Die KI füttern – Alles digitalisieren

Warum ich eine KI mit jedem Teil meines Arbeitslebens füttere — und was sie wirklich braucht, um zu funktionieren

Vor einigen Wochen habe ich einen Beitrag mit dem Titel I Am No Longer Needed geschrieben, in dem ich beschrieben habe, wie ich so viele Teile meiner Rolle als AI Lead automatisiert hatte, dass ich die Umrisse dessen, was als nächstes kommen würde, deutlich erkennen konnte. Dieser Beitrag war unangenehm ehrlich über das emotionale Gewicht, so viel Veränderung so unerwartet schnell zu erleben.

Aber im Nachhinein wurde mir klar, dass er die eigentliche Frage dahinter nicht beantwortet hat: warum? Warum bin ich so besessen davon, Informationen zu erfassen und zu digitalisieren? Warum ist es wichtig, dass meine Meeting-Notizen, meine Aufgabenlisten, meine Anforderungserfassungen und meine Ideen in einem abfragbaren Format vorliegen? Warum habe ich Monate damit verbracht, eine persönliche Wissensdatenbank aufzubauen?

Dieser Beitrag ist die Antwort darauf.

Das Unternehmen bewegt sich langsam. Also bewegte ich mich schneller.

Als ich diese KI-Lead-Rolle in meinem Unternehmen übernahm, war mein Ehrgeiz auf Infrastrukturebene ausgerichtet: KI-Lösungen über Geschäftsbereiche hinweg evaluieren und implementieren. Die richtigen Leitplanken, das richtige Monitoring, die richtigen Agenten einrichten, um Ergebnisse in großem Maßstab zu erzielen. Das ist die Arbeit, die am meisten zählt – und es ist auch die Arbeit, die sich mit der Geschwindigkeit des organisatorischen Konsenses bewegt, was gleisbrechend langsam ist. Besonders wenn es um eine so neue Domäne geht, eine so neue Technologie, die nur wenige wirklich durchdringen.

Für jede Genehmigung müssen viele Menschen einbezogen werden, die alle bereits überlastet sind und ihre eigenen konkurrierenden Prioritäten navigieren. Selbst bei echter Begeisterung für KI in der gesamten Organisation kann es Monate dauern, bis aus „ja, wir probieren es aus" ein „ja, es ist im Einsatz" wird.

Also fing ich parallel an, an dem zu arbeiten, was ich direkt kontrollieren konnte: meine eigene tägliche Arbeit. Noch bevor ich die Rolle offiziell antrat, hatte ich das Gefühl, dass die Verbesserung des Informationsmanagements für Wissensarbeiter einer der größten KI-Treiber sein würde. Nicht nur für mich, sondern für jede Organisation, die schneller werden will. Ich hatte da bereits zweieinhalb Jahre KI-Erfahrung gesammelt und kannte ihre Grenzen gut: KI ist fähig, aber KI ist blind. Sie weiß nur, was man ihr gibt.

Das Problem ist Kontextarmut

Ein KI-Agent läuft, vereinfacht gesagt, innerhalb eines Computerprozesses. Außerhalb dieses Prozesses lebt die überwiegende Mehrheit der Informationen, die er benötigen würde, um in Ihrem Namen zu handeln: Ihre Meetings, Ihre Entscheidungen, Ihre Stakeholder, Ihre unausgesprochenen Einschränkungen. Wenn ein Agent keinen Zugang zu diesen Informationen hat, muss er Sie jedes einzelne Mal danach fragen. Oder er rät. Beides ist inakzeptabel, wenn man ihn effektiv und effizient einsetzen möchte.

Das meine ich mit Kontextarmut. Das Potenzial von KI übersteigt bei weitem, was die meisten Menschen verstehen – aber Agenten sind in Umgebungen gefangen, die informationsarm sind im Vergleich zu dem, was ein kompetenter menschlicher Assistent bereits wissen würde.

Kontextarmut zu beheben ist das Wichtigste, was man tun kann, um einen KI-Agenten wirklich nützlich zu machen. Und dafür braucht man keine besseren Modelle. Man braucht bessere Inputs. Die KI-Labs wie Anthropic, OpenAI und andere arbeiten alle an diesem Problem, iterieren ständig und liefern neue und umfassendere Lösungen. Ich bin kein Genie; ich habe das Muster nur erkannt und verstanden.

Was ich tatsächlich getan habe

Bei der Arbeit war die Automatisierung praktisch und unmittelbar: Meeting-Transkriptionen, strukturierte Notizen, Aufgaben, wöchentliche Statusberichte, Anforderungserfassung, Projektanalyse. Alles läuft über Claude Code mit benutzerdefinierten Skills, Befehlen und Workflows, die ich im Laufe der Zeit aufgebaut habe. Das ist die Geschichte, die ich in I Am No Longer Needed erzählt habe. Claude Code als persönlicher Agent, der mir zur Seite sitzt und den Overhead übernimmt, damit ich mich auf die Arbeit konzentrieren kann, die wirklich Urteilsvermögen erfordert.

