Von Ordnern zur Wissensdatenbank: Wie ich meine Notizen zum Arbeiten gebracht habe

Serie: KI-gestütztes Wissensmanagement — Beitrag 1 von 9

Die Ordner-Falle

Ich war jahrelang ein intensiver OneNote-Nutzer. Es war perfekt für mich, damals. Ich hatte verschachtelte Abschnitte in Abschnitten in Notizbüchern, farbcodiert und sorgfältig gepflegt. Wenn ich etwas brauchte, navigierte ich durch eine Hierarchie, die ich aus dem Gedächtnis aufgebaut hatte. Es funktionierte, solange ich mich erinnerte, wo ich Dinge abgelegt hatte, und solange die Informationen sauber in eine Kategorie passten.

Oft passten sie nicht in nur eine Kategorie. Das war frustrierend, aber ich lebte damit.

Gehört eine Notiz über ein API-Authentifizierungsmuster unter „Security" oder „Backend" oder „Projekt Beta"? In einem Ordner-System wählst du eins und hoffst, dass du dich sechs Monate später erinnerst, welches du gewählt hast. Oder du duplizierst sie. Oder du erstellst eine Verknüpfung. Jede Lösung ist ein Workaround für die Tatsache, dass Ordner eine einzige Organisationsachse auf Informationen zwingen, die auf vielen Achsen gleichzeitig existieren.

Ordner sind, wie die meisten von uns schon immer Dinge organisiert haben. Auf dem Computer, in der E-Mail, im Kopf. Es fühlte sich wie die natürliche Art an, über Informationen nachzudenken.

Tags, Properties und das Netz der Verbindungen

Als ich zu Obsidian wechselte, nahm ich die Gewohnheit mit. Mein erster Vault sah aus wie meine OneNote-Notizbücher: tiefe Ordnerbäume, sorgfältig sortiert. Obsidian war ein besseres Tool, aber ich nutzte es auf dieselbe Weise. Es war ein Aktenschrank mit einer hübscheren Oberfläche.

Der Wandel begann, als ich auf die Idee stieß, Notizen mit Tags und Frontmatter- bzw. Seiten-Properties statt mit Ordnern zu organisieren. Obsidian unterstützt einen YAML-Block am Anfang jeder Notiz, in dem du strukturierte Metadaten definieren kannst: Tags, Beziehungen zu anderen Notizen, Quellen, Status. Natürlich verpackt Obsidian das in eine hübsche UI, damit du nicht mit roher Config arbeiten musst. Anstatt eine Notiz in einen Ordner namens „Security" zu legen, taggst du sie mit knowledge/security und auch knowledge/backend und verlinkst sie zusätzlich mit Projekt Beta. Die Notiz existiert gleichzeitig in mehreren Kontexten, ohne dupliziert zu werden.

Noch wichtiger: Ich begann, Beziehungs-Properties zu nutzen — up für übergeordnete Notizen, sibling für laterale Verbindungen, source für Referenzen. Das schuf ein Netz expliziter Verbindungen zwischen Notizen, das unabhängig davon existierte, wo die Dateien auf der Festplatte lagen. Der physische Speicherort wurde zweitrangig. Die Bedeutung steckte in den Metadaten.

Ich tagge immer noch jede Notiz manuell. Ich bin besessen davon. Aber diese Gewohnheit, die sich damals wie Mehraufwand anfühlte, stellte sich als Fundament für alles heraus, was danach kam.

Aus dem Vault ausbrechen

Sobald ich verinnerlicht hatte, dass Verbindungen wichtiger sind als Speicherort, wurde eine neue Reibung sichtbar: die Vault-Grenze von Obsidian. Obsidians Vault ist dieses Konzept, einen übergeordneten Stammordner zu verwenden, um all deine Markdown-Dateien zu speichern — die Dateien für deine Notizen. Innerhalb dieses Vaults war alles verlinkt und auffindbar. Außerhalb war nichts verbunden. Nicht meine Code-Projekte, nicht meine Office-Dokumente, nicht die Referenz-PDFs. Der Vault war eine besser organisierte Insel, aber immer noch eine Insel.

