Webinar · Teil 2
HAUS
ORDNUNG
Während wir auf die anderen Teilnehmer warten, gibt es einige Regeln und Hinweise, die zu beachten sind.
Schalten Sie die Kamera und das Mikrofon aus.
Gerne können Sie Ihre Fragen in das Chatfeld eingeben.
Im Anschluss an die Präsentation findet eine Fragerunde statt.
Die Präsentation wird aufgezeichnet.
Verbot von eigenen Aufzeichnungen:
Das Anfertigen von Aufzeichnungen jeglicher Art ist nicht gestattet. Dies dient dem Schutz des geistigen Eigentums und der Wahrung der Privatsphäre aller Anwesenden.
AllBytes GmbH präsentiert · Teil 2 der KI-Reihe
Wissensmanagement mit KI
RAG & dein „Zweites Gehirn"
„Die KI muss nicht alles wissen — sie muss wissen, wo es steht."
Speaker
Wer bin ich?
Daniel Leuverink
KI-Architekt & Geschäftsführer der AllBytes GmbH
Seit 2006 — gestartet zur Fußball-WM in Deutschland
15 Softwareentwickler · Fokus: KMU · Individuelle Software nach Maß
Spezialisierung: Enterprise KI-Architektur & Wissensautomatisierung
Referenzen
„Wir sind keine Marketingagentur. Keine Designer. Keine Texter.
Wir sind Techies — und wir bauen KI, die wirklich funktioniert."
Kurz aus Teil 1
Die KI „lernt" nicht über Chats hinweg
Jeder neue Chat startet bei null — das Gespräch von gestern ist weg.
Montag
„Hier sind alle Eckdaten zu Mandant Müller …" — die KI antwortet perfekt im Kontext.
Über Nacht
Neuer Chat = leeres Blatt. Das Modell selbst hat sich nichts gemerkt.
Dienstag
„Mandant Müller?" — „Dazu liegen mir keine Informationen vor." Alles nochmal erklären.
Das Modell ist eingefroren. Wissen kommt nicht aus dem Training — es muss bei jeder Frage neu mitgegeben werden. Genau da setzen wir heute an.
Das eigentliche Problem: Wissen ist überall
In Mails, Dokumenten, Tools — und in Köpfen. Zusammengeführt wird es nie.
Postfach
12.480 Mails
Dokumente
Angebote, Verträge
Tabellen
Excel-Wildwuchs
Chats & Teams
verstreute Threads
Köpfe
nirgends notiert
Tools & Tickets
je eigenes Silo
„Wo war nochmal …?"
Suchen statt arbeiten. Niemand hat den Überblick — und die KI erst recht nicht.
Ein zentraler Wissensspeicher
Alles an einem Ort — und eine KI, die gezielt darauf zugreift. Das ist das Ziel.
Kontextfenster ≠ Gedächtnis
„Dann kopier ich der KI halt alles rein." — Warum das nicht skaliert.
Das Kontextfenster = dein Schreibtisch
Begrenzter Platz. Ist er voll, fällt vorne etwas runter — die KI „vergisst" den Anfang.
Was ist das Kontextfenster?
Alles, was die KI gerade vor sich hat: deine Frage plus alles, was im Chat steht. Nur das zählt — sonst nichts.
Reinkopieren geht — kurz
Ein paar Seiten? Klappt. Aber die ganze Mandantenhistorie, alle Verträge, jede Mail? Passt nicht — und du müsstest es jedes Mal neu tun.
Drei harte Grenzen
- • Platz: das Fenster ist endlich
- • Kosten & Tempo: mehr Text = teurer & langsamer
- • Qualität: im Wust geht das Wichtige unter
Die Lösung: gezielt nachreichen
Nicht alles draufpacken — sondern zu jeder Frage nur die passenden Ausschnitte aus deinem Wissen holen. Genau das macht RAG.
Vom „alles reinkopieren" zum „das Richtige zur richtigen Zeit".
Was ist RAG?
Retrieval-Augmented Generation — die KI schlägt nach, statt zu raten.
Auswendig lernen
Wie ein Prüfling, der alles im Kopf haben muss. Was er nicht gelernt hat, erfindet er — selbstbewusst und falsch.
