Wie der Kontextgraph funktioniert

Jede von Computer ausgeführte Aufgabe wird in einen persistenten Kontextgraph eingebunden – eine strukturierte Karte, die Projekte, Verbindungen, Dateien, Artefakte, Entscheidungen und Quellen umfasst . Dieser Graph wächst mit jeder Sitzung und schafft eine umfangreiche operative Historie, auf die zukünftige Aufgaben automatisch zurückgreifen können.

Im Gegensatz zu einfachem Gesprächsgedächtnis (das Chat-Protokolle speichert), erfasst Brain das prozedurale Wissen des Agenten: welche Arbeitsabläufe korrekte Ergebnisse liefern, welche Ansätze vom Nutzer korrigiert wurden und welche Quellenmuster am zuverlässigsten sind .

Die nächtliche Selbstverbesserungsschleife

Das markanteste Merkmal von Brain ist seine Fähigkeit, sich autonom zu verbessern. In festgelegten Intervallen – typischerweise über Nacht – überprüft Brain den gesamten Kontextgraphen und aktualisiert sein eigenes Verständnis davon, wie ähnliche Arbeit besser erledigt werden kann . Das bedeutet:

• Lernen aus Erfolgen: Muster, die zu korrekten Ergebnissen geführt haben, werden verstärkt.
• Lernen aus Fehlern: Fehler und Nutzerkorrekturen werden analysiert und genutzt, um zukünftiges Verhalten anzupassen.
• Rekursive Verbesserung: Da die Agenten effektiver darin werden, den Kontextgraphen zu aktualisieren, vervielfacht sich die Wissensqualität von Brain .

Das Ergebnis ist ein System, das mit zunehmender Nutzung intelligenter wird. Die Gewinne sind nicht nur theoretisch – Perplexity veröffentlichte frühe interne Messungen direkt in seinem Blog :

Diese Gewinne summieren sich im Laufe der Zeit – Nutzer, die Brain länger verwenden, sehen größere Verbesserungen, da die Agenten ihre spezifischen Arbeitsmuster lernen .

Warum dies eine Verschiebung von zustandslosen zu zustandsbasierten Agenten darstellt

Brain repräsentiert einen grundlegenden architektonischen Wandel in der Funktionsweise von KI-Agenten. Die meisten heutigen Agenten sind zustandslos – sie beginnen jede Aufgabe von Null, ohne Erinnerung an vergangene Arbeiten. Nutzer müssen den Kontext jedes Mal neu erklären, Präferenzen neu festlegen und den Agenten erneut auf ihre Arbeitsabläufe trainieren.

Brain macht Agenten zustandsbehaftet. Jede neue Aufgabe wird in den persistenten Kontextgraphen früherer Projekte, Entscheidungen und Korrekturen eingebunden . Computer beginnt jede Aufgabe mit vollem Kontext, anstatt bei Null anzufangen, wodurch redundante Arbeit vermieden und Fehler durch fehlende historische Informationen reduziert werden .

Dies unterscheidet sich von einem einfachen Gesprächsgedächtnis (das sich an den Chat-Verlauf erinnert). Brain merkt sich das operative Wissen des Agenten – welche Verfahren, Werkzeuge und Quellenmuster korrekte Ergebnisse liefern .

Welche Abonnement-Stufen bieten Brain an?

Brain ist als Research Preview ausschließlich für Perplexity Max-Abonnenten (200 $/Monat) verfügbar . Es wird zuerst für Max eingeführt, die höchste Verbraucherstufe von Perplexity, die auch unbegrenzte Pro-Suchen, vollen Modellzugang (einschließlich GPT-5, Claude 4, Gemini) und frühen Zugang zu neuen Funktionen bietet .

Die Funktion ist bei Markteinführung nicht auf den Stufen Free, Pro (20 $/Monat) oder Enterprise Pro verfügbar.

