Notes on knowledge work

Wer pflegt eigentlich dein LLM-Wiki?

Ein LLM-Wiki aufzubauen ist der leichte Teil. Schwer ist, es wahr zu halten: gelöschte Quellen, die weiter zitiert werden, Quellen, die sich still ändern, zwei Seiten über dasselbe. Wie wir Sortieren, Aufbauen und Synchronisieren getrennt haben — und was ein Agent dabei nie allein tun darf.

Drei Tage, eine Geschichte: der Audio-Rückblick aus deinen Morgenreports

Alle paar Tage wird aus deinen Morgenreports ein Audio-Briefing: ein roter Faden, höchstens drei Linien, jede mit ihrer Quelle im Satz, am Ende die anstehenden Fristen. Es braucht keine gespeicherten Artikel — und es klingt ruhig, weil wir an Pausen und Musik gearbeitet haben.

Der Morgenreport: was in deinem Fach passiert ist, mit Belegen

Jeden Morgen um sechs werden die relevantesten Artikel der letzten 24 Stunden aus den Artikeln selbst zusammengefasst und als kurzer Report geschrieben: Lage, Kernpunkte, Abschnitte pro Thema, jeder Satz mit Beleg. Was ins Wiki kommt, entscheidest du pro Artikel.

Wer taucht mit wem auf? Der Entitäten-Graph auf der Topic Map

Neben den Konzepten deines Wikis zeigt die Topic Map jetzt, wer und was in deinen Bookmarks genannt wird: Personen, Firmen, Produkte, Regulierungen — verbunden, wenn sie in denselben Artikeln vorkommen. Warum dafür Aufräumen wichtiger ist als Zeichnen.

Was ist ein LLM-Wiki? Die Grundlagen

Ein LLM-Wiki ist ein Wiki, das ein Sprachmodell aus deinen Quellen schreibt und weiterführt: Seiten zu Konzepten, jeder Absatz mit Beleg, jede Änderung als Version, Widersprüche zwischen Quellen sichtbar. Was es von einer Suche über Dateien und von einem Chatbot mit Gedächtnis unterscheidet.

Ein LLM-Wiki ist kein Chatbot mit Gedächtnis

Beides beantwortet deine Frage aus deinen Unterlagen. Der Unterschied liegt darin, was danach übrig bleibt: eine Antwort, die niemand mehr nachprüfen kann — oder eine Seite, die bleibt, die man zitieren kann und die sichtbar falsch sein darf.

Wenn die Wissensbasis sich über sich selbst irrt

Eine maschinell gepflegte Wissensbasis hat einen Fehlermodus, den eine handgeschriebene nicht hat: Sie kann sich über sich selbst irren und dabei völlig in Ordnung aussehen. Was wir bei der Prüfung unseres eigenen Wikis gefunden haben — und was daraus folgt.

Wo stand das nochmal? Jede Erwähnung an einem Ort

DORA taucht in vier Artikeln auf, die du über drei Monate gelesen hast. Du erinnerst dich an zwei. Pith erkennt in allem, was du speicherst, die benannten Dinge — Regulierungen, Institutionen, Firmen, Personen — und sammelt jede Fundstelle an einem Ort.

Dein Lesen, als ein Wissensgraph

Du liest nicht in Silos — warum es dann so speichern? Pith destilliert alles, was du sicherst, zu einem Wissensgraphen. Und genau die Verbindungen, die er sichtbar macht, sind der Mehrwert.

Jede Aussage nennt ihre Quelle — und warum das einen Chatbot schlägt, der sich eine ausdenkt

Ein Chatbot liefert dir einen selbstbewussten Satz, ohne zu wissen, woher er stammt. Pith liefert denselben Satz — mit der gespeicherten Quelle daran. Für belastbare Arbeit ist genau das die ganze Aufgabe.

Lese-Gedächtnis für deine KI: Piths gehosteter MCP-Server

Dein KI-Assistent hat kein Gedächtnis für das, was du gelesen hast. Piths gehosteter MCP-Server gibt ihm eins — ein zitiertes Lese-Gedächtnis, das er abfragen kann, mit Quelle hinter jeder Aussage.

Der Founding-Practice-Deal — fünfzig Firmen, lebenslang gelockt.

Archiv: unser Launch-Angebot vom Mai 2026 — €25 pro Sitz für die ersten 50 Firmen. Pith hat Sitz-Abos inzwischen komplett abgeschafft — Speichern ist kostenlos, bezahlt wird pro Werkstück.