Das wurde mir in einem Gespräch mit einem Kollegen klar. Er hatte Obsidian ausprobiert und war abgesprungen, weil seine eigentliche Arbeit nicht im Vault lebte. Dieses Gespräch brachte mich dazu, das FolderTether Obsidian-Plugin zu entwickeln. Es erstellt eine bidirektionale Verknüpfung zwischen einer Notiz und einem beliebigen Verzeichnis im Dateisystem. Von Obsidian aus öffnet ein Klick den verlinkten Ordner im Finder. Vom Finder aus öffnet eine .url-Datei im Verzeichnis die Notiz direkt in Obsidian. Der Vault hört auf, ein geschlossener Garten zu sein, und wird zu einem Navigationsindex über deinen gesamten digitalen Arbeitsbereich.

Es ist ein kleines Tool, aber es vervollständigte einen Wandel in meinem Denken über Notizen. Die Notiz über Projekt Beta muss nicht in einem „Projekte"-Ordner liegen. Sie muss nicht einmal in der Nähe der Projektdateien sein. Sie braucht nur eine Verbindung zu ihnen. Dasselbe Prinzip, das mich von Ordnern zu Tags brachte, erstreckte sich nun über den Vault hinaus: der physische Speicherort ist zweitrangig gegenüber Beziehungen.

Und das stellte sich auch für AI Agents als relevant heraus. Wenn Claude Code meinen Vault abfragt, kann es Notizen über Projekte entdecken und der linked_dir-Property folgen, um das tatsächliche Projektverzeichnis zu finden, ohne dass ich ihm sagen muss, wo die Dinge sind. Der Vault wurde zu einem Index — nicht nur für mich, sondern für jedes Tool, das Markdown lesen und Links folgen kann.

Wenn gute Organisation trotzdem nicht reicht

Hier hören die meisten Leute auf — und ehrlich gesagt, habe ich auch eine Weile hier aufgehört. Tags und Links sind eine echte Verbesserung gegenüber Ordnern. Du kannst Dinge nach Thema finden, Verbindungen zwischen Ideen verfolgen, und Obsidians Graph View gibt dir eine visuelle Karte davon, wie alles zusammenhängt. Für ein persönliches Wissensmanagement-System ist es gut. Für Hunderte von Notizen ist es großartig.

Für Tausende von Notizen bricht es auf andere Weise zusammen.

Das Problem bei „Skalierung" ist nicht mehr die Organisation — es ist das Abrufen. Du kannst perfekt taggen und trotzdem nicht finden, was du brauchst, weil du nach einem Konzept suchst und deine Notiz andere Wörter verwendet hat. Such nach „Authentifizierung" und du wirst die Notiz nicht finden, die du über „Session-Token-Management" oder „Login-Sicherheit" geschrieben hast. Die meisten Leute würden erwarten, dass es um dasselbe Thema geht. Keyword-Suche findet Zeichenketten-Übereinstimmungen. Sie versteht keine Bedeutung.

Hier nahm die Reise eine weitere Wendung. Eine, die erst passierte, nachdem ich angefangen hatte, mit AI zu arbeiten und RAG (Retrieval Augmented Generation) zu implementieren. Semantische Suche basiert auf Vektoren (numerische Repräsentationen von Bedeutung), und die Suche erfolgt anhand von Ähnlichkeit statt exakter Textübereinstimmung. Du fragst „Wie gehe ich mit Benutzer-Authentifizierung um?" und es liefert Notizen über Session Tokens, OAuth-Flows und Login-Sicherheit zurück — weil es versteht, dass diese Konzepte zusammenhängen, obwohl sie keine gemeinsamen Schlüsselwörter haben.

Wenn du einmal semantische Suche erlebt hast, fühlt sich Keyword-Suche an, als würdest du ein Buch nach der Farbe seines Einbands suchen.

Sehen, wie Ideen zusammenhängen

Aber auch semantische Suche hat ihre Grenzen. Sie findet zwar relevante Dokumente, versteht aber nicht, wie sie zueinander in Beziehung stehen. Sie kann dir sagen, dass fünf Notizen alle relevant für „AI" sind, aber sie kann dir nicht sagen, dass zwei davon denselben LLM-Anbieter beschreiben, dass eine ein Modell referenziert, das nicht mehr State of the Art ist, oder dass drei davon über dasselbe Agent-Framework geschrieben wurden.

