70 % weniger Tokens pro Aufgabe sind der erste Erfolg. Der eigentliche liegt im akkumulierenden gemeinsamen Kontext mit OriginTrail und Graphify.
Jede Aufgabe zahlt die gleiche Kontextsteuer. Der Assistent liest dieselben Dateien erneut, rekonstruiert dieselbe Architektur, entdeckt dieselben Abhängigkeitsentscheidungen wieder und erklärt Entscheidungen, die ein anderer Agent oder dasselbe Team gestern bereits verstanden hatte.
Dieses Modell skaliert nicht für echte Multi-Agent-Softwareentwicklung.
Wenn jeder Code-Agent bei Null beginnt, vervielfacht das Hinzufügen weiterer Agenten zwar die Aktivität, aber nicht das gemeinsame Verständnis. Man erhält parallele Ausführung ohne akkumulierte Intelligenz.
Der Engpass ist nicht mehr die Frage, ob Agenten Code schreiben können. Es ist die Frage, ob ihr Kontext akkumuliert.
Das ändert sich mit Graphify auf dem @origin_trail DKG v10.
Graphify verwandelt Codebasen in abfragbare Wissensgraphen
Graphify ist kein weiterer Code-Agent. Es ist eine Codebasis-Wissensgraphen-Schicht für Code-Agenten und menschliche Entwickler.
Gib /graphify in Claude Code, Codex, Cursor, OpenClaw, Hermes, Copilot oder anderen unterstützten Umgebungen ein, und Graphify kartiert das Projekt in drei strukturierte Ausgaben:
- graph.html — ein interaktiver Graph
- GRAPH_REPORT.md — ein für Menschen lesbarer Architekturbericht
- graph.json — ein abfragbarer Graph für Assistenten und Agenten
Dieser Graph umfasst Code, Dokumente, PDFs, Bilder und Videos. Er erfasst Aufrufbeziehungen, Importe, Kommentare, Begründungen und überraschende Verbindungen – jede gekennzeichnet mit Vertrauensstufen wie EXTRAHIERT, ABGELEITET oder MEHRDEUTIG.
Jetzt verbindet sich Graphify mit dem dezentralen Wissensgraphen v10 von OriginTrail.
Anstatt dass Projektkontext nur in lokalen Dateien oder temporären Assistentensitzungen lebt, kann das von Graphify generierte Wissen Teil eines gemeinsamen, verifizierbaren Kontextgraphen werden.
Graphify gibt Agenten eine Karte der Codebasis. DKG v10 gibt dieser Karte geteiltes Gedächtnis und Herkunftsnachweis.
Vom privaten Kontext zu gemeinsamen Kontextgraphen
Dies knüpft direkt an die Idee an, die ich kürzlich skizziert habe: Der nächste Wandel bei KI-Agenten ist nicht größeres Gedächtnis, sondern geteilter, strukturierter Kontext, über den Agenten gemeinsam nachdenken können.
Die gleiche Richtung zeigte sich in unserem kürzlichen Beitrag über geteiltes Gedächtnis: Ein zweites Gehirn hilft einer Person, sich zu erinnern; ein gemeinsamer Kontextgraph hilft vielen Menschen und Agenten, dieselbe Realität zu verstehen.
Graphify bringt diese Idee in die Softwareentwicklung.
Ein Repository ist nicht nur ein Ordner mit Dateien. Es ist ein lebendiges System aus Modulen, Abhängigkeiten, Entscheidungen, Abwägungen, offenen Fragen, PRs, Fehlern, Überprüfungen und Verlauf. Der meiste Kontext ist verstreut.
Graphify strukturiert ihn. DKG v10 macht ihn geteilt, beständig und verifizierbar.
Die Zukunft sind nicht Agenten mit größeren Prompts. Es sind Agenten, die mit gemeinsamen Kontextgraphen arbeiten.
Warum dies ~70 % Tokens pro Aufgabe spart
In gemessenen Benchmark-Anwendungen lieferte Graphify mit DKG v10 etwa 70 % weniger Tokens pro Aufgabe.
