KI-Wissensbasis aufbauen: die drei Ebenen und die Regeln dazu

Was eine KI wissen muss, bevor sie für dich schreibt

Eine KI braucht denselben Kontext wie ein guter Marketer: Unternehmen, Angebot, Zielgruppen, Positionierung, die Probleme der Kunden. Ob sie diesen Kontext bekommt, hängt nicht an der Menge der hochgeladenen Dateien. Es hängt daran, wie das Wissen sortiert, gekennzeichnet und auffindbar ist.

Der Vergleich, der am besten passt, ist ein neuer Mitarbeiter in seiner ersten Woche. Du würdest ihn nicht am ersten Tag hinsetzen und sagen: Schreib mal einen Fachartikel über unser Produkt. Bei einer KI machen das viele trotzdem.

Damit sind wir beim häufigsten Vorwurf. KI schreibe generische Texte, nichtssagend und austauschbar. Das stimmt oft. Und meistens liegt es daran, dass sie nichts Konkretes weiß. Je besser sie im Thema steht, desto weniger musst du nacharbeiten.

„Wir laden einfach unsere Unterlagen hoch, dann kennt die KI unser Unternehmen.“ Der Satz fällt oft, und er kommt nicht von ungefähr: für eine einzelne Aufgabe funktioniert das. Drei PDFs in einen Chat, Frage stellen, brauchbares Ergebnis.

Nur hält das nicht. Sobald mehrere Leute damit arbeiten, lädt jeder eine andere Auswahl hoch. Die eine Fassung der Positionierung steht in einer Präsentation von vor zwei Jahren, die andere in einem frisch geschriebenen Angebot. Die KI sieht den Dateien nicht an, welche gilt. Sie nimmt beide.

Deshalb liegt das Wissen in drei Ebenen.

Drei Grundprinzipien: pflegbar, einordenbar, reduziert

Diese drei Prinzipien entscheiden, ob die Struktur nach einem halben Jahr noch stimmt oder ob sie dann dasselbe Durcheinander ist wie der Ordner davor.

Ein Gedanke steht an genau einer Stelle

Steht dieselbe Aussage in vier Dokumenten, pflegst du sie beim nächsten Mal in dreien – und im vierten steht weiter die alte Fassung. Wird ein Gedanke an mehreren Stellen gebraucht, verweisen die Dokumente aufeinander, statt ihn zu wiederholen.

Dazu gehört die zweite Hälfte der Regel: Änderungen passieren an einer definierten Stelle. Wer etwas aktualisiert, muss vorher wissen, in welchem Dokument.

Jedes Dokument sagt, wie belastbar es ist

Die KI sieht einem Text nicht an, ob er freigegeben oder hingeworfen ist. Deshalb bekommt jedes zentrale Dokument einen kurzen Kopf:

• Zweck: wofür das Dokument da ist und was es abdeckt
• Status: freigegeben, in Prüfung, Entwurf oder veraltet
• Letzte Aktualisierung: Datum der letzten inhaltlichen Änderung
• Verantwortung: Person oder Rolle, die es pflegt
• Herkunft: woher die Informationen stammen

In unserer eigenen Wissensbasis bei Phocus Direct stehen zwei Datumsangaben im Kopf: der letzte vollständige Abgleich und die letzte Änderung. Die zweite ziehe ich bei jeder Kleinigkeit nach, die erste nur, wenn wirklich alle Dateien geprüft wurden. Sonst behauptet die Wissensbasis Aktualität für Dateien, die seit Monaten niemand angesehen hat.

Weniger Text führt zu besseren Ergebnissen

Die KI soll nicht bei jeder Aufgabe entscheiden müssen, welches Dokument zählt. Je mehr Text sie durchsehen muss, desto eher greift sie daneben. Gebündeltes Wissen ist dreifach im Vorteil: die Ergebnisse werden besser, die Verarbeitung geht schneller, und sie verbraucht weniger Rechenzeit.

