Systemlabor / KnowledgeOS
Eine Notizsammlung weiß, was einmal aufgeschrieben wurde. Eine Aufgabenliste weiß, was als Nächstes ansteht. KnowledgeOS verbindet beides: Arbeit beginnt mit dem richtigen Kontext — und ihr Ergebnis verbessert das Wissen für die nächste Entscheidung.
Das Problem
In wachsenden Wissenssystemen gehen nicht nur Dateien verloren. Es wird unklar, welche Aussage noch gilt, worauf sie beruht, welche Entscheidung davon abhängt und ob aus einer Erkenntnis jemals eine Aufgabe wurde. Getrennte Aufgabenlisten lösen das nicht: Dort bleibt oft das Was, aber das Warum verschwindet.
Mit KI wird dieses Problem größer, nicht kleiner. Ein Agent kann veralteten Kontext sehr schnell weiterverarbeiten. Deshalb braucht er nicht nur Zugriff auf viele Dokumente, sondern klare Quellen, Grenzen, Zuständigkeiten und überprüfbare Übergaben.
Was das ist
Was das nicht ist
01 / Zwei verbundene Kreisläufe
KnowledgeOS führt deshalb zwei unterschiedliche Kreisläufe zusammen, ohne sie zu vermischen. Der Wissenskreislauf macht Erkenntnisse belastbarer. Der Aufgabenkreislauf macht daraus überprüfbare Arbeit.
Wissenskreislauf
Recherchen, Belege, Entscheidungen und Erfahrungen bekommen einen definierten Inhaltstyp, eine Quelle und eine Heimat.
Einzelfunde werden zu Synthesen und belastbaren Mustern. Herkunft und Gegenbelege bleiben sichtbar, statt in der Zusammenfassung zu verschwinden.
Das verdichtete Wissen fließt in Strategien, Modelle, Entscheidungen und den Kontext für die nächste Arbeit zurück.
Aufgabenkreislauf
Eine Idee ist noch keine Aufgabe. Erst klar umrissene Arbeit mit Ergebnis und Prüfkriterien kommt in den Backlog; Kleinkram bleibt bewusst leichtgewichtig.
Die jeweilige Aufgabe ist der gültige Arbeitsauftrag. Ein daraus abgeleiteter Gesamtindex macht Priorität, Abhängigkeiten, Zeitbedarf und notwendige menschliche Entscheidungen bereichsübergreifend sichtbar.
Beim Start werden die Aufgabe, relevante Quellen, Entscheidungen, Bereichsregeln und der aktuelle technische Stand gemeinsam geladen.
Prüfkriterien, Status und Dokumentation werden abgeglichen. Neue Erkenntnisse landen im Wissenssystem; offene Punkte gehen zurück in die Planung.
02 / Das Zusammenspiel
Quellen · Entscheidungen · Regeln
Ziel · Kontext · Prüfkriterien
Artefakt · Nachweis · offene Fragen
Wissen · Status · nächste Priorität
Konkret heißt das: Beim Start einer größeren Aufgabe werden nicht wahllos tausende Dateien geladen, sondern der zuständige Bereich, verknüpfte Quellen, geltende Entscheidungen und der aktuelle Stand. Beim Abschluss werden Ergebnis, Status, Dokumentation und mögliche Folgearbeit abgeglichen. Was neu gelernt wurde, bleibt damit nicht im Chat oder im Kopf hängen.
03 / Qualität statt Dateimenge
Jeder strukturierte Inhalt folgt einem Schema: Pflichtfelder, erlaubte Werte, Beziehungen und Lebenszyklus. Validatoren suchen unter anderem nach fehlenden Angaben, kaputten Links, veralteten Pfaden sowie widersprüchlichen Registrierungen und Hierarchien. Sie prüfen keine inhaltliche Wahrheit — aber sie verhindern, dass formale Drift still zur neuen Wahrheit wird.
Übersichten und Indizes werden möglichst aus der zuständigen Quelle erzeugt, statt dieselbe Aussage mehrfach von Hand zu pflegen.
Synthesen verdrängen ihre Quellen nicht. Aussagen, Gegenbelege und spätere Korrekturen bleiben rückverfolgbar.
Große Vorhaben bekommen Struktur und Prüfkriterien. Kleine Betriebsnotizen bleiben klein, bis sie echte Arbeit auslösen.
04 / Agenten & Grenzen
Agenten helfen bei Recherche, Synthese, Entwürfen und adversarialer Prüfung. Ihre Ergebnisse sind Vorschläge mit Quellen und Unsicherheit — keine automatisch gültige Wahrheit.
Pflichtfelder, Verlinkungen, Dateipfade, Registrierungen und Hierarchien werden deterministisch geprüft. Gleiche Eingabe, gleiches Ergebnis.
Prioritäten, Zielkonflikte, Freigaben und Veröffentlichungen bleiben bewusste Entscheidungen. Das System bereitet sie vor und hält ihre Folgen fest.
05 / Aktueller Stand
Im täglichen Betrieb stehen die Kernteile: strukturierte Dokumenttypen, bereichsübergreifende Wissensverknüpfung, ein zentraler Aufgaben- und Sprint-Lebenszyklus, wiederverwendbare Arbeitsabläufe und eine breite Validator-Schicht.
Noch im Ausbau sind die bessere Leseroberfläche, belastbare Messung der tatsächlichen Wissensnutzung und der konsequente Weg von Zusammenfassungen zu langlebigen Modellen. Die heutige Oberfläche bleibt deshalb ein privater Vault mit Cockpits — kein öffentliches Dashboard und kein verkaufsfertiges System.
Obsidian ist dabei die heutige Arbeitsoberfläche, nicht das eigentliche System. Dessen Verträge liegen in Klartextdateien, Schemas, Beziehungen und ausführbaren Arbeitsabläufen — und bleiben dadurch nachvollziehbar, statt in einer einzelnen Anwendung oder einem KI-Modell zu verschwinden.
KnowledgeOS-Grundlagen
Die Systemseite erklärt den stabilen Rahmen. Die aufeinander aufbauende Blogreihe zeigt Probleme, Prinzipien und konkrete Strukturarbeit. Hier stehen jeweils die drei neuesten veröffentlichten Teile.
Warum Menschen, KI-Agenten und wechselnde Werkzeuge eine benannte gültige Quelle brauchen — und weshalb eine SSoT keine riesige Masterdatei sein sollte.
Teil 3Wie Schemas, Einstiegsdateien, Standards und eine Context Ladder aus einem Ordnerbestand einen verlässlichen Arbeitsraum für Menschen und KI-Agenten machen.
Teil 4Warum Wissenssystem und Aufgabenliste getrennt bleiben müssen, damit KI-Agenten mit gültigem Kontext starten und Ergebnisse nicht im Chatverlauf verschwinden.
Weiterlesen
Das Labor zeigt Systeme im Querschnitt. Im Blog stehen die einzelnen Bauentscheidungen; unter Analysen zeigt der Unternehmenskompass, was daraus für Unternehmen folgt.
