Graphify und MemPalace: zwei Antworten auf das Gedächtnisproblem von Claude Code

Im April habe ich über MemPalace geschrieben — ein quelloffenes Tool, das Claude ein Gedächtnis über Sessions hinweg gibt. Zwei Monate später taucht das nächste Projekt auf, das mit demselben Versprechen antritt: Graphify, knapp 61.000 GitHub-Sterne, „solves Claude Code’s memory problem". Es lohnt sich, beide nebeneinander zu legen. Denn obwohl die Marketing-Zeile identisch ist, lösen die beiden Werkzeuge nicht dasselbe Problem. Sie greifen zwei verschiedene Hälften desselben Mangels an.

Zwei Gedächtnisprobleme

Claude Code vergisst auf zwei Arten, und die werden gern in einen Topf geworfen.

Das erste ist die Amnesie zwischen Sessions. Man führt ein langes, produktives Gespräch, einigt sich auf einen Ansatz, begründet Entscheidungen — und am nächsten Tag ist alles weg. Das ist ein episodisches Problem. Es geht um den Gesprächsverlauf, um das Warum hinter Entscheidungen. Genau hier setzt MemPalace an.

Das zweite ist teurer und subtiler. Jedes Mal, wenn Claude Code eine Frage über ein größeres Repository beantworten soll, durchsucht es die Dateien neu. Es grept, es liest, es spawnt Explore-Agents — und verbrennt dabei Token, Session für Session, immer wieder dieselbe Arbeit. Das ist kein Erinnerungsproblem an ein Gespräch, sondern ein strukturelles: Das Werkzeug versteht die Architektur des Codes nicht, also muss es sie jedes Mal von vorn rekonstruieren. Das ist das Problem, das Graphify angeht.

Beide Tools sind quelloffen, beide laufen lokal, beide verzichten bewusst auf Embeddings und damit auf klassisches RAG. Und beide sind in kürzester Zeit viral gegangen. Aber wer das eine installiert, hat das andere nicht ersetzt.

Graphify: der Code als Karte

Die Idee hinter Graphify ist, das Repository einmal in einen Wissensgraphen zu übersetzen und Claude Code danach diesen Graphen abfragen zu lassen, statt jedes Mal durch die Dateien zu grepen. Statt Control-F bekommt das Modell eine Karte: A hängt mit B zusammen, B mit C, und der Graph weiß auch, warum.

Der Aufbau läuft in drei Pässen, und der erste ist der wichtigste, weil er ohne LLM auskommt:

• Pass 1 — Code. Tree-sitter parst die Quelldateien und extrahiert Klassen, Funktionen, Imports, Call-Graphen und Inline-Kommentare. Über 28 Sprachen werden unterstützt. Das läuft komplett lokal, deterministisch, ohne API-Call. Hier wird nicht geraten — die Verbindungen stehen so im Code.
• Pass 2 — Audio und Video. Falls das Repo Medien enthält, transkribiert faster-whisper sie on-device und speist den Text in den Graphen ein.
• Pass 3 — Dokumente, PDFs, Bilder. Erst hier kommt ein LLM ins Spiel und ordnet unstrukturiertes Material semantisch ein. Dieser Pass ähnelt am ehesten dem, was ein RAG-System täte — nur ohne echte Embeddings.

Aus den extrahierten Daten entstehen Nodes, Edges und Communities. Letztere sind thematische Cluster, gebildet über den Leiden-Algorithmus. Das Ergebnis ist eine interaktive graph.html, ein GRAPH_REPORT.md mit den prominentesten Knoten und ein graph.json als abfragbare Wissensbasis.

In der Praxis bedient man Graphify über Slash-Commands. Die wichtigsten:

/graphify .                 # Graph für das aktuelle Verzeichnis bauen
/graphify query "..."       # Wissensgraph semantisch abfragen
graphify hook install       # Graph nach jedem Commit automatisch neu bauen
graphify claude install     # Claude Code immer den Graphen konsultieren lassen

Den hook install-Befehl halte ich für den eigentlich interessanten Teil. Er macht den Graphen zu einem lebenden Abbild: Nach jedem Commit rebuildet Graphify den AST-Teil — deterministisch, ohne API-Kosten, weil nur das tatsächlich Geänderte neu eingehängt wird. Damit löst sich das Problem, das die meisten Code-Indizes haben: dass sie veralten, sobald jemand committet.

Was die Zahlen hergeben

Im Demo-Lauf, den Chase AI gezeigt hat, lief Graphify rund sechs Minuten über das OpenDesign-Repo: 203 Dateien, 1.907 Nodes, 3.447 Edges, 109 Communities, knapp 120.000 Output-Token für den Aufbau.

