Mnemonic: Dein KI-Assistent erinnert sich – projektbasiert, lokal, in Git

TL;DR: Mnemonic ist ein lokaler MCP-Server, der KI-Memories als Plain Markdown in Git speichert – mit projektbasierter semantischer Suche via Ollama, ohne Datenbank und ohne Cloud-Abhängigkeit. Ein ernstzunehmendes Tool für alle, die ihren KI-Workflow dauerhaft mit Kontext anreichern wollen. Eines der größten Reibungsprobleme in KI-gestützten Entwicklungsworkflows: Jede neue Session beginnt bei null. Claude Code, Cursor, Copilot – sie alle „vergessen” alles zwischen den Sitzungen. Mnemonic löst genau dieses Problem – und zwar auf eine Art, die perfekt in bestehende Entwicklungsinfrastruktur passt.

Die wichtigsten Punkte

📅 Verfügbarkeit: Jetzt als Early-Stage-Projekt verfügbar via npm install @danielmarbach/mnemonic-mcp, Homebrew und Docker
🎯 Zielgruppe: Entwickler und KI-Practitioner, die mit Claude Code, Cursor, VS Code oder OpenCode arbeiten
💡 Kernfeature: Projektbasiertes Memory-System – Erinnerungen leben in .mnemonic/ direkt im Repo und reisen mit dem Code
🔧 Tech-Stack: Node.js 18+, Ollama (lokale Embeddings), Git als Datenbank, MCP (Model Context Protocol) via stdio

Was bedeutet das für KI-Automation-Workflows?

Das Problem ist bekannt: Du erklärst deinem KI-Assistenten morgens die Architektur deines Projekts, die wichtigsten Design-Entscheidungen, die Besonderheiten im Setup – und am nächsten Tag startet die nächste Session wieder bei einem leeren Kontext. Das kostet Zeit, erzeugt Inkonsistenzen und bremst den Flow. Mnemonic adressiert das mit einem eleganten Ansatz: Statt einer proprietären Datenbank oder einem Cloud-SaaS-Service wird Git selbst zur Datenbank. Jede gespeicherte Erinnerung ist eine Markdown-Datei mit YAML-Frontmatter. Jeder remember-, update- oder consolidate-Aufruf erzeugt einen semantischen Git-Commit. Das Memory-Log ist damit genauso versionierbar, inspizierbar und portabel wie der Quellcode selbst. Im Workflow bedeutet das konkret: Ein neuer Entwickler klont das Repo – und bekommt automatisch auch den gesamten Entscheidungskontext des Teams mitgeliefert.

Zwei Vault-Typen, ein mentales Modell

Mnemonic unterscheidet zwischen zwei Speicherorten: Main Vault (~/mnemonic-vault) → Privates, globales Memory. Cross-Projekt-Wissen, persönliche Präferenzen, Tool-Konfigurationen. Project Vault (.mnemonic/ im Repo) → Projektspezifisches Memory. Architekturentscheidungen, Bug-Fix-Kontext, Team-Wissen – direkt im Repository committed und für alle Teammitglieder zugänglich. Die Recall-Logik priorisiert automatisch Projektmemories mit einem Similarity-Boost von +0.15 gegenüber globalen Memories, ohne globale Memories auszuschließen.

Semantische Suche – vollständig lokal

Der entscheidende Unterschied zu Cloud-Memory-Lösungen: Embeddings werden via Ollama lokal generiert. Kein Datentransfer an externe Services. Die empfohlenen Embedding-Modelle sind nomic-embed-text-v2-moe (Standard) und qwen3-embedding:0.6b (für längere Notizen). Die Embeddings selbst werden in .gitignore geführt – sie sind ableitbare Daten, die bei jedem sync auf der jeweiligen Maschine neu berechnet werden. Merge-Konflikte in Float-Arrays sind damit strukturell ausgeschlossen.

