Die meisten digitalen Wissenssammlungen scheitern nicht an zu wenig Inhalt. Sie scheitern an zu vielen Fundstücken, die nie verarbeitet wurden. Markierte Webseiten, kopierte Zitate, Gesprächsnotizen und KI-Zusammenfassungen sammeln sich an. Der Bestand wächst. Das Wissen nicht unbedingt.
Ein Sprachmodell kann diesen Haufen durchsuchen und neu formulieren. Es kann aber nicht zuverlässig erkennen, welche Aussage geprüft, verstanden, überholt oder nur beiläufig gespeichert wurde. Dafür braucht es bearbeitete Wissenseinheiten und nachvollziehbare Beziehungen.
Zettelkasten, Atomic Notes und Evergreen Notes setzen genau dort an.
Ein Zettelkasten ist kein Kartenlager
Der Zettelkasten wird häufig auf „viele kleine Notizen mit Links“ reduziert. Das greift zu kurz. Entscheidend sind drei Eigenschaften:
- Eine Notiz besitzt eine eindeutige Adresse.
- Sie behandelt einen abgegrenzten Gedanken.
- Sie wird bewusst mit anderen Gedanken verbunden.
Damit entsteht kein Archiv nach Themenordnern, sondern ein persönliches Netz aus Argumenten, Beobachtungen, Quellen und Beziehungen. Die Verbindung ist nicht bloß technisch. Ein guter Link erklärt, warum zwei Notizen zusammengehören.
Für KI ist dieser Linkkontext wertvoller als eine automatisch erzeugte Graphansicht. Zehn Linien zwischen Dateien sagen wenig. Ein Satz wie „Diese Entscheidung widerspricht dem früheren Sicherheitsprinzip, weil …“ liefert eine Beziehung, mit der ein Modell arbeiten kann.
Atomic Notes: klein genug für klare Bezüge
Das Prinzip der Atomic Notes verlangt nicht, jeden Gedanken in einen Einzeiler zu zerlegen. Eine Notiz soll sich auf eine Sache konzentrieren und diese ausreichend erklären.
Zu breite Notizen haben ein Problem: Ein Link verweist auf ein ganzes Dokument, obwohl nur ein einzelner Gedanke relevant ist. Zu kleine Notizen sind ebenfalls unpraktisch: Der Zusammenhang zerfällt in Fragmente, die nur mit erheblichem Aufwand wieder verständlich werden.
Eine brauchbare atomare Notiz beantwortet deshalb:
- Welche Aussage steht im Mittelpunkt?
- Ist sie ohne den ursprünglichen Fundort verständlich?
- Welche Quelle oder Erfahrung trägt sie?
- Mit welchen vorhandenen Gedanken hängt sie zusammen?
- Was folgt daraus?
Der Titel sollte die Aussage möglichst konkret benennen. „KI und Organisation“ ist ein Thema. „KI verstärkt vorhandene Organisationsmuster“ ist eine Behauptung, an die sich weitere Gedanken anschließen lassen.
Evergreen Notes: Wissen bleibt in Bewegung
Evergreen Notes sind nicht einfach dauerhafte Notizen. Sie werden so geschrieben und organisiert, dass sie sich über Projekte hinweg weiterentwickeln können.
Eine solche Notiz kann zunächst eine Arbeitshypothese enthalten. Später kommen Gegenbeispiele, Quellen, präzisere Begriffe oder eine veränderte Bewertung hinzu. Der Text wird nicht für jeden neuen Kontext kopiert, sondern an einer kanonischen Stelle gepflegt.
Das verhindert zwei typische Probleme:
- dieselbe Erkenntnis liegt in mehreren widersprüchlichen Fassungen vor,
- alte Aussagen werden weiterhin verwendet, weil ihr Nachfolger nicht erkennbar ist.
Für KI bedeutet das: Statt fünf Projektprotokolle gegeneinander abzuwägen, kann sie auf eine gepflegte Wissensnotiz zugreifen und die historischen Quellen bei Bedarf ergänzend betrachten.