Wo Brain im Computer-Ökosystem einzuordnen ist

• Computer (gestartet im Februar 2026) ist der „universelle digitale Arbeiter“ von Perplexity – eine agentische Plattform, die hochrangige Ziele in natürlicher Sprache entgegennimmt, sie in Teilaufgaben zerlegt und autonom im Web, über APIs und im Software-Stack des Nutzers ausführt . Sie orchestriert etwa 19 verschiedene KI-Modelle, um End-to-End-Workflows abzuschließen .
• Brain ist die Gedächtnisschicht für Computer. Es macht Computer zu einem lernenden System, das mit zunehmender Nutzung effizienter und genauer wird .
• Perplexity verfügt auch über eine separate Personalisierungs-Gedächtnisfunktion (die früher für Pro- und Max-Nutzer eingeführt wurde), die sich Nutzerpräferenzen und Gesprächsverlauf für den Such-/Produktivitätsassistenten merkt – Brain geht es um agentisches Arbeitsgedächtnis, nicht um Nutzerpräferenzgedächtnis .

Wie Brain im Vergleich zu konkurrierenden Gedächtnissystemen abschneidet

Die Differenzierung von Brain ist klar: Es merkt sich die Arbeit des Agenten, nicht den Chat des Nutzers – und es verbessert sich autonom über Nacht .

• Anthropic (Claude): Verfügt über begrenzte Gedächtnisfunktionen für Projekte und benutzerdefinierte Anweisungen, aber kein selbstverbesserndes Agentengedächtnissystem. Die nächtliche Selbstüberprüfungsschleife von Brain ist einzigartig.
• OpenAI (ChatGPT/Operator): Bietet Gedächtnis für Nutzerpräferenzen und Gesprächsverlauf in Chats, aber OpenAIs Agent (Operator) hat kein rekursives Selbstverbesserungsgedächtnissystem, das offline arbeitet.
• Google (Gemini): Gedächtnis ist in erster Linie personalisierungsorientiert, nicht agentisches Arbeitsgedächtnis.
• Microsoft Copilot: Unternehmensgedächtnis, das an den Microsoft Graph (E-Mails, Dokumente) gebunden ist, aber kein selbstverbesserndes Agentengedächtnis, das aus Aufgabenausführungsmustern lernt.

Brain macht Perplexity zu einem klaren First Mover im Bereich des zustandsbehafteten, selbstverbessernden Agentengedächtnisses – eine Kategorie, die die meisten Wettbewerber auf Produktebene noch nicht adressiert haben .

Wie der Kontextgraph funktioniert

Jede von Computer ausgeführte Aufgabe wird in einen persistenten Kontextgraph eingebunden – eine strukturierte Karte, die Projekte, Verbindungen, Dateien, Artefakte, Entscheidungen und Quellen umfasst . Dieser Graph wächst mit jeder Sitzung und schafft eine umfangreiche operative Historie, auf die zukünftige Aufgaben automatisch zurückgreifen können.

Im Gegensatz zu einfachem Gesprächsgedächtnis (das Chat-Protokolle speichert), erfasst Brain das prozedurale Wissen des Agenten: welche Arbeitsabläufe korrekte Ergebnisse liefern, welche Ansätze vom Nutzer korrigiert wurden und welche Quellenmuster am zuverlässigsten sind .

Die nächtliche Selbstverbesserungsschleife

Das markanteste Merkmal von Brain ist seine Fähigkeit, sich autonom zu verbessern. In festgelegten Intervallen – typischerweise über Nacht – überprüft Brain den gesamten Kontextgraphen und aktualisiert sein eigenes Verständnis davon, wie ähnliche Arbeit besser erledigt werden kann . Das bedeutet:

• Lernen aus Erfolgen: Muster, die zu korrekten Ergebnissen geführt haben, werden verstärkt.
• Lernen aus Fehlern: Fehler und Nutzerkorrekturen werden analysiert und genutzt, um zukünftiges Verhalten anzupassen.
• Rekursive Verbesserung: Da die Agenten effektiver darin werden, den Kontextgraphen zu aktualisieren, vervielfacht sich die Wissensqualität von Brain .

Das Ergebnis ist ein System, das mit zunehmender Nutzung intelligenter wird. Die Gewinne sind nicht nur theoretisch – Perplexity veröffentlichte frühe interne Messungen direkt in seinem Blog :

Diese Gewinne summieren sich im Laufe der Zeit – Nutzer, die Brain länger verwenden, sehen größere Verbesserungen, da die Agenten ihre spezifischen Arbeitsmuster lernen .