Deshalb ist nicht alles gleichrangig. Zentrales Wissen wird aufbereitet. Ergänzendes Material bleibt liegen, wie es ist.

Wie ein Platzhalter zur Kernbotschaft wird

Wie wichtig der zweite Punkt ist, habe ich an einem eigenen Projekt gelernt.

Ich wollte eine Landingpage zu einem Thema bauen, für das es noch keine aufbereitete Dokumentation gab. Vorhanden waren Notizen und Unterlagen, die ich mir von der KI hatte zusammenfassen lassen. Gelesen und korrigiert hatte ich diese Zusammenfassungen nicht.

Ganz am Anfang habe ich mir eine grobe Fassung der Seite bauen lassen – nur, um zu sehen, welche Textbausteine überhaupt hineingehören. Sie kam mit Platzhaltertexten zurück, darunter eine Hauptüberschrift. Strategische Vorgaben gab es zu dem Zeitpunkt noch nicht. Die Überschrift war einfach irgendeine Aussage.

Dann habe ich Schritt für Schritt am Konzept gearbeitet. Nach einer Weile stand darin als Kernbotschaft etwas, das ich so nie sagen wollte und das nicht zur Strategie passte. Ich habe die KI gefragt, woher sie das hat. Antwort: aus der Platzhalter-Seite von ganz am Anfang.

Weil die Aussage dort als Hauptüberschrift stand, hatte die KI sie als gesetzt behandelt und das ganze Konzept davon abgeleitet. In keinem Briefing und in keinem Dokument kam diese Botschaft vor.

Zwei Dinge sind daran lehrreich. Die KI behandelt alles in ihrem Kontext als Information. Sie unterscheidet nicht zwischen einem Entwurf von vor zehn Minuten und einer Positionierung, an der mehrere Leute gearbeitet haben. Und sie gewichtet nach Form: Was als Hauptüberschrift dasteht, wirkt wichtig.

Dazu kommt der zweite Sprung. Aus einzelnen Formulierungen leitet sie gern allgemeine Regeln ab. Ein Satz wird zum Muster, ein Beispiel zur Zusage.

Ebene 1: Das Überblicksdokument ist die Wissenslandkarte

Die erste Ebene ist ein kompaktes Dokument mit dem Grundwissen. Es ist der Einstiegspunkt, den die KI bei jeder Aufgabe liest.

Hinein gehört der Kontext, der unabhängig von der konkreten Aufgabe gilt:

• Wer das Unternehmen ist: Größe, Standorte, Struktur
• Was es anbietet: Leistungsbereiche, Produkte, Services
• Wofür es steht: Positionierung, Werte, Alleinstellung
• An wen es verkauft: Zielbranchen, Zielunternehmen, Entscheider
• Welche Probleme es löst: die Aufgaben, an denen Kunden hängen
• Welche Detaildokumente es gibt: der Verweis auf jede weitere Datei

Zu jedem Punkt darf schon eine knappe Einordnung stehen, wenn sie für viele Aufgaben gebraucht wird. Ein Produkt bekommt einen Satz zu seiner Funktion. Eine Persona bekommt Rolle im Kaufprozess, Aufgaben und typische Probleme. Mehr nicht. Die Tiefe liegt eine Ebene darunter.

Der zweite Teil jedes Abschnitts ist der Verweis auf das Dokument mit den Details. Diese Verweise zusammen sind die Wissenslandkarte. Sie sorgt dafür, dass die KI nicht suchen muss – und dass sie merkt, wenn zu einem Thema nichts da ist.

Eine Regel dazu ist wichtiger, als sie klingt: Es gibt genau eine verbindliche Übersicht. Sobald es zwei gibt, hast du zwei Wahrheiten.

Ebene 2: Ein Detaildokument je Thema

Auf der zweiten Ebene liegt das Wissen, das ein Thema vertieft. Jedes Dokument hat genau einen Gegenstand: eine Persona, eine Branche, eine Produktgruppe, einen Servicebereich. Sammeldokumente mit fünf Themen zwingen die KI dazu, jedes Mal das Passende herauszusuchen.