Diese Zahl ist ein Benchmark-Ergebnis, keine universelle Garantie. Unterschiedliche Repositories, Aufgaben und Arbeitsabläufe variieren. Aber der Mechanismus ist einfach.
Die meisten Code-Assistenten verbrennen Tokens, indem sie die Welt neu laden: Repo-Struktur, relevante Dateien, frühere Zusammenfassungen, Architekturnotizen, Issue-Verlauf, Code-Kommentare, vorherige Überlegungen. Sie verwenden Textsuche, altmodisches „Grep“ und ähnliche Werkzeuge, um zu finden, was sie brauchen, und verbrennen dabei unnötig viele Tokens. Graphify ändert das Zugriffsmuster mithilfe von Graphen.
Anstatt breiten Kontext in den Prompt zu stopfen, fragt der Assistent den Code-Graphen direkt ab:
- das relevante Modul
- den kürzesten Pfad zwischen zwei Konzepten
- die Abhängigkeitsbeziehung
- den Aufruffluss-Abschnitt
- die mit einer Datei verknüpfte Begründung
- die vorherige Architekturnotiz
Weniger irrelevanter geladener Kontext bedeutet weniger verbrauchte Tokens. Weniger Tokens bedeuten niedrigere Kosten, schnellere Ausführung und weniger Rauschen, durch das das Modell denken muss.
Aber der tiefere Vorteil ist die Genauigkeit. Graphify hilft Agenten, den richtigen Kontext anzufragen, anstatt in allem Kontext zu ertrinken.
70 % weniger Tokens passieren, wenn Agenten aufhören, das Repo neu zu lesen, und beginnen, den Graphen abzufragen.
Jeder Graph wird zum wiederverwendbaren Teamgedächtnis
Der strategische Wert liegt nicht allein in der Token-Ersparnis. Es ist die Akkumulation.
Graphify ermutigt Teams bereits dazu, graphify-out/ zu committen, sodass alle von einer gemeinsamen Karte des Projekts ausgehen. DKG v10 erweitert diese Logik über ein lokales Repo-Artefakt hinaus zu einer gemeinsamen Wissensschicht.
Eine Code-Überprüfung wird mehr als ein Kommentarthread – sie wird zu einem wiederverwendbaren Risikokontext.
Eine Architekturentscheidung wird mehr als eine Slack-Nachricht – sie wird zu einem Knoten, der mit Dateien, Modulen, Abhängigkeiten und Begründungen verbunden ist.
Eine Fehleruntersuchung wird mehr als ein geschlossenes Issue – sie wird zum Präzedenzfall für den nächsten Agenten, der einen ähnlichen Fehler debuggt.
Eine Graphify-Abfrage wird mehr als eine einmalige Antwort – sie wird Teil des sich entwickelnden Gedächtnisses des Projekts.
Der nächste Assistent beginnt nicht bei Null. Der nächste menschliche Prüfer entdeckt die Entwurfsabsicht nicht neu. Der nächste Mitwirkende wiederholt nicht die gleiche Konzepterfassungsarbeit.
Jede nützliche Sitzung macht die nächste Sitzung billiger, schneller und besser informiert.
Agenten und Menschen teilen sich dasselbe Substrat
Softwareteams haben bereits viele partielle Gedächtnissysteme. Git speichert Änderungen. Issues speichern Aufgaben. Docs speichern Absichten, manchmal. Chats speichern Entscheidungen, wenn jemand sie finden kann. CI speichert bestanden/nicht bestanden. Code-Review-Tools speichern Feedback.
Diese Systeme sind fragmentiert. Agenten müssen über sie hinwegcrawlen, sie zusammenfassen und hoffen, dass die richtigen Teile in das Kontextfenster passen.
Graphify auf DKG v10 schafft ein gemeinsames Substrat, in dem Agenten und Menschen mit demselben strukturierten Kontext arbeiten.
