Hör auf, Wissen in Chats zu verlieren
Viele Gespräche mit einem LLM beginnen stark.
Man beschreibt ein Thema, liefert Kontext, stellt Rückfragen, verfeinert Gedanken. Nach ein paar Minuten oder Stunden entsteht etwas Wertvolles: eine bessere Formulierung, eine neue Struktur, eine Entscheidung, ein Verständnis, das vorher noch nicht da war.
Und dann passiert etwas Merkwürdiges.
Dieses Wissen bleibt im Chat.
Es ist irgendwo vorhanden, aber selten dort, wo man es später wirklich braucht. Es ist nicht verknüpft, nicht gepflegt, nicht Teil eines größeren Zusammenhangs. Beim nächsten Thema beginnt man wieder von vorn. Neuer Chat, neuer Kontext, neue Erklärung.
Genau an dieser Stelle setzt die Idee eines LLM-gestützten PKM an.
Der Auslöser dafür war ein Gist von Andrej Karpathy über ein LLM Wiki. Ich habe die Idee für meinen eigenen Arbeitskontext weitergedacht und in einem eigenen Gist beschrieben: LLM-PKM.
Chats sind Denkprozesse, kein Gedächtnis
Ein Chat ist gut, um einen Gedanken zu entwickeln.
Er ist aber kein guter Ort, um Wissen dauerhaft aufzubauen. Sobald ein Gespräch zu lang wird, verliert es an Schärfe. Irgendwann wird es unübersichtlich. Man startet neu, lädt wieder Dateien hoch, erklärt wieder den Kontext und hofft, dass nichts Wichtiges fehlt.
Das ist für einzelne Fragen kein Problem.
Für langfristiges Arbeiten ist es eines.
Wer über Wochen oder Monate an Themen arbeitet, sammelt nicht nur Antworten. Es entstehen Zusammenhänge: Entscheidungen, Begründungen, offene Fragen, Gegenargumente, Quellen, Projekterfahrungen. Genau diese Zusammenhänge gehen verloren, wenn sie nur in Chatverläufen liegen.
Das eigentliche Problem ist also nicht, dass LLMs zu wenig wissen.
Das Problem ist, dass unser erarbeitetes Wissen zu selten in eine dauerhafte Form überführt wird.
Die Idee: Das PKM als Gedächtnis
Ein LLM-PKM dreht die übliche Arbeitsweise um.
Das LLM wird nicht nur gefragt. Es pflegt ein System.
Dieses System besteht im Kern aus Markdown-Dateien. Keine komplizierte Plattform, kein schweres Wissensmanagement-Werkzeug, keine große Datenbank. Ein Ordner mit Textdateien reicht als Ausgangspunkt.
Obsidian kann die Oberfläche sein. Git kann die Versionshistorie liefern. Ein LLM-Agent kann die eigentliche Pflege übernehmen.
Aus einem flüchtigen Chat wird so ein dauerhafter Arbeitsprozess:
- neue Gedanken werden aufgenommen
- bestehende Seiten werden erweitert
- Verbindungen entstehen
- Widersprüche werden sichtbar
- Antworten werden wieder Teil des Systems
Der Chat ist dann nicht mehr der Ort, an dem Wissen endet.
Er ist der Ort, an dem neues Wissen ins System hineinkommt.
Der Mensch denkt, das LLM pflegt
Der wichtigste Rollenwechsel ist einfach:
Der Mensch muss nicht mehr jede Notiz selbst sauber einsortieren.
Er liefert Richtung, Quellen, Fragen und Entscheidungen. Er prüft, was wichtig ist. Er behält die Verantwortung für Sinn und Qualität.
Das LLM übernimmt die Pflegearbeit.
Es schreibt Zusammenfassungen. Es aktualisiert bestehende Seiten. Es ergänzt Links. Es merkt sich, welche Begriffe eigene Seiten brauchen könnten. Es hält Index und Protokoll aktuell.
Genau dort liegt der große Hebel.