Dokumente derselben Art bekommen denselben Aufbau. Wenn alle Persona-Dokumente dieselben Abschnitte in derselben Reihenfolge haben, steht die Rolle im Kaufprozess immer an derselben Stelle. Nicht jedes Dokument muss gleich ausführlich sein. Es muss nur gleich gebaut sein.

Eine Unterscheidung, die ich erst spät sauber hinbekommen habe: In ein Wissensdokument gehören Fakten, keine Arbeitsanweisungen. Eine Anweisung gehört nur dann hinein, wenn sie unmittelbar aus einem Fakt folgt und ohne ihn gegenstandslos wäre – „interne Preise nicht ohne Freigabe extern verwenden“ zum Beispiel. Alles, was du auch ohne diese Fakten formulieren könntest, gehört in die Arbeitsanweisung für die Aufgabe. Sonst steht dieselbe Regel bald an zwei Stellen, und beide altern getrennt.

Nicht alles, was vorhanden ist, gehört auf diese Ebene. Draußen bleiben:

• doppelte Inhalte in mehreren Fassungen
• veraltete Unterlagen ohne Kennzeichnung
• Annahmen und Behauptungen ohne Freigabe
• werbliche Aussagen ohne Fakten dahinter
• Einzelfälle ohne allgemeine Aussage
• personenbezogene und vertrauliche Daten ohne geklärte Freigabe

Was davon vorübergehend gebraucht wird, kommt mit sichtbarer Kennzeichnung hinein: Status „Entwurf“ oder „ungeprüft“.

Was das im Alltag ändert

In einem Kundenprojekt pflege ich diese Dokumentation seit über einem Jahr. Nicht als Ablage, sondern kuratiert: Was hineinkommt, wird eingeordnet, geprüft und an der richtigen Stelle abgelegt.

Der Unterschied zeigt sich an einer Aufgabe wie dieser: „Ich brauche eine Landingpage zum Thema X für Persona A.“ Was zurückkommt, ist ein Konzept samt Texten, das grob geschätzt zu neunzig Prozent steht. Ich ändere kaum noch etwas. Das liegt an den Ebenen 1 und 2: Die KI weiß, wer Persona A ist, was das Angebot kann und wie darüber gesprochen wird.

Ebene 3: Archive für alles, was selten gebraucht wird

Die dritte Ebene ist unaufbereitet. Dort liegt, was du gelegentlich brauchst und nicht pflegen willst: Pressemitteilungen, Blogartikel, Case Studies, Kundenzeitschriften, Vertriebspräsentationen, technische Unterlagen, Gesprächstranskripte.

Diese Bestände sind kein Kernwissen. Sie sind die Recherchebasis für den Fall, dass eine Aufgabe etwas braucht, das in den Ebenen 1 und 2 nicht steht. Genau so werden sie auch gelesen: gezielt und auf Aufforderung.

Der praktische Vorteil: Du musst nichts wegwerfen und nichts aufbereiten, bevor du anfängst. Das Material liegt da, wo es hingehört, und verwässert das Kernwissen nicht.

Nicht jede Angabe hat dasselbe Gewicht

Ein sauber sortiertes Dokument reicht noch nicht. Auch innerhalb eines Dokuments steht Verschiedenes nebeneinander: harte Fakten, Einschätzungen, Zahlen von vor einem Jahr, Dinge, die beschlossen, aber noch nicht umgesetzt sind. Die KI liest das alles gleich, solange du es nicht kennzeichnest.

