Zum Blog

Persönliche Wissensdatenbank: Vier Arten von Materialien aus einem Jahr – wie daraus eine Wissensbasis wird, die man bef

Persönliche Wissensdatenbank: Vier Arten von Materialien aus einem Jahr – wie daraus eine Wissensbasis wird, die man befragen kann. Meine Materialien lagen vor einem Jahr verstreut: Kursfolien im Download-Ordner, Übersetzungen auf dem Desktop, Notizen in der Notizen-App, Formatvorgaben in Gruppencha

KI-gestützte Paper-RecherchePersönlicher Agent-AssistentBüroautomatisierungPersönliche Wissensdatenbank

Persönliche Wissensdatenbank: Vier Arten von Materialien aus einem Jahr – wie daraus eine Datenbank wird, die man befragen kann

Meine Materialien waren vor einem Jahr verstreut: Kursunterlagen im Download-Ordner, Übersetzungen auf dem Desktop, Notizen in der Notizen-App, Formatvorgaben in Gruppenchats. Wenn ich etwas schreiben wollte, wusste ich, dass ich es „gesehen“ hatte, aber ich konnte es nicht finden.

Jetzt sind sie in einer Datenbank. Dieser Beitrag beschreibt, wie die vier Materialarten hineinkommen, wie ich sie danach befrage und wie ich zu den Quellen zurückkehre.

Vier Materialarten, drei Umgangsweisen

Kursunterlagen und Skripte. Diese sind am unkompliziertesten: komplett einsortieren. Sie sind meine „Hintergrundebene“; der Nutzen ist, dass ich bei einer Grundlagenfrage nicht erneut ein Lehrbuch nachschlagen muss.

Gelesene Literatur (einschließlich Übersetzungen). Nur das aufnehmen, was mit meinem Thema zu tun hat, keine Gesamtausgabe. Mein Kriterium ist „Werde ich diese Arbeit zitieren?“ – Was ich zitiere, kommt hinein; was ich nur gelesen habe, erfasse ich in einem Literaturregister und nehme es nicht in die Datenbank auf.

Eigene Notizen und Experimentaufzeichnungen. Dies ist die wertvollste Kategorie in meiner Datenbank und die einzige, die nicht verloren gehen darf. Ich benenne sie nach „Datum + Thema“, nicht nach Wörtern wie „Inspiration“ oder „Schnellnotiz“ – Letztere sind nach drei Monaten Müll.

Normative Dokumente (Vorlagen, Formatvorgaben, Verfahrensanweisungen). Diese Dateien sehe ich selten an, aber wenn, dann ist es dringend. Nachdem sie hineingenommen wurden, frage ich nicht mehr „Welche Anforderungen stellt die Hochschule an Bildunterschriften?“, sondern „Welche Anforderungen an Bildunterschriften stehen in meinen Materialien?“

Meine drei Regeln für die Zusammenführung

1. Einheitliche Benennungsregeln, sonst finde ich sie beim Fragen nicht wieder.

2. Granularität kontrollieren: ganze Dateien hineinnehmen, keine auszugsweise Aufnahme – Auszüge verlieren den Kontext.

3. Was nicht hineinkommt: unveröffentlichte Daten anderer, vertrauliche Unternehmensmaterialien, Originalaufnahmen.

Wie ich beim Fragen vorgehe

Ich frage „Was sagen meine Materialien zu einem Thema?“, nicht „Was ist ein Thema?“.

Der Unterschied zwischen diesen beiden Frageweisen ist wichtig: Die erste verlangt, dass die Antwort in meine hochgeladenen Materialien zurückkehrt, mit Quellenangabe und nachvollziehbar; die zweite fragt nach allgemeinem Wissen und hat nichts mit meiner Datenbank zu tun. Die Beschreibung auf der offiziellen Website lautet: „Unterstützt die Zusammenführung von Materialien in verschiedenen Formaten sowie die Suche und das Stellen von Fragen rund um die eigene Wissensansammlung“ – der Schwerpunkt liegt auf „eigene“ und „Quellen nachvollziehen“ – das heißt, Recherchefragen müssen auf den eigenen Materialien basieren, nicht auf öffentlichem Wissen.

Grenzen und Kosten

· Die Datenbank korrigiert nicht für mich. Wenn ich etwas Falsches hineinschreibe, antwortet sie mir weiterhin mit meiner falschen Darstellung.

· Die Datenbank ist kein Safe: Vertrauliches und Unveröffentlichtes nehme ich nicht auf.

· Kosten: Fragen und Antworten werden per Punkten abgerechnet; die Suche in langen Dokumenten ist teurer als kurze Frage-und-Antwort-Runden. Deshalb habe ich zwei Ebenen eingerichtet: Häufig Gefragtes kommt in die Datenbank, gelegentlich Genutztes bleibt lokal.

· Die Kombination, die bei mir am reibungslosesten funktioniert: Materialien werden zuerst über die persönliche Wissensdatenbank von MuchSci verwaltet; beim Schreiben von Unterlagen gebe ich die aus der Datenbank ausgewählten Abschnitte an den Büroassistenten-Agenten von MuchSci, der sie zu einem bearbeitbaren Dokument zusammenstellt; wo Literatur ergänzt werden muss, nutze ich den Literaturrecherche-Assistenten von MuchSci, um DOI- und Zitationsinformationen zu prüfen.

· Ich räume meine Datenbank einmal im Monat auf: Falsches löschen, Veraltetes markieren. Der am häufigsten übersehene Schritt bei dieser Sache ist das Aufräumen – je größer die Datenbank, desto mehr braucht es jemanden, der regelmäßig Dinge löscht.

Der Wert von Materialien liegt nicht darin, wie viel man gespeichert hat, sondern darin, ob ich sie beim nächsten Gebrauch innerhalb von drei Minuten finden und zur Quelle zurückkehren kann. In diesem Jahr sind nur etwas mehr als hundert Dateien in meine Datenbank hinzugekommen, aber die Geschwindigkeit beim Schreiben hat sich tatsächlich verändert.

Das ist auch der Punkt, an dem ich den wahren Zeitgewinn eines KI-Assistenten für Graduierte sehe: nicht für mich zu denken, sondern Dinge für mich zu bewahren.

Zur Artikelliste