In einem Hochschulvortrag über den bewussten Umgang mit KI im Studium steht eine unbequeme Einsicht im Zentrum: Nicht wie man die KI fragt entscheidet über die Qualität des Ergebnisses, sondern was man ihr als Arbeitsgrundlage gibt. Guten Kontext aber kann nur geben, wer das Thema selbst durchdrungen hat. Kontext ist damit kein Shortcut ums Denken herum, sondern setzt es voraus.

Damit dieser Anspruch nicht abstrakt bleibt, braucht es ein Modell, das zeigt, wie sich Kontext gezielt steuern lässt. Es besteht aus drei Wissensschichten, eingefasst in ein System. Keine Schicht ist neu erfunden: Das Modell führt etablierte Konstrukte zusammen und ergänzt die eine Ebene, die wirklich neu ist, das gezielte Steuern der KI-Erinnerung.

Der Text beschreibt das Modell von innen: woraus jede Schicht stammt, wie sie zusammengesetzt sind und warum die Kombination trägt.

Das Konstrukt

Das Modell besteht aus drei Schichten, die in einem System sitzen. Jede Information existiert genau einmal, jede Schicht hat eine klare Aufgabe.

Das System ist kein viertes Stockwerk an Wissen, sondern der Rahmen darüber. Es legt fest, wie die KI mit den Schichten umgeht: wer ich bin, wie ich arbeite, was sie darf und was nicht. Genau deshalb umschließt es die Schichten, statt sich danebenzustellen.

Woraus das Modell besteht

Keine der drei Schichten ist neu erfunden. Jede steht auf einem etablierten Konstrukt. Die Leistung liegt nicht in den Bauteilen, sondern in der Auswahl der richtigen und ihrer Fügung zu einem funktionierenden Ganzen. Hier werden die Modelle nur kurz vorgestellt, ausführlicher präsentiere ich sie und ihre Auswirkung auf die Zusammenarbeit mit KI in einem anderen Artikel.

Das Bemerkenswerte: Die Wissensmanagement-Klassiker und das junge KI-Feld kommen unabhängig zur fast gleichen Ordnung. Luhmann hatte keine drei Schichten, sein Zettelkasten lebt von Vernetzung. Forte ordnet nach Handlungsnähe, nicht nach Wissenstyp. Beide sind Verwandte des Grundgedankens, keine Blaupause. Die Zusammenführung zu genau diesen vier Ebenen, plus die Anwendung auf die Arbeit mit KI, hilft mir jeden Tag verlässlichere Ergebnisse in der Zusammenarbeit mit der KI zu erzielen.

Der eigentliche Hebel: die Erinnerung der KI steuern

Eine Taxonomie allein wäre nett, aber wirkungslos. Der Sinn des System-Rahmens ist Kontrolle. Dafür hilft ein Bild: Man kann sich das Gedächtnis einer KI als drei getrennte Speicher denken, die unterschiedlich zuverlässig arbeiten und auf die ich unterschiedlich viel Einfluss habe. Diese Dreiteilung ist eine Denkhilfe, keine Bauteilliste, aber sie deckt sich mit den Begriffen aus Anthropics Context Engineering: das Kontextfenster als Arbeitsgedächtnis der laufenden Aufgabe, das ich pro Aufgabe direkt fülle; die Memory-Dateien als dauerhaftes Langzeitgedächtnis über alle Sessions, das ich über den System-Rahmen forme; und das antrainierte Wissen aus den Modellgewichten als Rückfallebene, die sich meiner Steuerung entzieht. Zwei dieser Speicher steuere ich also aktiv, nur den dritten nicht.

Das Modell ist die Brücke zwischen den Schichten und diesen Speichern. Pro Aufgabe wandert gezielt die passende Schicht ins Arbeitsgedächtnis, statt alles auf einmal hineinzukippen. Der System-Rahmen wird einmal geschrieben, lädt sich ins Langzeitgedächtnis und gilt über alle Sessions.

Damit verschiebt sich die KI aus der Rolle der Erstquelle, in der sie erfindet, in die Rolle der Kritikerin für bereits erarbeitete Inhalte. Das ist der eigentliche Zweck des Konstrukts: nicht Wissen ordnen, damit es ordentlich aussieht, sondern gezielt bestimmen, was die KI für eine Aufgabe vor Augen hat und woraus sie ihre Antwort zieht.

Was das Modell in der Praxis leistet

Der Gewinn ist konkret und zeigt sich direkt im Arbeitsfluss.

Wenn du es selbst probieren willst

Du brauchst dafür kein großes Setup. Der kleinste Einstieg dauert zwei Minuten und besteht aus einem Schritt: Bevor du die KI etwas fragst, hältst du in drei kurzen Sätzen fest, wo du selbst stehst. Satz eins ist deine These. Satz zwei ist, was du zum Thema schon weißt. Satz drei ist, was dir noch fehlt. Diese drei Sätze sind dein Kontext. Du gibst sie der KI mit und bittest sie, deinen Gedanken zu schärfen, statt ihn für dich zu formulieren. So bringst du deinen eigenen Standpunkt ein und die KI arbeitet daran weiter, statt ihn zu ersetzen. Das ist die Identity-Schicht im Kleinen.

Wie ich das Ganze als persönliches System in Obsidian aufgebaut habe, mit Ordnern, READMEs und einer CLAUDE.md, habe ich Schritt für Schritt hier beschrieben: Mein Wissen hat eine Architektur. Und eine KI, die sie kennt.

Wo das Konstrukt ehrlich endet

Drei Grenzen, die ich offen halte. Erstens macht das Modell den Output besser, nicht wahrer und nicht zu meiner eigenen Leistung. Auch perfekt geerdete KI kann Kontext falsch deuten oder bei langem Input Teile davon verlieren, ein Effekt namens Context Rot. Prüfen bleibt Pflicht.

Zweitens wirken die Schichten nur, wenn sie gefüllt sind. Wer Knowledge und Identity nicht selbst erarbeitet hat, hat der KI nichts Gutes zu geben. Guten Kontext bauen und selbst denken sind dieselbe Handlung.

Drittens ist es eine Synthese, kein Beweis. Dass verschiedene Disziplinen bei derselben Ordnung landen, ist ein starkes Indiz dafür, dass die Ordnung trägt, aber kein Gesetz. Das Modell lässt sich im Gebrauch weiter verfeinern. Der Kern aber steht: drei Schichten, ein System, ein Zweck.