KI-Wissensspeicher anlegen: extern statt eingebaut

Ein Planungsbüro arbeitet seit Monaten mit ChatGPT, hat der KI in unzähligen Chats die eigenen Standards beigebracht, von Formulierungen über Prüfschritte bis zu den Ausnahmen für Sonderfälle. Dann wechselt das Büro auf ein anderes Werkzeug, und das gesammelte Wissen bleibt zurück, eingeschlossen in einem Verlauf, den niemand vollständig exportieren kann. Diese Abhängigkeit vermeiden Sie, wenn das Wissen von Anfang an außerhalb der KI-Software liegt, auf der eigenen Ablage, in einem Format, das jede KI lesen kann.

Was ein KI-Wissensspeicher ist

Ein KI-Wissensspeicher ist eine geordnete Sammlung von Textdateien auf Ihrer eigenen Infrastruktur, die eine KI bei Bedarf liest. Darin steht das, was Ihre Mitarbeiter sonst im Kopf haben oder in verstreuten Dokumenten suchen. Wie Sie Angebote schreiben, welche Formulierungen Sie vermeiden, in welcher Reihenfolge ein Vorgang geprüft wird, welche rechtlichen Grenzen gelten.

Tippen Sie Ihr Wissen in den Verlauf von ChatGPT oder Claude, liegt es danach im System eines einzelnen Anbieters. Speichern Sie es als Dateien auf dem eigenen Server, behalten Sie es selbst in der Hand. Die KI greift darauf zu, wenn sie es braucht, mehr nicht.

Praktisch besteht so ein Speicher aus zwei Arten von Inhalten. Reine Wissensdokumente beschreiben Sachverhalte, etwa eine Wartungsanleitung oder eine Liste interner Abkürzungen. Skills beschreiben Abläufe, also wie eine bestimmte Aufgabe Schritt für Schritt erledigt wird. Beides sind einfache Textdateien, die dieselbe KI liest.

Warum der Speicher außerhalb der KI-Software liegen sollte

Seit Dezember 2025 gibt es für den Ablauf-Teil einen gemeinsamen Standard. Anthropic hat mit den sogenannten Agent Skills ein offenes Format veröffentlicht, eine Datei namens SKILL.md mit kurzer Beschreibung und Anleitung. Innerhalb weniger Monate haben es konkurrierende Anbieter übernommen. Bis März 2026 unterstützten laut Anthropic 32 Werkzeuge dieses Format, darunter Claude Code, OpenAI Codex und OpenCode (Quelle: Agent Skills Specification, anthropics/skills auf GitHub).

Für ein Unternehmen heißt das, eine einmal geschriebene Anleitung läuft über Anbietergrenzen hinweg. Wechseln Sie die KI, bleibt die Wissensbasis bestehen. Der KI-Forscher Andrej Karpathy hat dasselbe Prinzip Anfang 2026 unter dem Namen LLM-Wiki beschrieben, eine Sammlung aus Markdown-Dateien, die eine KI selbst pflegt und verknüpft (Quelle: VentureBeat, AI Critique, Mai 2026). Der gemeinsame Nenner ist immer dasselbe schlichte Format, das auch ohne KI lesbar bleibt. Warum Markdown dafür die richtige Wahl ist, haben wir an anderer Stelle ausführlich beschrieben.

Wissen in der KI-Software

Liegt im Verlauf oder Projektordner eines Anbieters. Solche Inhalte lassen sich schwer exportieren und gehen beim Werkzeugwechsel verloren, außerdem binden sie an die Preise und Bedingungen des Anbieters. Niemand sieht auf einen Blick, was die KI eigentlich weiß.

Wissen in der eigenen Ablage

Liegt als Dateien auf Ihrem Server. Jede KI darf darauf zugreifen, der Bestand bleibt auch ohne KI lesbar und durchsuchbar. Sie sehen jede Datei und sichern sie mit, die Kontrolle bleibt bei Ihnen.

