Wissensmanagement · Agentische KI · Obsidian

Wissensmanagement im Zeitalter agentischer KI

Mein Vault ist nicht nur ein Notizbuch. Er ist eine Kontext-Quelle, die KI-Agenten aktiv lesen, durchsuchen und erweitern.

Wissensgraph

Wissensmanagement im Zeitalter agentischer KI

Mein Vault ist mein zweites Gehirn: vernetztes Wissen, das heute nicht nur ich, sondern auch KI-Agenten durchsuchen, lesen und erweitern. Vom Zettelkasten zur Kontext-Quelle für jedes LLM.

Live: ein KI-Agent wandert durch den Graphen und beantwortet eine Abfrage.

Vom Zettelkasten zur Kontext-Quelle

Vier Entwicklungsstufen

1. Notizen

Atomare Markdown-Notizen mit eindeutigen IDs in Obsidian.

2. Verlinkung und MOCs

Wikilinks und Hub-Dateien machen das Wissen navigierbar.

3. Semantischer Index

fastembed und multilingual-MiniLM machen den Vault per Embedding durchsuchbar.

4. Agenten-Zugriff

MCP-Server verbinden Claude Code direkt mit dem Vault: lesen, schreiben, suchen.

Systemarchitektur

Der Loop

Obsidian Vault Skills + Memory MCP Tools Agent Claude Code Memory file-based Obsidian Vault Skills + Memory MCP Tools Agent Claude Code Memory file-based

Vault, Skills, MCP und Agenten bilden einen geschlossenen Kreislauf. Wissen fließt in beide Richtungen.

Bausteine

Mein Stack

Obsidian Vault

Atomare Notizen mit IDs und Wikilinks. Maschinenlesbar und gleichzeitig für Menschen navigierbar.

Semantische Suche

fastembed mit multilingual-MiniLM: der Vault als Vektordatenbank, ganz ohne externen API-Aufruf.

Obsidian Bases

Live-Dashboards direkt im Vault. Aufgaben, Projekte und Quellen per Frontmatter filtern.

NotebookLM

Thematische Notebooks als KI-Gesprächspartner für einzelne Wissensbereiche.

MCP-Server

obsidian-cli, NotebookLM und Firecrawl als MCP-Tools: Agenten greifen direkt auf Wissen und Web zu.

File-based Memory

Persistenter Speicher für KI-Agenten: Entscheidungen, Präferenzen und Projektkontext bleiben über Sessions erhalten.

graphify

Jede Eingabe wird zum Wissensgraph. Konzepte, Verbindungen und Strukturen visuell aufgebaut.

Wissensgraph

Prinzipien / Principles

01

Atomare Notizen und Verlinkung

Kleine, klar referenzierte Notizen ergeben eine maschinenlesbare Wissensstruktur.

02

MOCs und Hubs

Übersichtskarten führen Mensch und Agent gezielt durch das Wissen.

03

Semantische Suche

Embeddings machen den Vault zur durchsuchbaren Kontext-Quelle für LLM.

04

MCP und Subagenten

Agenten lesen und schreiben den Vault direkt, statt per Copy und Paste.

05

Persistenz und Memory

Agenten merken sich Entscheidungen und Kontext über Sessions hinaus.

06

Automatisierung

Wiederkehrende Aufgaben wie Changelogs, Suche und Indexierung laufen automatisch.

Nachbau

So fängst du an

Atomare Notizen einführen

Eine Notiz, ein Gedanke. Kurze, klar betitelte Dateien mit einem einzigen Thema.

IDs und Verlinkung

Jede Notiz bekommt eine eindeutige ID. Wikilinks verbinden verwandte Inhalte.

Hub-Dateien anlegen

Map-of-Content-Dateien geben Überblick über ein Themengebiet und helfen beim Navigieren.

Semantische Suche aktivieren

Ein Embedding-Plugin oder Skript macht den Vault per Bedeutung durchsuchbar.

KI anschließen

MCP-Server oder Plugin verbinden den Vault mit Claude oder einem anderen LLM.

KI-Coaching

Eigenes agentisches Wissenssystem aufbauen?

Im KI-Coaching entsteht dein Setup Schritt für Schritt. Von der ersten Notiz bis zum laufenden Agenten.