Warum dies eine Verschiebung von zustandslosen zu zustandsbasierten Agenten darstellt

Brain repräsentiert einen grundlegenden architektonischen Wandel in der Funktionsweise von KI-Agenten. Die meisten heutigen Agenten sind zustandslos – sie beginnen jede Aufgabe von Null, ohne Erinnerung an vergangene Arbeiten. Nutzer müssen den Kontext jedes Mal neu erklären, Präferenzen neu festlegen und den Agenten erneut auf ihre Arbeitsabläufe trainieren.

Brain macht Agenten zustandsbehaftet. Jede neue Aufgabe wird in den persistenten Kontextgraphen früherer Projekte, Entscheidungen und Korrekturen eingebunden . Computer beginnt jede Aufgabe mit vollem Kontext, anstatt bei Null anzufangen, wodurch redundante Arbeit vermieden und Fehler durch fehlende historische Informationen reduziert werden .

Dies unterscheidet sich von einem einfachen Gesprächsgedächtnis (das sich an den Chat-Verlauf erinnert). Brain merkt sich das operative Wissen des Agenten – welche Verfahren, Werkzeuge und Quellenmuster korrekte Ergebnisse liefern .

Welche Abonnement-Stufen bieten Brain an?

Brain ist als Research Preview ausschließlich für Perplexity Max-Abonnenten (200 $/Monat) verfügbar . Es wird zuerst für Max eingeführt, die höchste Verbraucherstufe von Perplexity, die auch unbegrenzte Pro-Suchen, vollen Modellzugang (einschließlich GPT-5, Claude 4, Gemini) und frühen Zugang zu neuen Funktionen bietet .

Die Funktion ist bei Markteinführung nicht auf den Stufen Free, Pro (20 $/Monat) oder Enterprise Pro verfügbar.

Wo Brain im Computer-Ökosystem einzuordnen ist

• Computer (gestartet im Februar 2026) ist der „universelle digitale Arbeiter“ von Perplexity – eine agentische Plattform, die hochrangige Ziele in natürlicher Sprache entgegennimmt, sie in Teilaufgaben zerlegt und autonom im Web, über APIs und im Software-Stack des Nutzers ausführt . Sie orchestriert etwa 19 verschiedene KI-Modelle, um End-to-End-Workflows abzuschließen .
• Brain ist die Gedächtnisschicht für Computer. Es macht Computer zu einem lernenden System, das mit zunehmender Nutzung effizienter und genauer wird .
• Perplexity verfügt auch über eine separate Personalisierungs-Gedächtnisfunktion (die früher für Pro- und Max-Nutzer eingeführt wurde), die sich Nutzerpräferenzen und Gesprächsverlauf für den Such-/Produktivitätsassistenten merkt – Brain geht es um agentisches Arbeitsgedächtnis, nicht um Nutzerpräferenzgedächtnis .

Wie Brain im Vergleich zu konkurrierenden Gedächtnissystemen abschneidet

Die Differenzierung von Brain ist klar: Es merkt sich die Arbeit des Agenten, nicht den Chat des Nutzers – und es verbessert sich autonom über Nacht .

• Anthropic (Claude): Verfügt über begrenzte Gedächtnisfunktionen für Projekte und benutzerdefinierte Anweisungen, aber kein selbstverbesserndes Agentengedächtnissystem. Die nächtliche Selbstüberprüfungsschleife von Brain ist einzigartig.
• OpenAI (ChatGPT/Operator): Bietet Gedächtnis für Nutzerpräferenzen und Gesprächsverlauf in Chats, aber OpenAIs Agent (Operator) hat kein rekursives Selbstverbesserungsgedächtnissystem, das offline arbeitet.
• Google (Gemini): Gedächtnis ist in erster Linie personalisierungsorientiert, nicht agentisches Arbeitsgedächtnis.
• Microsoft Copilot: Unternehmensgedächtnis, das an den Microsoft Graph (E-Mails, Dokumente) gebunden ist, aber kein selbstverbesserndes Agentengedächtnis, das aus Aufgabenausführungsmustern lernt.

Brain macht Perplexity zu einem klaren First Mover im Bereich des zustandsbehafteten, selbstverbessernden Agentengedächtnisses – eine Kategorie, die die meisten Wettbewerber auf Produktebene noch nicht adressiert haben .