Nachschlagen (RAG)
Wie ein Profi mit offenem Handbuch: Zur Frage holt er die passende Stelle aus deiner Quelle — und antwortet damit.
RAG = Retrieval-Augmented Generation: nachschlagen (Retrieval) › der Frage beilegen (Augmented) › antworten (Generation). RAG ist der Vorgang — nicht der Speicher. Wie es nachschlägt, sehen wir gleich.
Tipp: → klicken — erst der Vergleich, dann der Kernsatz.
Wie findet RAG das Richtige?
Der Abruf-Schritt nutzt meist semantische Suche — Bedeutung statt Buchstaben.
Klassische Suche
Sucht nach gleichen Wörtern. Steht im Dokument ein anderes Wort als in der Frage, wird nichts gefunden.
Frage: „Wagen"
findet: „Wagen" ✓ · „Auto", „Kfz", „Fahrzeug" ✗
Semantische Suche
Sucht nach gleicher Bedeutung. Findet die richtige Stelle auch bei ganz anderen Worten.
Frage: „Wagen"
findet: „Auto", „Kfz", „Fahrzeug", „PKW" ✓
Wie das geht (Konzept): Jeder Text wird in eine Art Bedeutungs-Koordinate übersetzt. Ähnliche Bedeutung = nah beieinander. Die KI sucht also nicht nach Wörtern, sondern nach Nachbarschaft.
Fachbegriffe (nur zur Einordnung): Embeddings & Vektor-Suche. Details brauchen wir heute nicht.
Ehrlich bleiben: Semantische Suche ist die übliche Variante — RAG geht aber auch mit klassischer Stichwortsuche oder einer Mischung aus beidem.
RAG im Ablauf — in 4 Schritten
Was zwischen deiner Frage und der Antwort passiert.
1 · Frage
„Was haben wir mit Müller vereinbart?"
2 · Retrieve
passende Stelle im Wissensspeicher finden
3 · Augment
Fund + Frage ans LLM geben
4 · Generate
Antwort — mit Quelle belegt
Frage: Du fragst in natürlicher Sprache — wie bei jedem Chat. Nichts Neues zu lernen.
Retrieve (Suchen): Ein Suchschritt — meist die eben gezeigte semantische Suche — durchforstet deine Wissensquelle und zieht die relevantesten Ausschnitte heraus. Nicht alles, nur das Passende.
Augment (Anreichern): Diese Ausschnitte werden zusammen mit deiner Frage ans LLM gegeben — als frischer Kontext, genau für diese eine Antwort.
Generate (Antworten): Das LLM formuliert die Antwort auf Basis deiner Quelle — und kann dir sagen, woher es das hat. Weniger Erfinden, mehr Beleg.
Kurz sortiert
Den Weg kennen wir — fehlt der Speicher
RAG holt das Wissen ab. Aber woher? Das schauen wir uns jetzt an.
Verstanden
RAG — der Weg an die Daten
Der Vorgang: nachschlagen → anreichern → antworten. So kommt die KI gezielt an Wissen, statt es zu erfinden oder alles reinzukopieren.
Jetzt
Wo liegt das Wissen?
RAG ist nur der Bibliothekar — er braucht einen Aktenschrank. Wie ist der aufgebaut, wo liegt er, wie ordnet man ihn? Das ist das Zweite Gehirn.
Merke: RAG ist nur so gut wie der Speicher dahinter. Der beste Abruf bringt nichts ohne ein gut geführtes Wissen. Bauen wir also einen guten Speicher.
Moment — ohne Datenbank?
Der Vault ist keine klassische Datenbank
Klassisches RAG nutzt eine technische Datenbank. Wir nehmen einen Vault — und erfüllen trotzdem alle Bedingungen.
Klassische RAG-Datenbank
- • Vektordatenbank, eigene Infrastruktur
- • Dokumente werden zerstückelt & „eingebettet"
- • technisches Setup, schwer lesbar für Menschen
Unser Vault
- • einfache Notizen im Klartext — von dir lesbar
- • klare Struktur & Verlinkung statt Technik
- • kein Datenbank-Setup nötig
Wie wird die Suche darin trotzdem semantisch? Drei Zutaten:
Struktur
PARA-Ordnung gibt jedem Wissen seinen Platz
Verlinkung
Notizen verbinden sich — Zusammenhänge entstehen
Intelligenz der KI
die KI versteht die Inhalte — sie ist die semantische Suche
Damit sind alle RAG-Bedingungen erfüllt: eine Wissensquelle, bedeutungsbasiertes Finden und eine KI-Antwort — ganz ohne Vektor-Datenbank.