Ein zweiter Vorteil betrifft den Datenschutz. Liegt der Speicher im eigenen Unternehmen, können Sie eine lokale KI darauf ansetzen, sodass Ihre Unterlagen den Betrieb nie verlassen. Für sensible Branchen wie Steuerkanzleien, Praxen oder die Produktion ist das oft die Bedingung dafür, KI überhaupt einsetzen zu dürfen.

Der Aufbau in der Praxis

Der Einstieg braucht keine Software-Anschaffung. Sie brauchen einen Ort, an dem die Dateien liegen, eine grobe Ordnung und eine Person, die sich verantwortlich fühlt. Wir empfehlen, mit einem einzigen, klar abgegrenzten Bereich zu beginnen, etwa der Angebotserstellung, und ihn vollständig abzubilden, bevor der nächste Bereich dazukommt.

Schritt für Schritt:

• 1. Ort festlegen. Ein Ordner auf dem Fileserver oder in einer selbst betriebenen Ablage wie Nextcloud. Kein Cloud-Dienst, dessen Inhalte Sie nicht kontrollieren.
• 2. Struktur anlegen. Wenige Themenordner und eine Übersichtsdatei, die auflistet, was wo liegt. Diese eine Indexdatei liest die KI zuerst.
• 3. Mit einem Bereich starten. Eine Aufgabe vollständig beschreiben, statt 20 Bereiche halb.
• 4. Format vereinheitlichen. Alles als Markdown, damit jede KI und jeder Mensch es ohne Zusatzsoftware lesen kann.
• 5. Pflege regeln. Festlegen, wer Inhalte ändern darf und wie oft sie geprüft werden.

Als Oberfläche für die tägliche Arbeit empfehlen wir Obsidian, das genau diese Markdown-Dateien anzeigt und untereinander verlinkt. Wir selbst verwalten unser komplettes Firmenwissen damit. Die Dateien bleiben dabei einfache Textdateien im Ordner. Fällt das Programm weg, bleibt der Inhalt erhalten.

Ein solcher Speicher (in Obsidian Vault genannt) sieht für einen Maschinenbaubetrieb zum Beispiel so aus.

Themenordner für Angebote, Konstruktion, Wartung und Skills, dazu eine geöffnete Wartungsanleitung mit Verweisen auf verknüpfte Notizen.

Eine einheitliche Skill-Struktur zahlt sich aus

Sobald mehrere Personen Anleitungen beisteuern, entscheidet die Struktur darüber, ob der Speicher nützlich bleibt oder im Chaos endet. Wenn jeder Skill gleich aufgebaut ist, kurze Beschreibung oben, klare Schritte darunter, findet die KI verlässlich den passenden, und Mitarbeiter müssen nicht raten, wie eine neue Anleitung auszusehen hat. Was ein einzelner Skill ist und wie Sie den ersten anlegen, beschreibt unser Leitfaden zu Skills.

Der eigentliche Gewinn entsteht im Zusammenspiel. Skills können aufeinander verweisen, sodass die KI Wissen aus mehreren Bereichen gleichzeitig heranzieht. Ein Finanzdaten-Unternehmen hat öffentlich beschrieben, wie es auf diese Weise eine firmenweite Wissensebene aufgebaut hat. Fachleute schreiben ihr Wissen einmal als Skill nieder, und die KI wendet es danach in jedem passenden Vorgang an, auch bei Kollegen aus anderen Abteilungen (Quelle: Hedgineer, 2026). Eine Mitarbeiterin profitiert so von einer Anleitung, von deren Existenz sie nichts weiß.

Die häufigsten Fallstricke

Die meisten Probleme sind organisatorischer Natur. An der Technik scheitert ein Wissensspeicher selten. Ein Speicher, den niemand pflegt, veraltet schneller, als er Nutzen stiftet, und eine KI, die mit falschen Standards arbeitet, richtet mehr Schaden an als gar keine.

