KI & Wissensmanagement

Vom Chatverlauf zum Wissenssystem: Wie aus KI-Chats belastbares Projektwissen wird

Der wertvollste Teil eines ChatGPT-Chats ist oft nicht die letzte Antwort. Es ist das Projektwissen, das während des gesamten Gesprächs entstanden ist.

 

Vom KI-Chat zu verlinktem, lokal nutzbarem Projektwissen.

 

Dieses Wissen bleibt jedoch häufig in einem Chatverlauf liegen. Einige Tage später ist der passende Dialog schwer auffindbar, Zusammenhänge fehlen und ein anderes Teammitglied beginnt dieselbe Recherche erneut. Aus produktiver KI-Nutzung entsteht so noch kein belastbares Wissensmanagement.

Ein Chatverlauf ist noch kein Wissenssystem

Chats sind hervorragend für Exploration. Gedanken dürfen unfertig sein, Varianten werden ausprobiert und Fragen entwickeln sich im Gespräch. Für die spätere Nutzung hat dieses Format aber Grenzen:

• Wichtige Entscheidungen stehen zwischen vielen Zwischenfragen.
• Verworfene Ansätze sind nicht von gültigen Ergebnissen getrennt.
• Quellen, Annahmen und offene Punkte haben keinen einheitlichen Status.
• Wissen ist an einen einzelnen Verlauf und häufig an eine Person gebunden.
• Nachfolgende Werkzeuge können die Inhalte nur schwer gezielt weiterverwenden.

Die Lösung ist nicht ein weiteres Chatarchiv. Die Lösung ist eine geregelte Übergabe vom Gespräch in das Wissenssystem des Projekts.

Mein aktueller Workflow mit Obsidian

1. Arbeitsabschnitt abschließen: Der Chat hat ein erkennbares Zwischenergebnis oder eine Entscheidung erreicht.
2. Verlauf sicher bereitstellen: Unkritische Inhalte können über einen Freigabelink übergeben werden. Für vertrauliche Daten nutze ich ausschließlich eine kontrollierte lokale Kopie.
3. Obsidian-Vault als Projektordner öffnen: Der lokale Vault wird in einem geeigneten KI-Arbeitswerkzeug – beispielsweise Codex Desktop – als Projektordner ausgewählt.
4. Nicht nur zusammenfassen: Fakten, Entscheidungen, Konzepte, Risiken, offene Fragen und Aufgaben werden getrennt extrahiert.
5. Markdown-Dateien aktualisieren: Bestehende Notizen werden ergänzt, neue Wissensbausteine verlinkt und der Projektindex nachgeführt.
6. Änderungen prüfen: Quellen, Status und Verantwortlichkeiten werden kontrolliert, bevor die Notizen als belastbares Projektwissen gelten.

Eine einfache Struktur für den Vault

Die konkrete Ordnerstruktur hängt vom Projekt ab. Für einen schlanken Einstieg reichen häufig wenige klar definierte Dateien:

• 00 Projektindex: Ziel, Status, wichtigste Links und aktuelle nächste Schritte.
• Entscheidungen: Entscheidung, Datum, Begründung, Alternativen und Folgen.
• Recherche und Quellen: Erkenntnisse mit Herkunft, Abrufdatum und noch ungeprüften Annahmen.
• Konzepte: belastbare Lösungsbausteine und ihre Beziehungen zu anderen Notizen.
• Risiken und offene Fragen: Punkte, die vor der nächsten Entscheidung geklärt werden müssen.
• Aufgaben: konkrete nächste Schritte mit Verantwortlichen und gewünschtem Termin.

Obsidian eignet sich dafür, weil Markdown-Dateien lokal gespeichert, durchsucht, verlinkt und versioniert werden können. Das Wissen bleibt dadurch nicht an eine einzelne Anwendung gebunden.

Der Extraktionsauftrag ist wichtiger als die Zusammenfassung

Eine klassische Zusammenfassung glättet den Gesprächsverlauf. Für Projektwissen braucht es dagegen Trennung, Status und Nachvollziehbarkeit. Ein möglicher Arbeitsauftrag lautet:

Analysiere den bereitgestellten Chat als Projektübergabe. Extrahiere bestätigte Fakten, getroffene Entscheidungen mit Begründung, verworfene Ansätze, neue Konzepte, Risiken, offene Fragen und konkrete Aufgaben. Trenne belegte Informationen von Annahmen. Ergänze bei jedem Punkt Quelle beziehungsweise Chatabschnitt und Status. Aktualisiere anschließend den Projektindex und schlage sinnvolle Verlinkungen zwischen den Markdown-Dateien vor. Überschreibe keine bestehenden Aussagen, wenn ein Widerspruch nicht geklärt ist.

Dieser Auftrag verhindert nicht jeden Fehler. Er zwingt das System aber, Wissensarten zu unterscheiden, statt nur einen angenehm lesbaren Fließtext zu erzeugen.

Ein kleiner ETL-Prozess für Wissen

Technisch betrachtet ähnelt der Ablauf einem ETL-Prozess:

• Extract: relevante Inhalte aus dem Chat identifizieren.
• Transform: Aussagen prüfen, klassifizieren, verdichten und mit Metadaten versehen.
• Load: Wissensbausteine in den passenden Markdown-Dateien ablegen und untereinander verlinken.

Der entscheidende Schritt ist die Transformation. Eine KI-Antwort wird nicht automatisch zur Wahrheit, nur weil sie in einer Wissensdatenbank steht. Quellen, Gültigkeit, Verantwortliche und offene Widersprüche müssen sichtbar bleiben.

Datenschutz: Freigabelinks bewusst einsetzen

Bei normalen ChatGPT-Freigabelinks kann grundsätzlich jede Person mit dem Link den freigegebenen Inhalt sehen. OpenAI weist außerdem darauf hin, keine sensiblen Inhalte über solche Links zu teilen. Für Kundeninformationen, personenbezogene Daten, interne Strategien oder Zugangsdaten ist ein öffentlicher Freigabelink daher nicht der richtige Transportweg.

In solchen Fällen arbeite ich mit einer lokalen, kontrollierten Kopie und prüfe vor der Verarbeitung, welche Informationen überhaupt in den Vault übernommen werden dürfen. Weitere Details beschreibt die offizielle FAQ zu ChatGPT-Freigabelinks.

Fünf Leitplanken für belastbares Projektwissen

1. Fakten und Annahmen trennen.
2. Entscheidungen mit Datum und Begründung dokumentieren.
3. Quellen und Herkunft erhalten.
4. Widersprüche nicht automatisch überschreiben.
5. Verantwortliche Menschen prüfen die Übergabe.

KI-Chats sollten nicht in der Seitenleiste sterben

Nach einem guten Chat ist mehr vorhanden als eine Antwort. Es ist ein Stück Projektgeschichte entstanden. Wird dieses Wissen strukturiert übernommen, entsteht ein durchsuchbares und weiterverwendbares Gedächtnis für das Projekt – statt einer Sammlung vergessener Dialoge.

Mein Fazit: Der Abschluss eines KI-gestützten Arbeitsschrittes sollte nicht „Chat schließen“ heißen. Er sollte eine kurze Wissensübergabe auslösen: extrahieren, prüfen, verlinken und für den nächsten Arbeitsschritt verfügbar machen.