Viele persönliche Wissenssysteme scheitern nicht am Denken. Sie scheitern an der Pflege. Man müsste nach jeder neuen Erkenntnis alte Seiten aktualisieren, Links nachziehen, Widersprüche prüfen und offene Fragen notieren. Das ist sinnvoll, aber mühsam.
Für ein LLM ist genau diese Arbeit naheliegend.
Drei Arbeitsweisen
Ein solches System braucht keine komplizierte Theorie. Drei Arbeitsweisen reichen als Grundmuster.
Aufnahme
Neue Informationen kommen ins System.
Das können eigene Gedanken sein, Artikel, Buchnotizen, Transkripte, Projektprotokolle oder Gesprächszusammenfassungen.
Das LLM verarbeitet den Eingang nicht nur als Ablage. Es fragt: Was ist daran wichtig? Welche bestehenden Seiten sind betroffen? Gibt es neue Begriffe, neue Fragen oder Korrekturen?
Ein einzelner Eingang kann dadurch mehrere Seiten verändern.
Nutzung
Man stellt Fragen an das bestehende Wissen.
Das LLM sucht nicht nur im allgemeinen Modellwissen, sondern in der eigenen Wissensbasis. Es liest relevante Seiten, vergleicht Aussagen und erzeugt daraus eine Antwort.
Der entscheidende Punkt: Gute Antworten verschwinden nicht wieder.
Sie können als neue Seite gespeichert, als Analyse ergänzt oder als Entscheidung dokumentiert werden. So wächst das System nicht nur durch Quellen, sondern auch durch die eigenen Fragen.
Überprüfung
Von Zeit zu Zeit wird das System selbst überprüft.
Das LLM sucht nach veralteten Inhalten, fehlenden Links, Widersprüchen, unklaren Begriffen oder offenen Fragen. Es kann Vorschläge machen, welche Themen vertieft werden sollten oder wo eine Seite aus mehreren losen Notizen entstehen könnte.
Das ist der Teil, der ein PKM langfristig lebendig hält.
Orientierung durch einfache Dateien
Damit ein LLM so arbeiten kann, braucht es Regeln.
Diese Regeln können in einer Datei wie AGENTS.md oder CLAUDE.md stehen. Dort wird beschrieben, wie das Wissenssystem aufgebaut ist, welche Konventionen gelten und wie neue Eingänge verarbeitet werden sollen.
Diese Datei ist nicht das Wissen selbst.
Sie ist eher das Betriebshandbuch des Systems.
Zusätzlich helfen zwei einfache Dateien:
index.md ist der Katalog. Dort steht, welche Seiten existieren und worum es jeweils geht. Das LLM kann zuerst den Index lesen und dann gezielt tiefer einsteigen.
log.md ist das Protokoll. Dort wird festgehalten, was wann passiert ist: neue Eingänge, wichtige Fragen, Überarbeitungen, Prüfungen.
Der Index zeigt, was vorhanden ist.
Das Log zeigt, wie es entstanden ist.
Warum Markdown, Obsidian und Git gut passen
Markdown ist langweilig im besten Sinne.
Es ist lesbar, portabel und unabhängig von einer bestimmten Plattform. Ein Ordner mit Markdown-Dateien lässt sich durchsuchen, versionieren, sichern und in vielen Werkzeugen öffnen.
Obsidian eignet sich als Oberfläche, weil es lokale Dateien ernst nimmt und Verbindungen sichtbar macht. Man kann Seiten lesen, Links verfolgen, Graphen ansehen und das System als echten Arbeitsraum nutzen.
Git ergänzt die Nachvollziehbarkeit.
Jede Änderung kann sichtbar werden. Man kann experimentieren, vergleichen, zurückgehen oder Varianten auf Branches testen. Für ein System, das von einem Agenten mitgepflegt wird, ist das besonders wertvoll.
Ein praktischer Start
Der einfachste Einstieg ist nicht, sofort ein perfektes System zu entwerfen.
Der einfachste Einstieg ist ein leerer Ordner.
