Wat is Working Memory?

Wat is working memory eigenlijk?

Stel je voor: je bent aan het koken en het recept zegt "voeg de ui toe nadat je de knoflook gebakken hebt". Terwijl je de knoflook bakt, onthoud je dat de ui nog moet — dat is je werkgeheugen. Je hoeft niet het hele recept opnieuw te lezen, je houdt alleen vast wat nú relevant is.

Bij AI-agents werkt het vergelijkbaar. Working memory is de tijdelijke opslagplaats waar een agent informatie vasthoudt die hij op dit moment nodig heeft om een taak uit te voeren. Het is niet het volledige geheugen van alles wat het systeem ooit heeft geleerd, maar een soort kladblok voor de huidige situatie.

Waarom heeft een agent dit nodig?

Zonder working memory zou een AI-agent constant vergeten waar hij mee bezig was. Stel: een chatbot helpt je een vakantie plannen. Je zegt "ik wil naar Italië in juli", even later vraag je "wat is het weer daar?". De agent moet weten dat "daar" = Italië, én dat je in juli gaat. Die context zit in het working memory.

Bij complexere agents — zoals robots die door een huis navigeren of software die meerdere stappen moet zetten — is het werkgeheugen cruciaal. De agent moet onthouden wat hij al gedaan heeft, wat zijn doel is, en welke informatie hij onderweg heeft verzameld. Zonder dat wordt elke stap een shot in the dark.

Hoe werkt het technisch?

In klassieke AI (zoals reinforcement learning) is working memory vaak een simpele buffer: een lijst van recente observaties, acties of tussentijdse resultaten. De agent kijkt terug naar die lijst om beslissingen te nemen.

Bij modernere agents, vooral die gebaseerd zijn op large language models, zit het werkgeheugen vaak in de context window: het stuk tekst dat het model kan "zien" tijdens een gesprek. Alles wat je tot nu toe hebt gezegd, staat daar tijdelijk in. Zodra die context vol raakt, valt de oudste informatie eraf — zoals een notitieblok waar je de eerste pagina's uitscheurt als je geen ruimte meer hebt.

Er zijn ook systemen die actief kiezen wát ze onthouden. Een agent kan beslissen: "dit feit is belangrijk, dit kan ik vergeten". Dat noemen we selectieve aandacht binnen het werkgeheugen — precies zoals jij tijdens koken automatisch de kleur van de pan vergeet, maar de timer wél bijhoudt.

Een voorbeeld uit de praktijk

Neem een klantenservice-agent die je helpt met een retour. Je zegt eerst je ordernummer, dan vertel je wat er mis is, dan vraag je of je geld terugkrijgt of een nieuw product. De agent moet al die stappen tegelijk in zijn werkgeheugen houden: het ordernummer, het probleem, jouw voorkeur. Als hij halverwege vergeet wat je ordernummer was, moet je opnieuw beginnen — frustratie gegarandeerd.

Of denk aan een game-AI die een schatkist zoekt in een doolhof. Hij moet onthouden welke gangen hij al geprobeerd heeft, waar hij de sleutel vond, en welke richting naar de kist leidt. Dat is allemaal working memory: tijdelijke info die de agent helpt om de taak af te maken.

Waar kom je het tegen?

Als je met een AI-assistent praat — zoals ChatGPT, Claude, Gemini of Copilot — merk je het werkgeheugen doordat het systeem "begrijpt" waar je het eerder over had. Die context is het werkgeheugen in actie.

Bij autonome systemen (zelfrijdende auto's, bezorgrobots, drones) is het werkgeheugen wat de agent helpt om een route te volgen en obstakels te vermijden zonder constant vanaf nul te beginnen.

Ook in productietoepassingen zoals workflows automatiseren (bv. een bot die facturen verwerkt) zie je working memory: de bot houdt bij welke factuur hij nu aan het verwerken is, wat de status is, en welke stap volgt.

Let op het verschil met long-term memory

Working memory is tijdelijk. Het is het verschil tussen "ik onthoud even dat ik melk nodig heb" (working) en "ik weet dat Parijs de hoofdstad van Frankrijk is" (long-term). Bij agents betekent dat: working memory verdwijnt zodra de taak klaar is, long-term memory blijft bestaan voor later.

Moderne AI-systemen combineren beide: ze halen relevante feiten op uit hun langetermijngeheugen en houden die tijdelijk actief in hun working memory terwijl ze een vraag beantwoorden.

Wat kun je hier nu mee?

Als je een AI-agent bouwt of gebruikt, besef dat de kwaliteit van het werkgeheugen direct invloed heeft op hoe goed het systeem complexe taken aankan. Een agent met te weinig werkgeheugen verliest de draad, een agent die alles blijft onthouden wordt traag en verward.

Wil je een chatbot of assistent inzetten? Check hoeveel context die kan vasthouden — dat bepaalt of hij een gesprek van 5 of 50 berichten kan volgen. En als je zelf experimente met agents: probeer eens bewust te sturen wat er in het werkgeheugen blijft, en wat mag verdwijnen. Dat kan de efficiëntie enorm verbeteren.