Herzlich Willkommen zu den AI FIRST Insights!
Ich stecke gerade mitten in einem meiner spannendsten Projekte: Ich baue AI FIRST als System aus spezialisierten KI-Agenten nach.
Zu diesem Agenten-System gehört auch ein CEO-Agent, der sich 1:1 so verhalten soll, wie ich es tun würde.

Dieser Agent muss wissen, wer ich bin, wie ich denke und was unser Unternehmen ausmacht. Ohne diesen Kontext liefert er nur clever-klingenden, generischen Kram.
Also habe ich angefangen, ein 'zweites Gehirn' als zentrale Wissensdatenbank zu bauen.
Heute zeige ich dir mein komplettes Vorgehen. Schritt für Schritt, damit du dir deine eigene Wissensbasis für deine KI-Systeme bauen kannst.
Los geht's!
Die KI-Community und Akademie für Führungskräfte
Vor 3 Monaten habe ich das AI Collective gegründet mit der Mission, Führungskräfte im Mittelstand fit für die KI-Ära zu machen.
Heute sind 35 Mitglieder Teil unserer ausgewählten Community, die 2 Ziele verfolgen:
- Die Anwendung von KI im eigenen Alltag zu meistern
- Die KI-Transformation des Unternehmens voranzutreiben
Das ist keine 0815 Weiterbildung, sondern ein 12-monatiges Intensiv-Programm, das dich und dein Unternehmen zukunftsfähig für die KI-Ära macht - mit allem Wissen, allen Werkzeugen, den Fähigkeiten und dem Netzwerk, das du dafür brauchst.
Ab September öffnen wir das AI Collective für maximal 30 weitere Personen.
Die ersten 11 Plätze sind schon wieder weg. Wenn du dabei sein willst, dann melde dich hier:
👉 Mehr über das AI Collective erfahren
Warum Kontextwissen alles ist
Als ich mit meinem Projekt gestartet bin, bin ich direkt in die klassische Falle getappt.
Meine ersten Fragen waren rein technisch:
- Mit welchem Tool setze ich die Agenten um?
- Welche Intergationen benötigen sie?
- Was genau sollen sie tun?
Ich habe sofort in Aufgaben und Workflows gedacht.
Doch der Qualitätshebel liegt nicht im besten n8n-Setup.
Der Hebel liegt darin, sicherzustellen, dass die Agenten genau das wissen, was heute ich und meine Mitarbeiter wissen. Nur wenn sie auf das gleiche Wissen und die gleichen Daten zugreifen können – und diese auch aktuell sind – können sie überhaupt eine vergleichbare Qualität in ihren Ergebnissen liefern.
Ich hatte meine Agenten schon vorher mit Kontextwissen versorgt und ihnen Zugriff auf Daten gegeben. Aber dieses Mal wollte ich keinen blinden Fleck lassen.
Deshalb habe ich die meiste Zeit nicht damit verbracht, Workflows zusammenzuklicken oder System Prompts zu schreiben. Ich habe sie in den Aufbau der zentralen Wissensbasis investiert.
Sie ist die eigentliche Grundlage für die Performance jedes einzelnen Agenten.
Was gehört in deine Wissensdatenbank?
Okay, wo fängt man an? Die leere Seite ist der größte Feind. Man kann sich schnell darin verlieren, einfach alles aufzuschreiben.
Ich habe mir zuerst überlegt, welche Agenten ich überhaupt bauen will. Und dann, welches Wissen diese Agenten brauchen, um ihren Job wirklich gut zu machen. Daraus ist eine klare Struktur von verschiedenen Wissensbasen entstanden.
- Statisches Wissen: Die grundlegenden, eher unveränderlichen Wahrheiten über dich und dein Unternehmen.
- Dynamisches Wissen: Informationen, die sich regelmäßig ändern, wachsen und weiterentwickeln werden.

