trotzdem nachvollziehen, welche Erkenntnisse aus Live-Betrieb und welche aus Backfill-Läufen stammen. Das reduziert das Risiko, dass historische Daten unkontrolliert in den Langzeitspeicher wandern.

Was daraus folgt

Dreaming ist kein Ersatz für manuelle Kuratierung, sondern eine vorgeschaltete Konsolidierungsschicht. Der Ansatz gewinnt durch native Integration in memory-core, Review-Flows und Promotion-Gates an praktischem Wert.

Für Teams ist der Nutzen konkret: weniger Memory-Müll, nachvollziehbarere Langzeit-Erkenntnisse und bessere Kontrolle darüber, welche Informationen dauerhaft bleiben. Entscheidend ist dabei nicht, dass der Agent „träumt“, sondern dass temporäre Signale nicht ungeprüft zu dauerhaftem Kontext werden.