Die Wissensquelle
Das „Zweite Gehirn"
Eine eigene, strukturierte Wissensdatenbank — auf die die KI zugreift.
📁 01_Projekte/
📄 Mandant-Müller.md
📁 02_Bereiche/
📄 Buchhaltung.md
📁 03_Ressourcen/
📄 Vorlagen.md
📁 04_Archiv/
📄 abgeschlossen…
＞ alles als Markdown — Klartext
Einfacher Klartext
Markdown statt proprietärer Formate. Lesbar für dich — und ideal für die KI.
Dir gehört's
Lokale Dateien (z.B. Obsidian). Kein fremder Cloud-Zwang, kein Lock-in.
Verknüpft
Notizen verlinken sich gegenseitig — Kontext entsteht von selbst.
KI-lesbar
Genau die Quelle, in der RAG nachschlägt. Dein Wissen wird abrufbar.
Wichtig: Der Vault ist die Wissensquelle — der Aktenschrank, nicht RAG. Er ist der Speicher; das Nachschlagen übernimmt die KI. Hier: mein echter Vault „Daniels zweites Hirn".
Ordnung mit System: PARA
Vier Schubladen — mehr braucht es nicht. Klick dich durch.
Projekte
mit Ziel & Deadline
Areas / Bereiche
laufende Verantwortung
Ressourcen
Wissen & Vorlagen
Archiv
erledigt, aber griffbereit
01_Projekte/
📄 Mandant-Müller.md
02_Bereiche/
📄 Buchhaltung.md
03_Ressourcen/
📄 Vorlagen.md
04_Archiv/
📄 2024-Mandate.md
＞ alles als Markdown
Projekte — was gerade aktiv ist
Alles mit klarem Ziel und Ende. In der Beratung: ein konkretes Mandat, eine Ausschreibung, eine Umstrukturierung.
Areas — Bereiche ohne Enddatum
Daueraufgaben, für die du verantwortlich bist. Kein Projekt, sondern ein Standard, den du hältst.
Ressourcen — Wissen für später
Themen, Vorlagen, Recherchen, die du immer wieder brauchst. Das Nachschlagewerk, aus dem RAG am häufigsten schöpft.
Archiv — fertig, aber nicht weg
Abgeschlossenes wandert hierher. Nicht gelöscht — die KI findet es bei Bedarf trotzdem („Was haben wir 2024 mit Müller gemacht?").
KI auf deinem Wissen arbeiten lassen
Aus „Chatbot, der alles erfindet" wird „Assistent, der deine Akten kennt".
Inhalte erstellen
„Schreib das Protokoll zur Müller-Sitzung." Die KI zieht sich den Stand aus dem Vault — im richtigen Ton, mit den richtigen Fakten.
Entscheidungen vorbereiten
„Fass den Verlauf zusammen und nenn mir die offenen Punkte." Statt 40 Seiten lesen — eine belastbare Entscheidungsgrundlage.
Kontext sofort parat
„Mandant ruft gleich an — gib mir den Stand in 5 Sätzen." Vor dem Gespräch in Sekunden statt im Aktenstapel.
Der Unterschied: Die KI antwortet nicht aus dem Training — sondern aus deinem Wissen. Schauen wir uns das in der Praxis an.
Ein Ausblick
Irgendwann denkt er mit
Ein echtes Beispiel — der Drucker streikt. Klick dich durch.
Klar. Ich schaue im Speicher, um welchen Drucker es geht und wer zuständig ist …
→ Brother HL-L2350 · Support: service@bürotechnik-mü.de
Hier schon mal die Telefonnummer vom Support, falls du lieber direkt anrufen willst:
089 / 12 34 56 - 78
Moment — in der Drucker.md sehe ich: Ihr habt vor zwei Wochen die Patrone getauscht. Das könnte die Ursache sein.
Soll ich, bevor ich den Support anschreibe, kurz online nach dem Fehler suchen? Klingt nach einem bekannten Patronen-Problem.
