Eine KI kann Millionen Wörter durchsuchen und trotzdem am falschen Dokument landen. Das passiert besonders zuverlässig, wenn Dateien final, final-neu und final-wirklich-final heißen und auf drei Plattformen verteilt sind.
Suche löst nicht jedes Ablageproblem. Sie findet Zeichenfolgen, Ähnlichkeiten und Metadaten. Ob ein Dokument zum aktiven Projekt gehört, eine dauerhafte Verantwortung beschreibt oder längst archiviert werden müsste, muss irgendwo erkennbar sein.
Zwei Methoden ergänzen sich dabei besonders gut: PARA ordnet Informationen nach ihrem aktuellen Zweck. Johnny Decimal gibt ihnen eine stabile Adresse.
PARA: Organisation nach Handlungsnähe
PARA steht für Projects, Areas, Resources und Archives:
- Projects: Vorhaben mit einem konkreten Ergebnis und einem absehbaren Ende.
- Areas: dauerhafte Verantwortungsbereiche ohne festes Abschlussdatum.
- Resources: Themen, Interessen und wiederverwendbares Referenzwissen.
- Archives: inaktive Inhalte aus den ersten drei Bereichen.
Der entscheidende Gedanke ist nicht die Zahl vier. PARA sortiert Informationen danach, wie nah sie an aktueller Handlung liegen. Material für ein laufendes Projekt bleibt direkt beim Projekt. Nach dem Abschluss wandert es ins Archiv. Dauerhafte Standards gehören nicht in ein befristetes Vorhaben, sondern in den zuständigen Bereich.
Für KI ist diese Unterscheidung wertvoll. Ein Modell kann aktuelle Projektunterlagen höher gewichten als historisches Material, ohne das Archiv zu verlieren. Es kann erkennen, dass ein Bereichsdokument länger gilt als eine einzelne Projektnotiz.
Johnny Decimal: Eine Adresse statt Ordnerarchäologie
Johnny Decimal begrenzt die Ablage auf Bereiche, Kategorien und IDs. Eine Kennung wie 42.17 verweist auf eine konkrete Position: Kategorie 42, Eintrag 17. Der zugehörige Index, der JDex, beschreibt, was sich dort befindet und wo es tatsächlich gespeichert ist.
Das System schafft zwei Dinge:
- Stabile Adressen: Ein Vorgang lässt sich eindeutig benennen und weitergeben.
- Begrenzte Tiefe: Statt beliebig verschachtelter Ordner gibt es eine flache, vorhersehbare Struktur.
Die Zahlen sind kein Selbstzweck. Sie funktionieren wie Koordinaten. „Die Freigabe liegt unter 42.17“ ist eindeutiger als „irgendwo unter Kommunikation, glaube ich“.
Für KI-Agenten sind solche Kennungen praktisch, weil sie Referenzen stabilisieren. Ein Prompt kann gezielt den Kontext aus 42.17 anfordern. Protokolle, Aufgaben und Entscheidungen können dieselbe ID tragen. Verschiedene Systeme erhalten damit einen gemeinsamen Bezugspunkt, auch wenn die eigentlichen Dateien in Nextcloud, Git oder einem Wiki liegen.
Wie beide Methoden zusammenpassen
PARA beantwortet: Welche Rolle spielt diese Information gerade? Johnny Decimal beantwortet: Wo finde und referenziere ich sie eindeutig?
Eine mögliche Kombination sieht so aus:
10-19 Projekte11 Website-Relaunch11.01 Projektauftrag11.02 Entscheidungen11.03 Inhalte
20-29 Bereiche21 Marke und Kommunikation21.01 Corporate Design21.02 Redaktionsstandard
30-39 Ressourcen31 Künstliche Intelligenz31.01 Promptmuster
90-99 Archiv- abgeschlossene oder aufgegebene Bestände
Das ist nur ein Beispiel. Ein persönliches oder betriebliches System muss zur tatsächlichen Arbeit passen. Wer fremde Kategorien ungeprüft kopiert, besitzt anschließend ein ordentlich nummeriertes Missverständnis.
Was die KI daraus ableiten kann
Mit sauberer Metadatenpflege kann eine KI Fragen besser beantworten:
- Welche Unterlagen gehören zum aktiven Projekt?
- Welcher Standard gilt dauerhaft für alle Projekte?
- Welche Entscheidung wurde inzwischen ersetzt?
- Wo liegt das Referenzmaterial, auf das mehrere Projekte zugreifen?
- Welche abgeschlossenen Inhalte dürfen nur noch historisch verwendet werden?
Das Modell benötigt dafür nicht zwangsläufig direkten Zugriff auf jedes System. Schon ein gepflegter Index mit IDs, Bezeichnungen, Status und Quellverweisen schafft Orientierung.
Ein solcher Index sollte mindestens enthalten:
- eindeutige ID,
- verständliche Bezeichnung,
- zuständige PARA-Klasse,
- verantwortliche Person oder Rolle,
- kanonischen Speicherort,
- aktuellen Status und
- gegebenenfalls einen Verweis auf den Nachfolger.
Grenzen der Kombination
PARA und Johnny Decimal lösen unterschiedliche Probleme, aber nicht alle:
- Sie entscheiden nicht, ob ein Inhalt fachlich richtig ist.
- Sie ersetzen keine Zugriffsrechte oder Datenschutzregeln.
- Sie erklären nicht automatisch Beziehungen zwischen einzelnen Gedanken.
- Sie verhindern keine veralteten Inhalte, wenn niemand sie pflegt.
- Sie machen aus einer schlechten Bezeichnung keine gute Information.
Für Wissen, das sich über viele Projekte entwickelt, braucht es zusätzlich Verknüpfung und inhaltliche Pflege. Darum geht es im nächsten Teil über Zettelkasten, Atomic Notes und Evergreen Notes.
Ein pragmatischer Einstieg
Für den Anfang genügt ein kleiner Versuch:
- Wähle einen klar abgegrenzten Bestand.
- Sortiere ihn grob nach Projects, Areas, Resources und Archives.
- Entwirf wenige breite Bereiche und Kategorien.
- Vergib IDs nur für tatsächlich benötigte Einträge.
- Pflege einen zentralen Index mit Speicherorten.
- Teste typische Such- und Übergabesituationen.
- Ändere die Struktur erst nach realer Nutzung.
Die Methode sollte weniger Entscheidungen erzeugen, nicht mehr. Wenn für jede Datei eine halbstündige Klassifikationsdebatte nötig ist, hat die Ablage den Menschen besiegt.
Fazit
KI braucht nicht nur möglichst viel Kontext, sondern den richtigen Kontext. PARA hält aktive und dauerhafte Informationen auseinander. Johnny Decimal macht Ablageorte stabil und kommunizierbar. Zusammen schaffen sie eine einfache Landkarte, die Menschen verstehen und Maschinen gezielt auswerten können.
Ein fester Ort ist dabei kein Selbstzweck. Er sorgt dafür, dass eine Information wiedergefunden, richtig eingeordnet und kontrolliert verändert werden kann. Genau daraus entsteht Verlässlichkeit.