Hier sind die Bausteine meines "zweiten Gehirns", sortiert nach diesem Prinzip:
Die statische Grundlage (ändert sich selten):
1. Das "Ich"-Profil: Eine Bedienungsanleitung für mich selbst. Meine Biografie, meine Rolle, meine Ziele, mein Persönlichkeitsprofil, mein Kommunikationsstil und meine Werte. Wie ich ticke, ist die Basis.
2. Das "Wir"-Profil: Alles über AI FIRST. Unsere Mission, Positionierung, Produkte und Services. Das Fundament unseres Unternehmens.
3. Unser Playbook & unsere Philosophie: Das Herzstück. Was bedeutet "AI-First" für uns wirklich? Wie sieht unser Playbook aus, mit dem wir KI bei unseren Kunden zu Mehrwerten bringen? Das ist die Haltung hinter allem.
Die dynamischen Bausteine (wachsen und leben):
4. Unsere Prozesse (SOPs): Die Blaupausen für alles, was wir wiederholt tun. Beratungsprozesse, Workshops und Trainings, Admin-Workflows. Diese entwickeln sich ständig weiter.
5. Das Content-Archiv: Jeder Newsletter, jeder LinkedIn-Post, jede Podcast-Folge. Diese Basis wächst mit jedem veröffentlichten Stück Inhalt.
6. Das Kontaktbuch: Mit wem stehen wir in Kontakt und in welcher Beziehung? Ein lebendiges Verzeichnis unserer Verbindungen.
7. Das Agenten-Verzeichnis: Eine Liste aller KI-Agenten in meinem System. Rollen, Aufgaben und die Art der Zusammenarbeit ändern sich, je reifer das System wird.
Diese Struktur zwingt mich, eine Klarheit über dein eigenes Unternehmen zu schaffen, die weit über die KI-Nutzung hinausgeht.
Wie ich mein "zweites Gehirn" gebaut habe
Es gibt verschiedenste Ansätze, wie und wo du deine Wissensbasis aufbaust:
Ich habe einen Ansatz gesucht, der folgende Kritierien erfüllt:
- Ich will in einem System arbeiten, das schon da ist (bloß keine neuen Tools...)
- Die Wissensdatenbank soll sowohl für KI und unsere Mitarbeiter lesbar sein
- Das Wissen muss synchronisierbar mit den KI-Agenten sein
Am Ende habe ich mich für Einfachheit-first entschieden und in Summe 500+ Seiten strukturierter Markdown-Dokumente in Google Drive aufgebaut (Markdown steigert die maschinenlesbarkeit enorm) sowie Datenbanken in Notion für tabellenorganisierte Informationen genutzt. So bin ich vorgegangen:
Schritt 1: Inventur – Was ist da, was fehlt?
Ich bin jede einzelne Wissensbasis durchgegangen und habe drei Fragen beantwortet:
- Welches Wissen muss hier rein?
- Was davon habe ich schon?
- In welcher Form liegt es vor?
Das Ergebnis war eine ehrliche Bestandsaufnahme. Für mein "Ich"-Profil hatte ich einen Lebenslauf, aber keinen detaillierten Persönlichkeitstest. Unser ganzer Content für das Archiv war zwar da, aber unstrukturiert im CMS vergraben.
All diese vorhandenen Daten habe ich gesammelt und systematisch die Lücken in den Daten identifiziert.
Schritt 2: Die Lücken füllen – Pragmatisch und KI-gestützt
Jetzt habe ich begonnen, die Lücken aufzufüllen. Zum Beispiel habe ich mehrere Persönlichkeitstest (zB MBTI) abgeschlossen.
Für viele der Inhalte habe ich jedoch einen einfachen AI-First Ansatz zur Wissensdokumentation gewählt:
- Fragen stellen lassen: Ich habe eine KI gebeten, mir einen detaillierten Fragenkatalog zu einem fehlenden Thema zu erstellen (z.B. zu unseren internen Beratungsprozessen, die leider nicht alle dokumentiert waren).
- Wissen einsammeln: Diese Fragen habe ich dann unterwegs beantwortet – beim Gassi gehen mit dem Hund oder auf dem Weg zu Terminen habe ich meine Antworten einfach als Voice Memos eingesprochen. Auf diesem Weg sind Stunden an Voice Memo's entstanden.
- Strukturieren lassen: Diese Memos habe ich dann wieder von einer KI transkribieren, zusammenfassen und sauber strukturieren lassen.
So habe ich Schritt für Schritt die Wissenslücken gefüllt, ohne mich tagelang an den Schreibtisch ketten zu müssen.
Prompt Vorlage zur Erstellung des Fragenkatalogs:
Rolle: Du bist ein Experte für Wissensmanagement, Organisationsentwicklung und den Aufbau eines "Second Brain" nach Methoden wie P.A.R.A. (Projects, Areas, Resources, Archives) von Tiago Forte.Ziel: Dein Ziel ist es, einen umfassenden, tiefgehenden und extrem gut strukturierten Fragenkatalog zu erstellen. Dieser Katalog soll mir als Nutzer helfen, alle relevanten Informationen über mich, mein Unternehmen, meine Prozesse und mein Wissen systematisch zu erfassen. Das Ergebnis soll die Grundlage für ein mächtiges, persönliches Wissenssystem ("Second Brain") bilden.
Kontext: Ein "Second Brain" dient dazu, Wissen extern zu speichern, zu organisieren und zu vernetzen, um das eigene Gedächtnis zu entlasten, Kreativität zu steigern und bessere Entscheidungen zu treffen. Die Fragen sollen nicht nur Fakten abfragen (was?), sondern auch zum Nachdenken über Motivationen (warum?), Strategien (wie?) und zukünftige Entwicklungen anregen.
Anweisungen für die Ausgabe:
- Struktur: Gliedere den gesamten Fragenkatalog in die unten vorgegebenen Haupt- und Unterkategorien. Verwende Markdown zur Formatierung, um eine klare Hierarchie mit Überschriften (z.B. ## Hauptkategorie und ### Unterkategorie) und Listen zu schaffen.
- Frage-Typen: Formuliere eine Mischung aus offenen Fragen (W-Fragen), geschlossenen Fragen (zur Erfassung von Fakten) und reflektierenden Fragen (die zum Nachdenken anregen).
- Vollständigkeit: Sei gründlich. Wo es sinnvoll ist, füge von dir aus weitere logische Unterpunkte hinzu, die für ein vollständiges Bild notwendig sind.
- Sprache: Formuliere die Fragen direkt an mich (in der "Du"-Form).
Beginne jetzt mit der Erstellung des Fragenkatalogs basierend auf der folgenden Struktur:
[Hier gibst du die Struktur deiner Wissensbasis ein]
Schritt 3: Wissen maschinenlesbar machen
Ein weitverbreiterer Irrglaube ist, dass man einfach dutzende PDF's, Powerpoints oder sonstige formattierte Dateien in ein LLM werfen kann und sich dieses schon die passenden Informationen raussucht.
Je formattierter (Schrift, Bilder, Grafiken, ...) die Datei ist, desto schwerer tut sich ein LLM mit der Auswertung.
Diese 2 Formate können LLMs besonders gut lesen:
Markdown verwendet eine einfache Syntax, die aus leicht lesbaren Zeichen besteht, um Formatierungen wie Überschriften, Listen, Links und andere Elemente zu erstellen.