In meiner Freizeit bin ich noch weiter gegangen. Ich begann, das aufzubauen, was ich jetzt als externes Gehirn bezeichne – ein strukturiertes, durchsuchbares Repository von allem, was ich weiß, und allem, was durch mein Berufs- und Privatleben fließt. Andere Lösungen existieren, die dieses Problem aus verschiedenen Blickwinkeln angehen, aber keine davon löste es so, wie ich es wollte. Da Claude Code immer wie ein treues Haustier daneben sitzt – warum nicht jeden freien Moment über drei Monate damit verbringen, die perfekte Lösung zu bauen? Wie gesagt, ich bin kein Genie, und ich bin sicher, dass Sie bessere Adjektive für mich haben.

Ich nenne es Sift. Ich werde ein anderes Mal im Detail darüber schreiben. Der Punkt hier ist nicht das Tool, sondern das Prinzip dahinter: Wenn eine KI eine Information abfragen kann, kann sie diese Information nutzen, ohne mich zu fragen. Jedes Dokument, das ich hinzufüge, jedes Meeting, das ich transkribiere, jede Entscheidung, die ich festhalte, verringert die Reibung zwischen „Ich möchte, dass die KI X tut" und „die KI tut X."

Aber Gedächtnis allein reicht nicht. Ich fragte Claude, was es sonst noch brauchen würde, um ein effektiverer Assistent in meinem Arbeitskontext zu werden – und die Antwort gliederte sich in Schichten, über die ich so klar noch nicht nachgedacht hatte. KI überrascht mich immer noch regelmäßig mit durchdachten Antworten, wenn man ihr den richtigen Kontext gibt und die richtige Frage stellt.

Was KI wirklich braucht

Einer KI durchsuchbares Gedächtnis und Wissen zu geben, sind die sichtbarsten Schichten – aber sie sind nicht die einzigen. Hier ist das vollständige Bild:

Gedächtnis ist das Fundament – vergangene Entscheidungen, Gespräche, Artefakte. Es ermöglicht dem Agenten, „was wurde darüber entschieden?" zu beantworten, ohne nachzufragen. Das ist es, was die meisten Menschen aufbauen, wenn sie eine Wissensdatenbank erstellen.

Zustand ist die aktuelle Realität – was gerade passiert, was in Bearbeitung ist, was blockiert ist. Task-Management-Tools decken einen Teil davon ab, aber der Zustand tatsächlicher Arbeitsprodukte (Code, Dokumente, Entwürfe) ist oft nirgendwo erfasst, auf das ein Agent zugreifen kann.

Prozesswissen ist, wie Dinge funktionieren sollen – Entscheidungsrahmen, Workflows, Prozesse. Ein Agent weiß vielleicht, dass Sie ein Thema in drei Meetings besprochen haben, aber ohne Prozesswissen weiß er nicht, was als nächstes zu tun ist. Das ist die Schicht, die die meisten Wissensdatenbanken völlig vernachlässigen.

Beziehungskontext ist, wer wer ist – wer was besitzt, wen man für welche Entscheidungen konsultieren sollte, was verschiedene Stakeholder interessiert. Ohne das weiß ein Agent, der eine Kommunikation entwirft, nicht, ob er direkt oder diplomatisch, technisch oder auf hohem Niveau sein soll.

Präferenzen und Einschränkungen definieren, wie Sie arbeiten und worüber Sie nicht verhandeln. Was soll der Agent niemals ohne Rückfrage tun? Das liegt in der Konfiguration, nicht in Dokumenten.

Feedback-Schleifen sind das, was Agenten im Laufe der Zeit verbessert. Jede Korrektur, die bestehen bleibt – „Mach das nicht noch einmal, weil..." – ist ein Fehler weniger, der in zukünftigen Sitzungen wiederholt wird. Ohne eine strukturierte Möglichkeit, dieses Feedback zu speichern und abzurufen, stecken Agenten dauerhaft am ersten Tag fest.

Eine stille Revolution

Während ich mich auf die langsam voranschreitende Unternehmensarbeit konzentrierte, geschah direkt auf meinem lokalen Rechner etwas anderes.

Die Infrastruktur, die ich für meine eigene tägliche Arbeit aufgebaut habe, erwies sich als das effektivste KI-Deployment, das ich je durchgeführt habe. Nicht weil es das ausgefeilteste war, sondern weil ich die vollständige Kontrolle über den Kontext hatte, den ich ihm gab. Kein Beschaffungsprozess. Keine Sicherheitsüberprüfung. Keine konkurrierenden Prioritäten. Nur ich, meine Daten und ein Agent, der endlich alles davon erreichen konnte. Das hat nichts mit Sift zu tun – es geht hauptsächlich um einfache Markdown-Dateien, die das gesamte Wissen enthalten, das der Agent benötigt.

Die Lektion ist wertvoll für jeden, der über KI-Adoption in großem Maßstab nachdenkt: Die wirkungsvollsten KI-Implementierungen finden gerade möglicherweise nicht in Unternehmenssystemen mit Governance-Komitees und Lieferantenverträgen statt, sondern in individuellen Workflows, die von Menschen aufgebaut werden, die es satt haben zu warten und begonnen haben, alles zu digitalisieren, was sie können.

Wenn Sie schneller vorankommen wollen, als Ihre Organisation erlaubt, fangen Sie hier an. Fangen Sie bei sich selbst an. Machen Sie Ihre Informationen abfragbar. Bauen Sie Ihr externes Gehirn auf. Das Unternehmen wird irgendwann aufholen. In der Zwischenzeit müssen Sie nicht warten.