Gefunden: Nach einem Patronenwechsel muss bei diesem Modell der Seitenzähler zurückgesetzt werden — hier die Anleitung. Kein Support nötig.
Während ihr noch in der Support-Warteschleife wärt, ist das Problem längst gelöst. Keine Zukunftsmusik — das ist heute schon real.
Der Posteingang als Wissensbasis
Nicht To-do-Liste, sondern Wissensquelle — automatisch verarbeitet.
Neue Mail von Mandant Müller: „Können wir den Termin auf nächste Woche schieben? Und die Unterlagen zur Bilanz kommen bis Freitag."
Die KI liest und versteht:
Mandant Müller
Terminverschiebung + Bilanz
mittel · Frist Freitag
Der relevante Inhalt wird ins richtige Projekt geschrieben: 01_Projekte/Mandant-Müller.md — mit Datum, Kontext und Verweis auf die Mail. Das Wissen ist jetzt im Vault, nicht im Postfach vergraben.
Konkrete Aufgaben fallen raus:
Ergebnis: Die Mail ist gelesen, einsortiert, in Aufgaben übersetzt — und kann archiviert werden. Der Posteingang ist keine Halde mehr, sondern speist laufend dein Zweites Gehirn.
Das tägliche Briefing
Morgens die Lage erfassen — aus allen Quellen, in einem Aufwasch.
Quellen werden eingesammelt
Kalender — 4 Termine heute
Aufgaben — 3 fällig, 1 überfällig
Tickets — 2 neue Anfragen
Postfach — 11 ungelesen, 2 wichtig
Aus diesen Quellen baut die KI
dein Briefing …
＞ Guten Morgen, Daniel — 02.07., 08:00
- 🔴Zuerst: Angebot Müller ist seit gestern überfällig — heute raus.
- 📅11:00 Mandantengespräch Bauer — Stand liegt im Vault, Kurzbriefing anbei.
- 🎫2 neue Anfragen — eine davon ein Bestandskunde, lohnt Priorität.
- 🟢Rest ist unkritisch. Geschätzter Fokus-Bedarf: ~2,5 Std.
Statt morgens durch fünf Tools zu klicken: eine Lagemeldung, priorisiert, zum Kaffee. Die KI hat über Nacht schon vorsortiert.
Aufgaben & Kalender direkt anbinden
Die KI liest nicht nur — sie trägt auch ein. Mit deiner Bestätigung.
1 · Du sagst es
„Leg mir Müller-Termin auf Di 10 Uhr und eine Wiedervorlage für die Bilanz an."
2 · KI trägt ein
Direkt in Kalender & Aufgaben-Tool — über eine sichere Anbindung, kein Copy-Paste.
3 · Du bestätigst
Kurz prüfen, freigeben — die KI handelt, du behältst die Kontrolle.
In natürlicher Sprache: Kein Formular, kein Klicken durch Menüs. Du sagst, was passieren soll — wie zu einer Assistenz.
Echte Anbindung: Über Schnittstellen schreibt die KI direkt in deine Tools. Das manuelle Pflegen entfällt — die Quelle der Wahrheit bleibt synchron.
Mensch entscheidet: Bei allem, was etwas verändert, gilt: erst Vorschlag, dann deine Freigabe. So bleibt die Hoheit bei dir — Tempo plus Sicherheit.
Für eure Praxis
In der täglichen Mandatsarbeit
Ein Zweites Gehirn pro Mandat — Wissen, das nie verloren geht.
Projektkontext
Alles zum Mandat an einem Ort — Verträge, Gespräche, Zahlen. Vor jedem Termin in Sekunden abrufbar, statt Akten zu wälzen.
Historie ohne Lücken
„Was haben wir vor zwei Jahren empfohlen — und warum?" Die KI findet die Entscheidung samt Begründung. Auch wenn Kollegen wechseln.
Wiedervorlage
Fristen, Folgetermine, offene Punkte — automatisch im Blick. Nichts fällt mehr hinten runter, weil es in einer Mail versteckt war.
Der Effekt für Berater: Ihr seid besser vorbereitet, schneller auskunftsfähig und unabhängiger von „dem einen Kollegen, der das noch im Kopf hat".
Bevor wir's live sehen
Was ist Obsidian?