In Obsidian bedeutet das:
- neuen Vault anlegen
- einen klaren Namen wählen
- den Vault lokal speichern
- erst einmal keine komplizierte Ordnerstruktur bauen
Danach braucht das System einen ersten Impuls. Dafür kann das LLM-PKM-Gist als Startdokument dienen.
Man lädt die Raw-Version herunter, legt sie zum Beispiel als LLM-PKM.md in den Vault und öffnet den Ordner anschließend mit einem LLM-Agenten wie Codex, Claude Code oder einem vergleichbaren Werkzeug.
Der erste Prompt kann sehr schlicht sein:
Sieh dir dieses Projekt an.
Das klingt fast zu einfach, ist aber ein guter Anfang.
Der Agent liest den Ordner, erkennt, dass es bisher nur ein Konzeptdokument gibt, und kann daraus die nächsten sinnvollen Schritte ableiten.
Eine etwas gezieltere Variante wäre:
Sieh dir diesen Obsidian Vault an.
Er enthält bisher nur das Dokument LLM-PKM.md.
Hilf mir, daraus ein persönliches Wissenssystem aufzubauen.
Schlage zuerst eine einfache Struktur, eine AGENTS.md, eine index.md und eine log.md vor.
Ändere noch nichts, sondern erkläre mir zuerst deinen Vorschlag.
Damit bleibt man am Anfang bewusst kontrolliert.
Wenn der Vorschlag passt, kann der nächste Prompt lauten:
Setze diesen Vorschlag im Vault um.
Lege die notwendigen Dateien an und halte die Struktur bewusst einfach.
Danach hat man noch kein fertiges PKM.
Aber man hat einen arbeitsfähigen Anfang:
- ein Startdokument
- eine Systemanweisung für den Agenten
- einen Index
- ein Log
- eine erste Struktur
Ab diesem Punkt kann man echte Eingänge verarbeiten. Zum Beispiel einen Artikel, eine eigene Notiz oder eine Projektidee.
Ein guter nächster Prompt wäre:
Verarbeite diese neue Notiz als Eingang.
Extrahiere die wichtigsten Punkte, aktualisiere passende Seiten,
ergänze den Index und schreibe einen Eintrag ins Log.
Frage nach, wenn eine Entscheidung unklar ist.
So entsteht das System nicht durch Planung auf Vorrat, sondern durch Benutzung.
Kein fertiges Rezept
Wichtig ist: Das ist kein fertiges Produkt.
Es ist ein Muster.
Ein persönliches Wissenssystem für Projekte sieht anders aus als eines für Forschung, Journal, Teamwissen oder Lernnotizen. Manche brauchen PARA. Andere brauchen eine thematische Struktur. Manche wollen viele Automatismen. Andere wollen jeden Schritt bewusst prüfen.
Der richtige Aufbau entsteht durch Benutzung.
Man beginnt mit einem kleinen System, gibt dem LLM ein paar Regeln, verarbeitet erste Eingänge und beobachtet, was fehlt. Dann wird nicht nur das Wissen besser, sondern auch das System selbst.
Der eigentliche Gewinn
Der größte Gewinn ist nicht, dass das LLM bessere Antworten schreibt.
Der Gewinn ist, dass Antworten nicht mehr verloren gehen.
Jede gute Frage kann das System verbessern. Jede neue Quelle kann bestehendes Wissen präzisieren. Jede Entscheidung kann dokumentiert werden. Jede Verbindung kann später wiedergefunden werden.
So entsteht mit der Zeit etwas, das ein einzelner Chat nie leisten kann:
ein persönliches, wachsendes Gedächtnis.
Nicht perfekt. Nicht vollständig. Aber anschlussfähig.
Und genau das macht den Unterschied.
Wenn du das ausprobieren möchtest, nimm mein LLM-PKM-Gist als Startpunkt. Lade es in einen neuen Obsidian Vault, öffne den Ordner mit deinem LLM-Agenten und beginne mit der einfachen Frage:
Sieh dir dieses Projekt an.