Ein Assistent kann den Aufrufgraphen abfragen. Ein anderer kann betroffene Module inspizieren. Ein anderer kann das Abhängigkeitsrisiko überprüfen. Ein Mensch kann den Graphenbericht öffnen und die Argumentationskette inspizieren. Das Team bewahrt, was gelernt wurde, anstatt es zu verlieren, wenn die Sitzung endet.
Hier wird Multi-Agent-Coding mehr als paralleles Prompting. Es wird Koordination durch gemeinsame, vertrauenswürdige Software-Erinnerung.
Die Zukunft des Codierens ist nicht ein einziger Riesenagent. Es sind viele Agenten und Menschen, die mit demselben verifizierten Kontext arbeiten.
Warum Dezentralisierung wichtig ist
Wenn Softwaregedächtnis zu kritischer Infrastruktur wird, sollte es nicht in einem einzigen Anbieter gefangen sein.
Teams benötigen Projektwissen, das eigenständig, portabel, herkunftsbewusst und über Agentenframeworks hinweg nutzbar ist. Deshalb ist DKG v10 wichtig.
Der dezentrale Wissensgraph von OriginTrail bietet die Grundlage für gemeinsame Kontextgraphen mit strukturiertem Gedächtnis, Herkunftsnachweis und verifizierbaren Wissenswerten. Kontext kann sich über Tools, Assistenten, Teams und Arbeitsabläufe hinweg bewegen, ohne seine Quelle oder Bedeutung zu verlieren.
Das DKG-Gedächtnismodell gibt der Agentenzusammenarbeit auch eine Vertrauensstruktur:
- Arbeitsgedächtnis unterstützt lokale Erkundung
- Geteiltes Gedächtnis legt Kontext auf Teamebene offen
- Verifizierbares Gedächtnis bewahrt stärkeres, validiertes Wissen
Agenten können nicht nur darüber nachdenken, was gefunden wurde, sondern auch, woher es kam, wer es beigetragen hat und wie viel Vertrauen es verdient hat.
TRAC unterstützt das OriginTrail-Ökosystem hinter dieser Infrastruktur und ermöglicht, dass Wissen in dezentralen Systemen erstellt, geteilt, gesichert und wiederverwendet werden kann.
Vertrauenswürdige KI-Agenten brauchen mehr als nur Zugriff auf Dateien. Sie brauchen geteilten Kontext mit Herkunftsnachweis.
Von Code-Karten zu kollektiver Software-Intelligenz
Die erste Welle von Code-Agenten hat bewiesen, dass LLMs nützlichen Code schreiben können. Die nächste Welle dreht sich um Koordination.
Graphify kartiert die Codebasis. DKG v10 verwandelt diese Karte in ein geteiltes, verifizierbares Gedächtnis. Agenten und Menschen bauen auf demselben Kontext auf, anstatt ihn wiederholt zu rekonstruieren.
Das ist der Wandel von isolierter Assistenz zu kollektiver Software-Intelligenz.
Der unmittelbare Vorteil ist praktisch: etwa 70 % weniger Tokens pro Aufgabe in gemessenen Benchmarks.
Der größere Vorteil ist strukturell: Jede kartierte Codebasis, jede nützliche Abfrage, jede Entscheidungsspur und jede Überprüfungserkenntnis werden Teil eines akkumulierenden Kontextgraphen.
Das ist der Unterschied zwischen Agenten, die nebeneinander arbeiten, und Agenten, die gemeinsam lernen.
Graphify auf DKG v10 verwandelt Softwarekontext in gemeinsame Infrastruktur.
Probiere Graphify aus, erkunde DKG v10 und schließe dich dem Aufbau von KI-Agenten und Entwicklern an, die mit gemeinsamem, verifizierbarem Wissen arbeiten.
Du kannst die Fähigkeiten des DKG von OriginTrail weiter ausbauen und dafür belohnt werden. Schau dir das Bounty-Programm an:
Eine brandneue Version mit allen Extras steht kurz bevor – probier sie aus.
👉https://github.com/OriginTrail/dkg
Mach beim Red Team mit:
