Vom Prompt zum Kontext: Die Architektur souveräner Denkarbeit

Nachdem wir letzte Woche die Mechanik hinter der Kontext-Injektion analysiert haben, bleibt die entscheidende Frage: Wie fühlt sich diese vielbeschworene „Souveränität über den Informationsraum“ im Arbeitsalltag eigentlich an? Denn wer heute professionell mit KI arbeitet, spürt oft das Gegenteil – ein diffuses Gefühl, in Chat-Verläufen zu ertrinken und darauf zu hoffen, dass das Modell sich noch an die Instruktion von vor drei Absätzen erinnert.

Ich möchte heute die Perspektive wechseln: Weg von der Theorie, hin zur eigenen Schreibtischkante.

Der Abschied vom Chatten

Die wichtigste Lektion der letzten Jahre: Wer KI noch primär als Gesprächspartner in einem leeren Textfenster begreift, verschenkt ihr Potenzial. Wir müssen aufhören, Befehle zu tippen, und anfangen, Kontexte zu bauen.

2023 war die Ära der „Magic Words“. Heute, wo Kontextfenster massiv gewachsen sind und Modelle eine tiefe semantische Auffassungsgabe besitzen, ist der einzelne Prompt fast irrelevant geworden. Was zählt, ist das Briefing. Ich tippe keine Befehle mehr; ich konfektioniere Pakete.

Mein Setup trennt dabei drei Kompetenzen:

• Speicher & Struktur: Obsidian — mein Regelwerk und Gedächtnis.
• Recherche & Grounding: NotebookLM — der Synthetisierer.
• Verarbeitung: Gemini / Claude — die Reasoning-Engines.

Markdown als universelle Schnittstelle

Das Herzstück dieser Arbeit ist nicht die KI, sondern mein Wissensarchiv in Obsidian. KI-Modelle sind flüchtig; unser Wissen muss beständig sein. Alles liegt dort in modularen Markdown-Dateien vor. Markdown ist der ideale gemeinsame Nenner – simpel, plattformunabhängig und die Muttersprache der Large Language Models.

Eine Überschrift (#) wird hier nicht nur als Text verstanden, sondern als hierarchisches Signal. Ich pflege keine ausufernden Dokumente, sondern atomare Bausteine: ein Modul für die Tonalität, eines für die Methodik, ein weiteres für Kontextdaten. Wenn ich arbeite, kompiliere ich diese Bausteine zu einem maßgeschneiderten Kontext-Paket.

Praxis: Der Kennenlern-Call

Nehmen wir ein Szenario, das jede(r) kennt: Ein Gespräch mit einem potenziellen Kunden. Spannende Marke, aber eine Branche, in der ich noch nie gearbeitet habe. Früher bedeutete das: einen halben Tag googeln, zwanzig Tabs öffnen, querlesen. Die Gefahr dabei – man stellt im ersten Gespräch Fragen, deren Antworten bereits auf der „Über uns“-Seite stehen. Das ist kein Senior-Level.

Mein Anspruch ist es, im ersten Call sofort auf Augenhöhe zu sein. Nichts fragen, was ich eigentlich hätte wissen können. Das klingt banal, aber es ist ein echter Wettbewerbsvorteil: Wer besser vorbereitet ist als alle anderen am Tisch, gewinnt das Gespräch in den ersten zwei Minuten. Die Frage ist nur – wie erreiche ich diesen Wissensvorsprung in 30 Minuten?

Die Antwort liegt in vier Schritten, die aufeinander aufbauen:

• Schritt 1 — Research. Ich füttere ein NotebookLM-Notizbuch mit allem, was ich zum Kunden finden kann: Webseiten, Trend-Reports, Branchenanalysen, Wettbewerberprofile. NotebookLM wird zur temporären Wissensbasis für genau diesen Case. Es synthetisiert die Fakten und zeigt mir die Muster: Wie positioniert sich der Kunde? Wo liegt er im Marktvergleich? Welche Trends bedient er, welche ignoriert er?
• Schritt 2 — Der eigene Kontext. Jetzt wird es persönlich. Ich verbinde das Kundenwissen mit meinem eigenen Fundus: Welche unserer Referenzen lassen sich in Bezug bringen? Welche Projekte zeigen, dass wir genau dieses Problem schon gelöst haben? Dazu kommen meine stilistischen und methodischen Vorgaben – etwa die Instruktion, Fragen niemals rein informativ zu formulieren, sondern immer diagnostisch. Nicht „Wie machen Sie X?“, sondern „Ich sehe im Markt Trend X, bei Ihnen aber Fokus Y – ist das eine bewusste Abgrenzung?“
• Schritt 3 — Der Output. Aus der Verbindung von Marktrecherche und eigenem Kontext entsteht das eigentliche Arbeitsergebnis: ein strategischer Gesprächsleitfaden, ein Spickzettel mit Einstiegsthesen, eine Einschätzung der Marktreife – zugeschnitten auf mich oder mein Team. Das ist der Moment, in dem ich tatsächlich sitze, lese, schärfe, entscheide. Hier liegt die eigentliche Denkarbeit.
• Schritt 4 — Der Rückfluss. Das Gespräch hat stattgefunden und wurde transkribiert. Dieses Transkript fließt jetzt zurück in den aufgebauten Kontext aus den Schritten 1 bis 3. Das System generiert daraus direkt einen ersten Vorschlag, eine Projektskizze, einen strategischen Impuls. Was vorher Tage gedauert hat, entsteht jetzt in der Nachbereitung eines einzigen Calls.

Und jetzt der eigentliche Clou: Hinter dieser Abfolge steckt kein manuelles Fenster-Hopping. Aus einer integrierten Umgebung wie Claude Cowork heraus kann ich für Schritt 1 direkt einen NotebookLM-Server über MCP ansprechen. Schritt 2 ist das Ergebnis einer konsequent auf Markdown und Obsidian ausgerichteten Arbeitsweise – mein Wissen liegt bereits strukturiert vor und ist jederzeit abrufbar. Die konkrete Arbeit des Menschen fällt damit auf Schritt 3 zusammen: Ein einziger Skill, der diesen gesamten Ablauf mit verhältnismäßig geringem Input abwickelt. Ich starte den Prozess, und die Architektur liefert.

Warum das den Unterschied macht

Ich starre nicht auf einen blinkenden Cursor und hoffe auf eine gute Antwort. Ich konstruiere eine Umgebung, in der eine hervorragende Antwort unvermeidlich ist. Souveränität bedeutet heute, nicht mehr nur Fragen zu stellen, sondern den Raum zu gestalten, in dem die Antworten entstehen. Ein Kunde merkt nach zwei Minuten, ob man sein Geschäft wirklich durchdrungen hat oder nur Schlagworte rekapituliert.

Die KI kann die Fragen formulieren. Aber die Architektur, aus der sie entstehen – das bleibt Denkarbeit.