Beim eigentlichen Vergleich — dieselbe Frage einmal mit, einmal ohne Graphify — lag die Graphify-Variante bei etwa 80.000 Token, die grep-Variante mit ihren Explore-Agents bei rund 200.000. Also grob 40 Prozent der Kosten, bei identischer Antwortqualität. Das ist signifikant, aber es ist auch ehrlich weit entfernt von den „bis zu 70x", die im Umlauf sind. Diese Zahl hat selbst der Tester als „on the high side" eingeordnet. Und der Vergleich hat eine Asymmetrie: Hat ein grep-basierter Lauf das Repo einmal durchforstet, sind Folgefragen billiger. Der dauerhafte Vorteil von Graphify liegt also weniger im einzelnen Lauf als darin, dass der Graph einmal gebaut und danach immer wieder günstig abgefragt wird.

MemPalace: das Gespräch als Palast

MemPalace, im April von Milla Jovovich und Ben Sigman veröffentlicht, greift die andere Hälfte an. Es speichert nicht den Code, sondern das Gespräch — und zwar wörtlich.

Das ist der zentrale Unterschied zu kommerziellen Memory-Tools wie Mem0 oder Zep. Die lassen eine KI entscheiden, was wichtig ist, und schreiben eine Zusammenfassung. „Nutzer bevorzugt Postgres" wird gespeichert, die Diskussion warum geht verloren. MemPalace legt den vollständigen Gesprächstext ab, unverändert, lokal. Die Organisation kommt als Schicht darüber: Wings für Projekte oder Personen, Halls für Themen, Rooms für die einzelnen Gesprächseinheiten, Tunnel als automatische Querverbindungen. Die Struktur ist der antiken Loci-Methode nachempfunden, dem Gedächtnispalast.

Im LongMemEval — dem Standardtest für KI-Gedächtnis — erreicht MemPalace 96,6 Prozent, ohne einen einzigen externen API-Call. Kommerzielle Konkurrenten liegen bei rund 85 Prozent. Auch hier: kein Embedding, MIT-Lizenz, lokal.

Wo sie sich trennen

Nebeneinander gelegt wird klar, dass die beiden komplementär sind, nicht konkurrierend.

Die Trennlinie ist sauber. MemPalace erinnert sich, was besprochen wurde — die Entscheidung, die Begründung, der verworfene Alternativvorschlag. Graphify versteht, wie der Code verdrahtet ist — welche Funktion welche aufruft, welche Module zusammenhängen. Das eine ist episodisches Gedächtnis, das andere strukturelles. Ein Entwickler, der ein halbes Jahr nach einer Entscheidung fragt „warum haben wir uns damals gegen diesen Anbieter entschieden?", braucht MemPalace. Wer in einem fremden 200-Dateien-Repo fragt „wie fließt ein Request vom Frontend bis zum Agent?", braucht Graphify.

Bemerkenswert ist, dass beide Projekte unabhängig voneinander zu derselben architektonischen Grundentscheidung gekommen sind: kein Embedding, kein Vektorstore, kein RAG im klassischen Sinn. MemPalace organisiert Rohtext räumlich, Graphify extrahiert Struktur deterministisch aus dem AST. Beide behandeln die Black-Box-Embeddings als das, was viele inzwischen vermuten — als unnötigen Umweg für viele Anwendungsfälle, bei dem Präzision und Nachvollziehbarkeit auf der Strecke bleiben.

Einordnung

Als ich über MemPalace schrieb, war meine These, dass die nächste Welle an KI-Verbesserungen nicht von größeren Modellen kommt, sondern aus der Architektur drumherum — wie man einer KI Gedächtnis baut, wie man ihr Kontext gibt, wie man ihr Werkzeuge in die Hand legt. Graphify ist ein zweiter Datenpunkt für genau diese These, nur zwei Monate später und für die andere Hälfte des Problems.

Dass beide Tools quelloffen, lokal und kostenlos sind, ist dabei kein Zufall. Gedächtnis ist Infrastruktur, und Infrastruktur, die den eigenen Code und die eigenen Gespräche an einen Cloud-Dienst ausliefert, ist für viele schlicht nicht nutzbar — nicht aus Prinzip, sondern weil DSGVO, Mandantengeheimnis oder Betriebsgeheimnis es verbieten. Lokal ist hier keine Ideologie, sondern Voraussetzung.

Wer Claude Code ernsthaft einsetzt, sollte sich beide ansehen. Sie schließen sich nicht aus. Im Gegenteil: Ein Setup, in dem MemPalace die Gesprächsgeschichte hält und Graphify die Codebase kartiert, deckt die beiden Lücken ab, an denen das eingebaute Gedächtnis bisher scheitert. Die Modelle sind gut genug. Was fehlt, ist alles andere — und genau das wird gerade gebaut.

Graphify liegt quelloffen auf GitHub (MIT-Lizenz). Den Vergleichsartikel zu MemPalace gibt es hier.