Deshalb bekommt jede Angabe einen Typ. Diese sieben haben sich bei mir bewährt:

• Fakt: verbindliche Angabe zum dokumentierten Stand
• Soll-Zustand: beschlossen, aber noch nicht umgesetzt, nie als Beschreibung des Ist-Zustands verwendbar
• Kennzahl: Momentaufnahme mit Stand, nicht als heutiger Wert zitierbar
• Einschätzung: Vorschlag oder Bewertung, noch nicht entschieden
• Muster: typische Probleme einer Zielgruppe, keine Aussage über einen konkreten Kunden
• Intern: nur nach ausdrücklicher Freigabe nach außen
• Lücke: eine bewusst offene Stelle, markiert mit [offen]

Der letzte Punkt ist der unterschätzte. Eine markierte Lücke ist mehr wert als ein schnell geschriebener Absatz, den niemand geprüft hat. Sie sagt der KI: Hier nicht raten, hier nachfragen.

Zwei Regeln gehören dazu. Jede Zahl bekommt einen Stand, entweder am Wert oder für den ganzen Abschnitt. Und aus Beispielen, Einzelfällen und typischen Problemen werden keine allgemeinen Zusagen abgeleitet. Genau dieser Sprung war es, der bei mir aus einer Platzhalter-Überschrift eine Kernbotschaft gemacht hat.

Ohne Zugriffsregeln bringt die Struktur nichts

Die Struktur wirkt erst, wenn irgendwo steht, wie die KI sie benutzt. Diese Regeln gehören dauerhaft hinterlegt, in der Projektanweisung oder im Wissensordner selbst. In den einzelnen Prompt gehören sie nicht.

Die erste Regel ist die Reihenfolge. Zuerst das Überblicksdokument lesen. Danach nur die Detaildokumente hinzuziehen, die zur Aufgabe gehören. Die Archive bleiben zu, bis jemand ausdrücklich danach fragt.

Damit das funktioniert, steht bei jedem Dokument die Situation, in der es gelesen wird. Dazu die Stichworte, an denen diese Situation erkennbar ist. Bei mir gilt dazu ein harter Satz: Was in dieser Liste nicht vorkommt, wird nicht gelesen. Das klingt streng und verhindert den Fall, dass ein Dokument jahrelang im Ordner liegt und niemandem auffällt, dass die KI es nie geöffnet hat.

Die zweite Regel betrifft Lücken. Wenn die Wissenslandkarte zu einem Thema kein Detaildokument verzeichnet, weiß die KI das. Dann prüft sie die Archive, kennzeichnet Gefundenes als ungesichert und fragt dich, statt die Lücke selbst zu füllen.

Der zweite Teil ist der Vorrang der Quellen. Widersprechen sich zwei Angaben, soll die KI sie nicht vermischen, sondern der höher stehenden folgen:

1. freigegebene Kerndokumente
2. freigegebene Detaildokumente
3. benannte und datierte Primärquellen, etwa ein hochgeladenes Transkript
4. ergänzende Archive
5. ältere Präsentationen und sonstige Sekundärmaterialien

Bei einem echten Widerspruch entscheidet die KI nicht selbst, sie sagt ihn an. Das gilt auch für Angaben aus dem Chat. Sagst du im Gespräch etwas, das den Dokumenten widerspricht, fragt das Modell nach. Es klärt, welche Angabe für diese Aufgabe gilt.

Der dritte Teil betrifft das Alter. Zeitabhängige Angaben wie Preise, Mitarbeiterzahlen oder Softwareversionen gelten nur zum dokumentierten Stand. Bei mir steht dazu eine Alterungsregel in den Anweisungen: Liegt der Stand einer verwendeten Zahl mehr als ein Jahr zurück, spricht die KI das einmal an und arbeitet weiter. Das reicht, damit keine alte Zahl unbemerkt in ein Angebot wandert.

Sprache und Format: knapp, eindeutig, als Text

Wissen für die KI wird anders geschrieben als Wissen für Menschen. Es darf trocken sein. Es muss eindeutig sein.