Ein offenes Standard-Dateiformat und Datenaustauschformat, das menschenlesbaren Text zum Speichern und Übertragen von Datenobjekten verwendet, die aus Name-Wert-Paaren und Arrays bestehen.

Ich habe mich für den Großteil der Wissensdatenbank für strukturierte Markdown-Dokumente entschieden, da diese sowohl von Menschen, als auch von Maschinen gut lesbar sind.
Schritt 4: Die Struktur – Einfachheit vor Perfektion
Beim Tool-Setup galt für mich ein Prinzip: So einfach wie möglich starten.
Ich habe bewusst kein komplexes System aufgesetzt, sondern eine simple Ordner-Struktur in Google Drive angelegt. Darin liegen gut strukturierte Markdown-Dokumente (.md) und JSON-Files.
Warum Google Drive?
- Einfachheit: Jeder im Team kann es sofort nutzen. Kein neues Tool.
- Synchronisation: Die Dateien können leicht mit vielen KI-Tools und Agenten synchronisiert werden. Integrationen sind meist direkt vorhanden.
- Flexibilität: Ich kann Inhalte bei Bedarf einfach kopieren und direkt in ein Prompt-Fenster einfügen.
Nur für hochdynamische Inhalte wie unsere Kontaktdatenbank nutze ich Notion, weil die Pflege dort einfacher ist. Aber 90% meines "zweiten Gehirns" leben in simplen Text-Dokumenten.
Wie das Wissen in den KI-Agenten kommt
Okay, das Wissen ist gesammelt und strukturiert.
Aber wie kommt es jetzt in den Kopf des Agenten?
Es gibt verschiedene Wege, aber nicht alle sind gleich gut. Ich habe eine Priorisierung entwickelt, die von "einfach und wirksam" zu "komplex und spezifisch" geht:
Prio 1: Der System Prompt
Wann immer möglich, packe ich das wichtigste, statische Wissen direkt in die Systemanweisung (System Prompt) des Agenten. Das ist die Anweisung, die dem Agenten seine grundlegende Rolle und sein Verhalten vorgibt.
Warum ist das Prio 1?
Weil der Agent diese Informationen immer präsent hat und am zuverlässigsten verarbeitet.