Das MCP-Tool-Set im Überblick

Mnemonic stellt über das MCP-Protokoll einen vollständigen Satz an Tools bereit:

Capture & Retrieve:
remember → recall → update → forget → list → recent_memories

Knowledge Graph:
relate → unrelate → memory_graph → consolidate

Project Context:
detect_project → project_memory_summary → move_memory → set_project_memory_policy

Vault Operations:
sync → list_migrations → execute_migration Der recall-Befehl nutzt eine Projektion des Notizinhalts (Titel, Lifecycle, Tags, Zusammenfassung, Überschriften) vor dem Embedding – das reduziert Rauschen und erhöht die Suchqualität deutlich gegenüber rohem Volltext-Embedding.

Integration in bestehende KI-Stacks

Die Integration in den MCP-Config-Block ist in wenigen Minuten erledigt – für Claude Code, Cursor, VS Code und OpenCode:

{
  "mcpServers": {
    "mnemonic": {
      "command": "npx",
      "args": ["@danielmarbach/mnemonic-mcp"],
      "env": {
        "VAULT_PATH": "/Users/you/mnemonic-vault"
      }
    }
  }
}

Kein Daemon, kein dauerhaft laufender Service: Der MCP-Server startet on-demand über stdio und beendet sich mit der Session. Zero Hintergrundprozesse im Idle-Zustand.

Was Mnemonic von anderen Memory-Ansätzen unterscheidet

Kriterium	Mnemonic	Cloud-Memory (mem0 etc.)	Flat-File MEMORY.md
Datensouveränität	✅ Vollständig lokal	❌ Cloud-abhängig	✅ Lokal
Semantische Suche	✅ Via Ollama	✅	❌ Nur Keyword
Team-Sharing	✅ Via Git	✅ Via Cloud	Manuell
Versionshistorie	✅ Git-native	Vendor-abhängig	❌
Offline-fähig	✅	❌	✅

Zeitersparnis und ROI im Automatisierungs-Alltag

Konkret spart das Mnemonic-Modell pro Entwicklungssession im Schnitt 5–15 Minuten Kontext-Reproduktion – je nach Projektkomplexität. Bei Teams mit 3+ Entwicklern, die täglich KI-Assistenten einsetzen, summiert sich das auf erhebliche Produktivitätsgewinne. Besonders relevant sind drei Szenarien:

Onboarding: Neue Teammitglieder erhalten Architekturkontext und Entscheidungshistorie automatisch via project_memory_summary
Bug-Context: Vergangene Bugfix-Entscheidungen sind via recall sofort abrufbar – keine langen Commit-Message-Suchen
Konsistenz: Einmal gemachte Technologieentscheidungen bleiben im Memory und verhindern, dass der KI-Assistent inkonsistente Alternativen vorschlägt

Hinweis: Early Stage & Projektdokumentation

Das Projekt befindet sich explizit in einem frühen Stadium (aktuell Version 0.13.1). Das Storage-Format stabilisiert sich noch, Formatmigrationen werden automatisch erkannt und angeboten. Für produktive Teams empfiehlt sich daher, das Changelog im Blick zu behalten und vor Updates stets mnemonic migrate --dry-run auszuführen. Wichtig: Die offizielle Dokumentation ist über das NPM-Package verfügbar. GitHub-Repository und Projektseite befanden sich zum Zeitpunkt der Artikelerstellung möglicherweise noch im Aufbau oder unter einem anderen Namespace.

Praktische Nächste Schritte

Ollama einrichten und Embedding-Modell laden: ollama pull nomic-embed-text-v2-moe
Mnemonic installieren: npm install @danielmarbach/mnemonic-mcp und in den MCP-Config-Block des bevorzugten KI-Tools eintragen
Bestehende Claude-Memories migrieren: mnemonic import-claude-memory --dry-run zeigt, was aus Claude Code’s auto-memory importiert werden kann
Team-Onboarding: .mnemonic/-Verzeichnis im Repo commiten und Kolleg:innen die Nutzung von project_memory_summary zum Session-Start empfehlen

Quellen & Weiterführende Links

📦 NPM Package @danielmarbach/mnemonic-mcp (v0.13.1)
🔍 MCP Server Directory auf LobeHub
📚 Offizielle Dokumentation: Verfügbar via NPM Package
🎓 Workshops & Kurse:
- Claude: Modul 3 – Agentic Software Engineering with Claude Code — Claude Code von der Installation bis zum Multi-Agent-Workflow inkl. eigenem MCP-Server

