Neurowissenschaftlich fundiertes Memory-Framework gegen einfachen Embedding-basierten Speicher.
März 2026
15 Algorithmen (9 + 6 PMA), 7 Memory-Layer, Sleep Consolidation, FSRS
Einfacher Key-Value-Speicher mit Embedding-Suche
ZenBrain basiert auf neurowissenschaftlicher Forschung und implementiert 15 Algorithmen (9 fundamentale plus 6 PMA-Komponenten) über 7 Memory-Schichten — darunter Sleep Consolidation, Two-Factor Synaptic KG, vmPFC-FSRS, Reconsolidation und Neuromodulation. Mem0 bietet einen einfachen, aber effektiven Key-Value-Memory-Store mit Embedding-Suche. Für komplexe Memory-Anforderungen ist ZenBrain die deutlich leistungsfähigere Wahl.
| Funktion | ZenBrain | Mem0 |
|---|---|---|
| Memory-Layer | 7 (Working, Short-Term, Episodic, Semantic, Procedural, Core, Cross-Context) | 1 (Flat Store) |
| Sleep Consolidation | ✓ | ✗ |
| Spaced Repetition | ✓ | ✗ |
| Hebbian Learning | ✓ | ✗ |
| Zero Dependencies | ✓ | ✗ |
| Apache 2.0 Lizenz | ✓ | Apache 2.0 |
| Self-Hosted | ✓ | ~ |
| Managed Cloud | ✗ | ✓ |
ZenBrain ist eine quelloffene Gedächtnis-Bibliothek mit einer neurowissenschaftlich fundierten 7-Schicht-Architektur (Working, Short-Term, Episodic, Semantic, Procedural, Core und Cross-Context). Mem0 beschreibt sich selbst als Schicht, die „AI assistants and agents with an intelligent memory layer" erweitert, und setzt auf einen Speicher aus extrahierten Fakten mit CRUD-Operationen plus gehosteter Cloud-Option. ZenBrain ergänzt FSRS-Wiederholung, Hebbian-Dynamik, simulierte Schlaf-Konsolidierung und bayessche Konfidenz-Propagation — Fähigkeiten, die in Mem0s öffentlicher API-Dokumentation mit Stand 16. August 2026 nicht beschrieben sind. Methodik und Benchmarks stehen in arXiv 2604.23878.
Ja. ZenBrain (@zensation/core und @zensation/algorithms) sind npm-Pakete unter Apache 2.0, die vollständig in deiner eigenen Infrastruktur laufen. Es gibt keine Cloud-Abhängigkeit. Mem0 bietet neben der quelloffenen Fassung einen gehosteten Dienst (mem0.ai); ZenBrain ist von Grund auf für vollständiges Self-Hosting ausgelegt, mit PostgreSQL + pgvector oder SQLite als Backend.
ZenBrain bildet die Ebbinghaus-Vergessenskurve über den FSRS-Algorithmus (Free Spaced Repetition Scheduler) ab. Fakten zerfallen über die Zeit, wenn sie nicht verstärkt werden, und das System plant Wiederholungen zu günstigen Zeitpunkten. Mem0s öffentliche Dokumentation beschreibt mit Stand 16. August 2026 keinen Mechanismus für Vergessenskurve oder verteilte Wiederholung; dort bleiben Erinnerungen bestehen, bis sie ausdrücklich gelöscht oder überschrieben werden. Das ist eine Aussage über die Dokumentation, nicht über die Implementierung.
Ja. Die Algorithmus-Schicht (@zensation/algorithms) hat null Abhängigkeiten und arbeitet mit jedem LLM-Anbieter. Die Kern-Schicht (@zensation/core) stellt den MemoryCoordinator bereit, der alle sieben Schichten orchestriert. Die Anbindung an LangChain, LlamaIndex oder ein eigenes Agenten-Framework ist möglich. Mem0 unterstützt ebenfalls mehrere LLMs, ist aber enger an die eigene gehostete API gekoppelt.
ZenBrain liefert Adapter für PostgreSQL mit pgvector (@zensation/adapter-postgres) und SQLite (@zensation/adapter-sqlite); beide stehen seit dem 6. August 2026 in Version 0.2.0 auf npm. Mem0 unterstützt mehrere Vektordatenbanken, darunter Qdrant, Chroma und Pinecone, und hat damit heute die breitere Datenbank-Kompatibilität.