Rohmaterial, Arbeitsnotiz und Wissen trennen
Nicht jede Notiz muss sofort evergreen sein. Ein sinnvoller Wissensprozess kennt verschiedene Reifegrade:
- Fundstück: Link, Zitat oder Rohinformation, noch nicht bewertet.
- Arbeitsnotiz: erste eigene Zusammenfassung oder Frage.
- Wissensnotiz: verständliche, begründete Aussage mit Quellen und Verbindungen.
- Kanonischer Inhalt: freigegebener Standard, Entscheidung oder publizierte Fassung.
- Historischer Stand: bewusst aufbewahrt, aber nicht mehr gültig.
Diese Zustände sollten sichtbar sein. Sonst behandelt eine KI eine spontane Notiz vom Montag möglicherweise wie einen freigegebenen Standard vom Freitag.
Wo KI sinnvoll unterstützt
KI kann die Wissensarbeit beschleunigen, wenn die Rollen klar bleiben:
- aus Rohmaterial mögliche Aussagen extrahieren,
- ähnliche Notizen zur Prüfung vorschlagen,
- Widersprüche oder begriffliche Unschärfen markieren,
- fehlende Quellenhinweise erkennen,
- aus mehreren Notizen eine Struktur für einen Artikel entwerfen,
- verwaiste oder lange unveränderte Notizen zur Überarbeitung vorlegen.
Sie sollte Verbindungen nicht massenhaft allein erzeugen. Automatische Links sehen im Graphen beeindruckend aus, können aber bedeutungslos sein. Eine Beziehung wird erst dann zu Wissen, wenn klar ist, warum sie relevant ist.
Ein kleines Beispiel
Angenommen, in einem Gespräch fällt der Satz:
Wir brauchen keine Ablage mehr, die KI findet ohnehin alles.
Als Fundstück ist das zunächst nur eine Behauptung. Eine bearbeitete Notiz könnte lauten:
Titel: Semantische Suche ersetzt keine Gültigkeitskennzeichnung
Aussage: Eine KI kann inhaltlich ähnliche Dokumente finden, aber ohne Status- und Quelleninformationen nicht zuverlässig bestimmen, welches Dokument aktuell oder verbindlich ist.
Begründung: Ähnlichkeit beantwortet die Frage „Worum geht es?“, nicht automatisch „Was gilt?“.
Verbindungen: kanonische Quellen, Dokumentenlebenszyklus, PARA, ADR, Changelog.
Offene Frage: Welche Mindestmetadaten benötigt unser Suchsystem?
Jetzt existiert eine Wissenseinheit, die in einer Entscheidung, einer Anleitung oder einem späteren Artikel wiederverwendet werden kann.
Der häufigste Fehler: Notizpflege als Hobby
Ein Wissenssystem darf nicht mehr Energie verbrauchen als die Arbeit, die es unterstützen soll. Wer jeden Gedanken in sieben Metadatenfelder, fünf Tags und zwölf Rückverweise zwingt, produziert vor allem Verwaltung.
Beginne kleiner:
- Verarbeite nur Material, das für laufende Arbeit oder wiederkehrende Fragen relevant ist.
- Formuliere eine klare Aussage pro Notiz.
- Verlinke wenige, aber begründete Beziehungen.
- Kennzeichne Quelle, Status und letzten Prüfzeitpunkt.
- Überarbeite Notizen dort, wo sie tatsächlich verwendet werden.
Wissen wächst durch Nutzung, nicht durch feierliches Einsortieren.
Fazit
Zettelkasten, Atomic Notes und Evergreen Notes helfen, aus Texten ein belastbares Wissensnetz zu entwickeln. Sie geben Gedanken Adressen, begrenzen ihren Umfang und halten ihre Beziehungen sowie Entwicklung sichtbar.
Das verbessert nicht nur menschliches Denken und Schreiben. Es liefert KI genau den Kontext, den bloße Volltextsuche nicht erzeugen kann: klare Aussagen, Quellen, Verbindungen, Reifegrade und eine gepflegte Gegenwart.
