Redis

Redis entwickelt die gleichnamige In-Memory-Datenbank, die ursprünglich als Key-Value-Store bekannt wurde und heute zunehmend als Echtzeit-Kontext-Engine für KI-Anwendungen positioniert wird. Über Redis-gestützte Vektorsuche lassen sich strukturierte wie unstrukturierte Daten in Echtzeit abrufen, damit Sprachmodelle stets mit aktuellem Kontext arbeiten.

Für KI-Agenten bietet Redis Agent Memory zur Verwaltung von Kurz- und Langzeitgedächtnis, damit Agenten über mehrere Interaktionen hinweg konsistent bleiben, sowie Redis Data Integration zur Echtzeit-Synchronisation aus bestehenden Datenbanken. Mit LangCache lässt sich zudem semantisches Caching für LLM-Anfragen umsetzen, um sowohl Antwortzeiten als auch API-Kosten spürbar zu senken.

Über den offiziellen Redis MCP Server können KI-Agenten direkt auf diese Funktionen zugreifen, ohne eigene Redis-Clients zu implementieren. Das Geschäftsmodell kombiniert eine quelloffene Basis mit der kommerziellen Redis-Enterprise-Variante für produktive, skalierte Einsätze; laut eigenen Angaben nutzen bereits 43 % der Unternehmens-Agenten-Stacks Redis zur Speicherung von Agentendaten.