Das ist, was ein Knowledge Graph hinzufügt. Anstatt Notizen als isolierte Dokumente zu behandeln, die zufällig zu einer Abfrage passen, extrahiert ein Knowledge Graph Entitäten und die Beziehungen zwischen ihnen. Er baut eine Struktur auf, die widerspiegelt, wie die Informationen tatsächlich zusammenhängen. Du hörst auf zu fragen „Welche Dokumente passen?" und beginnst zu fragen „Wie hängen diese Ideen zusammen?" und „Welche Projekte nutzen diese Technologie?" und „Was habe ich sonst noch über dieses Tool geschrieben?"

Der Graph ersetzt die Suche nicht. Er sitzt darüber. Semantische Suche findet die relevanten Notizen; der Knowledge Graph versteht die Verbindungen zwischen ihnen.

Stell deinen Notizen eine Frage, bekomm eine Antwort

Der Grund, warum ich diese Serie schreibe, ist, um zu zeigen, was passiert, wenn du all das mit einem AI Agent wie Claude Code kombinierst.

Das Setup: Obsidian hält die Notizen. Ein semantischer Index macht sie nach Bedeutung durchsuchbar. Ein Knowledge Graph bildet die Beziehungen zwischen Entitäten ab. Und eine AI sitzt ganz oben, empfängt deine Frage, ruft den relevanten Kontext aus allen drei Schichten ab und generiert eine Antwort mit Zitaten zurück zu deinen tatsächlichen Notizen.

Das ist RAG, angewendet auf deine eigene Wissensdatenbank. Du stellst eine Frage in natürlicher Sprache. Das System ruft den relevanten Kontext aus deinen Notizen ab. Das Modell generiert eine Antwort, die in dem verankert ist, was du tatsächlich geschrieben hast — mit Links zu den Quellnotizen, damit du verifizieren und tiefer einsteigen kannst.

Das klingt nach viel Infrastruktur für persönliche Notizen. Und wenn du fünfzig Notizen über Rezepte und Reisepläne hast, ist es das auch. Aber wenn du Jahre angesammeltes Wissen über Projekte, Recherche, Entscheidungen und Ideen hast, verändert es, wofür deine Notizen da sind. Und als jemand, dessen Projekte und Ideen regelmäßig die Grenze zwischen privat und beruflich überschreiten, ist es ein Game Changer, all das verbinden und abfragen zu können.

Ich habe diesen Bogen nicht geplant. Ich habe mich nicht eines Tages hingesetzt und beschlossen, eine Wissensmanagement-Pipeline zu bauen. Ich habe damit angefangen, meine Notizen aus OneNote umzuziehen. Dann haben mich Ordner frustriert. Dann habe ich Tags entdeckt. Dann bin ich an die Grenzen der Keyword-Suche gestoßen. Jeder Schritt löste ein Problem, das der vorherige Schritt offengelegt hatte. Und jeder Schritt, wie sich herausstellte, legte den Grundstein für den nächsten.

Ich habe auch Glück mit dem Timing. Hätte ich diese Reorganisationsarbeit zwei Jahre später statt vor zwei Jahren gemacht, würden die AI-Tools existieren, aber meine Notizen wären nicht bereit dafür. Das Tagging, die Beziehungen, die strukturierten Notiz-Properties — all die manuelle Arbeit, die ich gemacht habe, bevor AI Agents Teil meines Workflows waren, ist genau das, was die Notizen jetzt für AI Agents nutzbar macht. Die Lektion ist: In die Organisation deiner Informationen zu investieren zahlt sich auf Arten aus, die du zum Zeitpunkt nicht vorhersagen kannst.

Was als Nächstes kommt

Das ist der erste Beitrag einer neunteiligen Serie über den Aufbau eines KI-gestützten Wissensmanagement-Systems. Der nächste Beitrag behandelt Obsidian im Speziellen — nicht als Notiz-App, sondern als Wissensplattform — und warum Markdown-Dateien auf der Festplatte sich als ideales Fundament für alles oben Beschriebene herausstellen.

Dieser Beitrag ist Teil der Serie KI-gestütztes Wissensmanagement. Weiter: Obsidian als Wissensplattform.