Prio 2: Zugriff auf Dokumente (RAG)
Für größere oder dynamischere Wissensmengen, die nicht in den System Prompt passen, gebe ich dem Agenten direkten Zugriff auf meine Google Drive Ordner. Man nennt das "Retrieval-Augmented Generation" (RAG). Einfach gesagt: Der Agent schaut bei einer Anfrage selbstständig in den Dokumenten nach und holt sich die passende Information.

Prio 3: Direkte Anbindung per API
Für hochdynamische Daten wie mein Kontaktbuch in Notion nutze ich eine API-Schnittstelle. Das ist technisch aufwendiger, aber für sich ständig ändernde Daten die sauberste Lösung.

Ein paar wichtige Watchouts aus der Praxis:
- Kontextfenster ist begrenzt: Du kannst nicht unendlich viel Wissen in den System Prompt stopfen. Irgendwann ist er voll. Dann musst du auf Dokumente (RAG) ausweichen.
- Dynamik beachten: Statisches Wissen (dein "Ich"-Profil) kann in den System Prompt. Dynamisches Wissen (dein Content-Archiv) muss per Dokumentenzugriff oder API angebunden werden, sonst müsstest du den Prompt ständig manuell aktualisieren.
- Maschinenlesbarkeit ist alles: Eine KI kann mit einer schicken PowerPoint-Präsentation voller Bilder nichts anfangen. Der beste Kompromiss sind gut strukturierte Markdown-Dateien (.md) – die können Mensch und Maschine exzellent lesen.
- Anleitung ist Pflicht: Der wichtigste Punkt überhaupt. Du musst im System Prompt des Agenten ganz genau beschreiben, auf welches Wissen er Zugriff hat und wie er es verwenden soll. Einfach nur ein Dokument hochladen reicht nicht. Du musst ihm sagen, was er damit tun soll.
🏁 Fazit
Der größte Hebel für wirksame KI-Agenten ist nicht das Tool oder das Modell, sondern das Wissen, das du ihm gibst. Mit einer strukturierten Wissensbasis verwandelst du einen generischen Agenten in einen echten digitalen Kollegen, der im gegebenen Kontext Aufgaben erledigen kann.
Meine Key Takeaways für dich:
- Beginne mit der Struktur: Trenne dein Wissen in klare, logische Bereiche wie ein "Ich"-Profil, "Wir"-Profil und deine Prozesse. Diese Klarheit hilft nicht nur der KI, sondern vor allem dir selbst.
- Sei pragmatisch beim Füllen der Lücken: Nutze KI, um dir Fragenkataloge für fehlendes Wissen erstellen zu lassen und beantworte sie einfach per Voice Memo. "Better done than perfect" ist hier das Motto.
- Setze auf Einfachheit: Starte mit simplen Werkzeugen wie Google Drive und gut strukturierten Markdown-Dateien. Komplexität kann später immer noch kommen.
- Anleitung ist Pflicht: Eine Wissensbasis ohne eine klare Anweisung im System Prompt, wie die KI sie nutzen soll, ist nur eine nutzlose Datensammlung.
Fang an, dein zweites Gehirn zu bauen.
Es ist die Grundlage, um nicht nur deine Arbeit zu erleichtern, sondern dein Denken zu skalieren.
Bis nächsten Sonntag,
Felix
P.S. Wenn du die KI-Transformation deines Unternehmens in die Hand nehmen willst, bekommst du im AI Collective das Wissen, die Werkzeuge, Fähigkeiten und das Netzwerk dafür an die Hand. Hier erfährst du alles weitere und kannst dich bewerben.
Logge Dich ein oder registriere Dich,
um am Austausch teilzunehmen.