Worauf Sie achten sollten:

• → Alles auf einmal erfassen wollen. Ein riesiger Berg unsortierter Dateien hilft niemandem. Lieber ein Bereich vollständig als 10 angefangen.
• → Kein klarer Verantwortlicher. Ohne eine zuständige Person verwaist der Speicher innerhalb weniger Monate.
• → Format-Wildwuchs. PDF, Word, Screenshots und Textdateien durcheinander zwingen die KI zu Mehrarbeit und liefern schlechtere Ergebnisse.
• → Sensible Daten ohne Prüfung. Personenbezogene oder vertrauliche Inhalte gehören nur dann in den Speicher, wenn der Zugriff geregelt ist.
• → Veraltete Inhalte. Eine alte Preisliste oder ein überholter Prüfschritt führt die KI verlässlich in die Irre.

Wie Sie verhindern, dass Wissen versehentlich gelöscht wird

Sobald mehrere Personen Zugriff haben, ist die Sorge berechtigt, dass ein Kollege eine Datei überschreibt oder löscht. Gegen genau dieses Risiko gibt es bewährte Mittel, und keines davon ist kompliziert. Wichtig ist, dass Sie mindestens 2 davon kombinieren, damit ein einzelner Fehler nie das ganze Wissen kostet.

Versionsverlauf

Eine Versionsverwaltung wie Git oder der Versionsverlauf von Nextcloud speichert jeden Stand. Eine gelöschte oder falsch geänderte Datei holen Sie mit wenigen Klicks zurück.

Schreibrechte einschränken

Die meisten Mitarbeiter brauchen nur Lesezugriff. Ändern dürfen den Speicher nur wenige Personen. Das verhindert die häufigste Ursache versehentlicher Löschung.

Regelmäßige Sicherung

Nach der 3-2-1-Regel halten Sie 3 Kopien auf 2 Medien, eine davon an einem anderen Standort. So übersteht der Speicher auch einen Hardware-Ausfall.

KI nur lesend zugreifen lassen

Soll die KI Inhalte vorschlagen, prüft ein Mensch sie vor dem Speichern. Eine KI mit Schreibrecht auf den ganzen Bestand ist ein vermeidbares Risiko.

Wer den Speicher in Git führt, bekommt diesen Schutz nebenbei. In Git bleibt jede Änderung nachvollziehbar und jeder frühere Stand wiederherstellbar. Zwei Personen können dieselbe Datei bearbeiten, ohne sich gegenseitig zu überschreiben. Das klingt nach Entwicklerwerkzeug, läuft im Hintergrund aber unauffällig.

Welche Alternativen sich anbieten

Der dateibasierte Speicher ist nicht für jeden Zweck die beste Wahl. Bei sehr großen Beständen, etwa hunderttausenden Dokumenten, kommt ein RAG-System ins Spiel, das Inhalte über eine semantische Suche findet. Wie Sie Ihrer KI auf diesem Weg Firmenwissen beibringen, beschreibt unser Beitrag zu RAG. Für reine Textsammlungen im überschaubaren Rahmen bleibt der einfache Dateispeicher meist die zuverlässigere und günstigere Lösung.

Ein Werkzeug wie Notion liefert eine bequeme Oberfläche, hält Ihre Inhalte aber hinter der Schnittstelle und dem Rechtemodell eines Anbieters. Verschwindet der Dienst oder ändert er seine Preise, sitzen Sie an der Migration. Eine Vektordatenbank lohnt sich erst, wenn die semantische Suche über große Mengen wirklich gebraucht wird, und für Scans und Belege ist ein Dokumentenmanagement wie Paperless der passendere Ort als der Wissensspeicher.

Am Ende läuft die Entscheidung auf eine einzige Frage hinaus, wem das Wissen gehören soll. Wer es in die eigene Dateistruktur legt, behält die Kontrolle über sein Erfahrungswissen, statt es einem Anbieter zu überlassen.