• So kurz wie möglich, so ausführlich wie nötig: Stichpunkte schlagen ausformulierte Absätze
• Gleiche Dinge immer gleich benennen: ein Begriff je Sache, durchgehend
• Interne Begriffe, Produktnamen und Abkürzungen zentral in einem Glossar erklären
• Fakten neutral beschreiben: keine werblichen Formulierungen, die die KI später als Zusage liest
• Für die Ebenen 1 und 2 Textformate nutzen: Word oder Markdown

Der letzte Punkt spart am meisten Arbeit. Wenn Informationen regelmäßig aus PowerPoint-Folien oder gestalteten PDFs geholt werden müssen, gehören sie in ein Textdokument überführt. Wichtige Grafiken legst du einzeln daneben. Eine gestaltete Folie zu verarbeiten kostet ein Sprachmodell deutlich mehr als sauberer Text, und das Ergebnis ist schlechter.

Die Pflegeregeln gehören in die Wissensbasis hinein

Eine Wissensbasis, die niemand pflegt, ist nach einem halben Jahr eine Sammlung alter Behauptungen. Den Teil habe ich am längsten unterschätzt: Die Regeln für das Pflegen gehören mit hinein, als eigenes Dokument.

Darin steht, was bei einer Änderung zu tun ist. Wo die Angabe hingehört und welchen Typ sie bekommt. Ob sie schon woanders steht oder einer bestehenden Angabe widerspricht. Dass das Datum nachgezogen wird. Am Ende eine kurze Liste zum Abhaken. Der wichtigste Haken darin lautet: offene Klärungspunkte benannt statt still entschieden.

Der Nutzen zeigt sich beim Pflegen selbst. Ich sage in einem neuen Chat „nimm diese Änderung in die Wissensbasis auf“ und gebe den Text mit. Die KI liest die Pflegeregeln, sucht den richtigen Ort, prüft gegen den Bestand und zieht Verweise und Datum nach. Das dauert ein paar Minuten. Und genau deshalb passiert es überhaupt.

Wo das an Grenzen stößt

Zwei Einschränkungen.

Die erste ist rechtlich und organisatorisch. Nicht jede intern verfügbare Information darf in ein KI-System. Vor der Ablage gehört geklärt:

• ob personenbezogene Daten enthalten sind
• ob vertrauliche Kunden- oder Unternehmensinformationen betroffen sind
• ob die Inhalte als intern, vertraulich oder extern gekennzeichnet sind
• ob für fremdes Material die Nutzungsrechte vorliegen
• ob Transkripte, CRM-Inhalte und Angebote so verwendet werden dürfen

Was sensibel ist und trotzdem gebraucht wird, kommt nur mit klarer Freigabe hinein und so sparsam wie möglich. Dazu kommt eine Unterscheidung, die im Alltag oft untergeht: Wissen in der Basis heißt nicht Freigabe nach außen. Bei uns steht deshalb an jeder internen Angabe eine Markierung, die sagt, dass sie nicht in einen veröffentlichten Text gehört. Welche Regeln bei euch gelten, klärst du mit der Stelle, die dafür zuständig ist – ich bin kein Jurist.

Die zweite Einschränkung ist der Aufwand. Für eine einzelne Aufgabe, die du einmal machst, lohnt der Aufbau nicht. Da lädst du die drei relevanten Dateien hoch und bist fertig. Es rechnet sich ab dem Punkt, an dem du dieselbe Sorte Aufgabe wiederholt bearbeitest oder mehrere Leute mit demselben Wissen arbeiten sollen. Im zweiten Fall ist es die Voraussetzung dafür, dass die Ergebnisse überhaupt zusammenpassen.

So fängst du an, ohne vorher alles zu dokumentieren

Der häufigste Fehler beim Start ist, erst alles dokumentieren zu wollen. Dann passiert nichts. Die Wissensbasis funktioniert auch unvollständig, solange die Lücken eingetragen sind.

Nach den ersten beiden Schritten weiß die KI, was sie nicht weiß. Das allein ändert die Ergebnisse mehr, als der Aufwand vermuten lässt.

Wie ich sonst mit KI arbeite und was sich in Projekten bewährt hat, steht unter Über mich.

Häufige Fragen