Der folgende Beitrag bündelt die bisherigen Texte zum Agentic Vault in einer eigenständigen Konzeptbeschreibung. Der Begriff Agentic Vault wird dabei nicht als etablierter Standardbegriff verwendet, sondern bezeichnet ein Arbeits- und Architekturmodell, in dem Mensch und KI-Systeme über einen gemeinsamen, offenen und regelgebundenen Wissensbestand zusammenarbeiten.
Im Mittelpunkt steht nicht die Entstehungsgeschichte des Ansatzes, sondern seine aktuelle Referenzimplementierung: vaultkit. Beschrieben wird, wie ein offener Markdown-Vault, strukturierte Metadaten, Indizes, Synthesen, technische Werkzeuge, KI-gestützte Verarbeitung und menschliche Kuratierung zu einem gemeinsamen Arbeits- und Wissensraum zusammenwirken.
Damit grenzt sich der Beitrag bewusst von den vorangegangenen Einzelbeiträgen ab. Er stellt eine Momentaufnahme des heutigen Konzepts dar: was vaultkit leisten soll, welche Bestandteile zur Referenzimplementierung gehören, wie die Arbeit zwischen Mensch, KI-Systemen und Werkzeugschicht verteilt ist und wo die Grenzen des Ansatzes liegen.
Für Leser, die vor allem verstehen wollen, was vaultkit ist und wie der Agentic-Vault-Ansatz praktisch umgesetzt wird, bildet dieser Beitrag den geeigneten Einstiegspunkt. Das zugehörige GitHub-Repository ist unter https://github.com/thodo67/vaultkit angelegt. Es ist derzeit noch privat, soll aber in Kürze öffentlich zugänglich gemacht werden.
Zweck und Abgrenzung
KI-Systeme verfügen über umfangreiches allgemeines Wissen, kennen aber nicht automatisch den konkreten Kontext einer laufenden Arbeit. Dazu gehören vorhandene Quellen, frühere Entscheidungen, Projektstände, Arbeitsregeln und bereits erzielte Ergebnisse. Ebenso wenig kennen sie ohne ausdrückliche Bereitstellung den fachlichen Hintergrund, die Ziele oder die bevorzugte Arbeitsweise des Menschen, mit dem sie zusammenarbeiten.
Bleiben diese Informationen in einzelnen Chatverläufen oder den Speicherfunktionen eines bestimmten KI-Dienstes, entsteht weder ein verlässlicher gemeinsamer Arbeitsstand noch eine dauerhafte Kontextbasis. Eine neue Sitzung muss wesentliche Zusammenhänge erneut erschließen. Beim Wechsel des Modells oder Anbieters steht der dort aufgebaute Kontext häufig nicht zur Verfügung. Zugleich fehlt ein gemeinsamer Ort, an dem Mensch und KI diesen Kontext fortlaufend prüfen, ergänzen und weiterentwickeln können.
Der Agentic Vault verlagert den dauerhaften Arbeitskontext deshalb in einen lokalen Bestand aus offenen Markdown-Dateien. Dort liegen nicht nur Quellen und verdichtetes Wissen, sondern auch Arbeitsregeln, persönlicher oder organisatorischer Kontext, laufende Projekte, Zwischenstände und fertige Ergebnisse. Unterschiedliche KI-Systeme können auf denselben Bestand zugreifen. Der Kontext bleibt damit unabhängig von einer einzelnen Sitzung, einem bestimmten Modell und den proprietären Speicherfunktionen eines Anbieters.
Der Vault wird dabei nicht als vollständiger Datenbestand in jede Aufgabe geladen. Instruktionen, maschinenlesbare Metadaten, hierarchische Indizes und thematische Synthesen helfen dem aktiven KI-System, den jeweils benötigten Ausschnitt zu erschließen. Der Bestand dient somit zugleich als dauerhafte Zustands- und Wissensschicht und als gemeinsamer Arbeitsraum, in dem neue Ergebnisse wieder in den vorhandenen Kontext zurückgeführt werden.