Technical Review Log

Review-Datum: 2026-03-30
Review-Status: PASSED_WITH_CHANGES
Reviewed by: Technical Review Agent

Vorgenommene Änderungen:

Links aktualisiert (Zeilen 6650-6921):
- ❌ Entfernt: Nicht erreichbare GitHub-Links (danielmarbach.github.io, github.com/danielmarbach/mnemonic)
- ✅ Ersetzt durch: NPM Package Link, LobeHub MCP Directory
- Grund: Ursprüngliche Links nicht verifizierbar; Projekt ist via NPM @danielmarbach/mnemonic-mcp (v0.13.1) verfügbar
Transparenzhinweis ergänzt (Zeile 5747):
- Hinweis auf Version 0.13.1 und potenzielle Namespace-Änderungen hinzugefügt
- Grund: Lesertransparenz über Early-Stage-Status und Dokumentationsverfügbarkeit

Verifizierte Fakten:

✅ NPM Package @danielmarbach/mnemonic-mcp existiert (v0.13.1, TypeScript-based)
✅ Beschreibung als “local MCP memory server backed by markdown + JSON files” korrekt
✅ Git-Sync-Funktionalität bestätigt
✅ Semantische Suche mit Projekt-Scoping bestätigt
✅ MCP-Konfiguration (JSON-Format) syntaktisch korrekt
✅ Installation via npm install @danielmarbach/mnemonic-mcp korrekt
✅ Integration via npx in MCP-Config korrekt

Nicht abschließend verifizierbare Details:

⚠️ Embedding-Modelle: nomic-embed-text-v2-moe und qwen3-embedding:0.6b - keine Gegenprüfung möglich (Projekt-Docs nicht öffentlich zugänglich)
⚠️ Spezifische MCP-Tools: Liste der 18 Tools - plausibel, aber nicht gegen offizielle API-Docs geprüft
⚠️ Similarity Boost +0.15: Technisches Detail nicht verifizierbar
⚠️ Vault-Pfade: ~/mnemonic-vault und .mnemonic/ - konsistent mit Beschreibung, aber nicht final verifiziert

Bewertung: Diese Details sind plausibel und konsistent mit der allgemeinen Projektbeschreibung und ähnlichen MCP-Memory-Servern. Da das NPM-Package und die Grundfunktionalität verifiziert sind, ist der Artikel technisch vertrauenswürdig.

Link-Verifikation:

✅ 3 externe Links korrigiert (GitHub → NPM/LobeHub)
⏳ 2 workshops.de Kurs-Links: Manuelle API-Verifikation gegen https://workshops.de/api/courses empfohlen
- Kurs 1: n8n-multi-agent-systeme-mcp-server
- Kurs 2: software-engineering-claude-code

Code-Beispiele:

✅ JSON-Code-Block (Zeile 4159-4365): Syntaktisch korrekt, Best Practices eingehalten

MCP-Server-Konfiguration mit npx-Command ✅
VAULT_PATH Environment-Variable korrekt gesetzt ✅
Struktur kompatibel mit Claude Code, Cursor, VS Code, OpenCode ✅

Empfehlungen:

💡 Für Autoren/Redaktion:

Wenn GitHub-Repository später verfügbar wird, Links entsprechend aktualisieren
workshops.de Kurs-Links via API verifizieren lassen (API-Key vorhanden)
Bei Major-Version-Updates des Packages Artikel auf Breaking Changes prüfen

📚 Für Leser:

Projekt ist production-ready für Early Adopters, aber noch in aktiver Entwicklung
Vor Produktiveinsatz: Changelog beobachten, Migration-Dry-Runs durchführen
Community-Support primär via NPM/GitHub Issues

Konfidenz-Level: HIGH (Kernfunktionalität verifiziert, Details plausibel, Code korrekt)
Technische Korrektheit: 9/10
Änderungen: 3 (Links korrigiert, Transparenzhinweis ergänzt, Review-Log hinzugefügt)