Kein Zauberwerkzeug — nur ein schönes Fenster auf einen ganz normalen Ordner.
Obsidian
Notiz- & Wissens-App
Seit 2020 am Markt — bewährter Standard
Kostenlos für die persönliche Nutzung
Lokal auf deinem Rechner — keine Cloud-Pflicht
📂 Daniels zweites Hirn
📁 01_Projekte/
📁 02_Bereiche/
📁 03_Ressourcen/
📁 04_Archiv/
📄 mandat-müller.md
📄 drucker.md
Dahinter liegen einfach Textdateien.
Genau die Ordner, die ihr eben in PARA gesehen habt — als Markdown-Dateien auf der Festplatte. Ohne Obsidian könntet ihr sie mit jedem Editor öffnen.
Obsidian legt nur ein schönes Fenster darüber: Es macht die Verlinkungen sichtbar und die Struktur begreifbar — mehr nicht.
Kein Lock-in: Eure Dateien bleiben eure Dateien. Ihr könnt Obsidian jederzeit weglegen — der Ordner (und damit euer Wissen) bleibt.
Praxis · Live
Wie ein Zweites Gehirn wächst
Jede Notiz, jede Verlinkung — Punkt für Punkt entsteht eine echte Wissensdatenbank.
Obsidian-Graph über die Zeit — aus einzelnen Notizen wird ein vernetztes Zweites Gehirn.
Das Grundprinzip
Wie mein System arbeitet
Aus vielen Eingängen wird im Vault Wissen — über die KI wird daraus ein Ergebnis.
Mein Vault
Zweites Gehirn
verarbeitet & vernetzt
Angebot.pdf
fertiges Ergebnis
Ein System — viele Eingänge, ein Ergebnis. (weiter mit → / Leertaste)
Rohinformationen kommen aus vielen Kanälen — Mails, Anrufe, Notizen, Termine, Dokumente.
Alles fließt an einen Ort zusammen: meinen Vault.
Der Vault verarbeitet und vernetzt — aus Rohdaten wird strukturiertes Wissen.
Über die KI frage ich mein Wissen ab — sie liest im Vault und antwortet. Das ist RAG.
Und heraus kommt ein konkretes Ergebnis: ein fertiges Angebot.
Wie fange ich an?
Nicht alles auf einmal. Klein anfangen — und dranbleiben.
Ein Werkzeug wählen
Markdown-Vault, z.B. Obsidian (lokal, kostenlos). Kein großes Setup.
PARA als Grundgerüst
Vier Ordner anlegen — fertig. Nicht perfektionieren, einfach befüllen.
Mit EINEM Mandat starten
Ein laufendes Projekt komplett abbilden. Daran lernst du die Struktur.
KI dranhängen
Erst Fragen stellen (RAG lesend), später Aufgaben & Mails verarbeiten lassen.
Der erste Schritt ist ein Ordner und eine Notiz. Das Zweite Gehirn wächst mit der Nutzung — nicht durch Planung.
Bevor ihr loslegt
Zwei Fragen, die fast immer kommen
Geht das mit Claude.ai oder ChatGPT im Browser?
Ja, ganz einfach. Ihr bindet eure Ordnerstruktur an — und die KI greift direkt darauf zu.
Lokal — Vault-Ordner vom eigenen Rechner einbinden
Cloud (empfohlen) — via Google Drive oder Microsoft 365
Und wenn ich Hilfe brauche?
Meldet euch einfach bei mir — ich unterstütze euch beim Start.
E-Mail schreiben oder auf LinkedIn vernetzen
Ich schicke euch einen Initial-Prompt — damit fangt ihr direkt an, euren Vault zu befüllen.
Zum Mitnehmen
Was ihr jetzt mitnehmt
Die KI muss nicht alles wissen — sie muss wissen, wo es steht. Wissen kommt zur Laufzeit, nicht aus dem Training.
RAG = nachschlagen statt raten. Gezielt die passenden Ausschnitte holen — aktuell, belegbar, aus eurer Quelle.
Das Zweite Gehirn ist die Quelle. Ein strukturierter Vault (PARA) — der Posteingang speist ihn, statt eine Halde zu sein.
Klein anfangen. Ein Mandat, vier Ordner — und mit der Nutzung wachsen lassen.