Ein zweites Grundprinzip betrifft die Verteilung der Arbeit. Der Mensch soll den Vault nutzen, nicht fortlaufend verwalten müssen. Wiederkehrende Aufgaben wie Quellenaufnahme, Ablage, Metadatenpflege, Indexierung, Konsistenzprüfungen und die Beobachtung des Wissensbestands übernimmt die technische Betriebsschicht. Wo dafür eine inhaltliche Einordnung erforderlich ist, wird sie durch spezialisierte semantische KI-Läufe ergänzt. Beide schaffen die Voraussetzungen dafür, dass der Bestand für die weitere KI-Arbeit strukturiert, aktuell und erschließbar bleibt.
Diese Entlastung verlagert nicht die inhaltliche Verantwortung. Der Mensch setzt Themen, wählt und bewertet Quellen, schärft Fragen und entscheidet über die Ergebnisse. Die KI unterstützt bei Recherche, Einordnung, Verdichtung und Formulierung; die Betriebsschicht übernimmt die regelgebundene Pflege und Prüfung. Ziel ist nicht ein autonomer Vault, sondern eine Arbeitsumgebung, in der sich der Mensch auf Einordnung, Urteil und Ergebnis konzentrieren kann. Die inhaltliche Arbeit soll für ihn im Vordergrund stehen.
Der Begriff Agentic Vault bezeichnet dieses Arbeits- und Architekturmodell. vaultkit stellt dafür eine konkrete Referenzimplementierung bereit. Das Repository verbindet einen kopierbaren Starter-Vault samt Arbeitsregeln und Dokumentation mit den technischen Werkzeugen und Schnittstellen für seinen Betrieb. Es liefert jedoch weder ein Sprachmodell noch den Zugang zu einem KI-Dienst. Für semantische Aufgaben muss der Nutzer ein hinreichend leistungsfähiges KI-System konfigurieren. Die Referenzimplementierung ist dabei nicht an einen bestimmten Anbieter, Modellnamen oder Tarif gebunden.
Die aktuelle Referenzimplementierung ist für den Betrieb unter Linux ausgelegt. Der Markdown-Vault selbst bleibt als Dateibestand grundsätzlich plattformunabhängig. Die mitgelieferte Automatisierung verwendet jedoch systemd-User-Timer und einzelne Unix-Werkzeuge. Ein vergleichbarer Betrieb unter Windows oder macOS ist derzeit weder Bestandteil des Repositorys noch als unterstützte Installation dokumentiert.
Der Agentic Vault verfolgt damit zwei zusammengehörige Ziele: Er erhält den gemeinsamen Arbeitskontext über Sitzungen und Modelle hinweg, und er nimmt dem Menschen die laufende Verwaltung dieser Kontextbasis weitgehend ab. Wie Vault, KI-System, Betriebsschicht und Mensch diese Aufgaben untereinander aufteilen, beschreibt das folgende Kapitel.
Die Arbeitsteilung im Agentic Vault
Innerhalb dieses Rahmens verteilt der Agentic Vault die anfallenden Aufgaben auf den Vault, externe KI-Systeme, die technischen Bestandteile von vaultkit und den Menschen. Die klare Trennung verhindert, dass gespeichertes Wissen, ausführendes KI-System und technische Werkzeuge als eine gemeinsame Instanz behandelt werden. Zugleich können einzelne Komponenten ausgetauscht oder weiterentwickelt werden, ohne den gemeinsamen Arbeitskontext neu aufzubauen.
Der Vault als gemeinsame Grundlage
Der Vault bildet die dauerhafte Grundlage des Systems. Er enthält Quellen, Synthesen und kuratierte Ergebnisse ebenso wie laufende Projekte, Arbeitsstände und Übergaben. Hinzu kommen Instruktionen, Ablageregeln, Systemdokumentation und persönlicher oder organisatorischer Kontext. Diese Verbindung aus Wissen, Regeln und Zustand ermöglicht es einem KI-System, eine Aufgabe nicht isoliert zu bearbeiten, sondern an den vorhandenen Kontext anzuschließen.
Der Markdown-Bestand bleibt dabei die maßgebliche Quelle. Verzeichnisindizes, Wissensgraphen und portable Wissenspakete werden daraus erzeugt. Sie dienen der Navigation, Analyse oder Weitergabe, bilden aber keine parallel gepflegten Wissensbestände. Änderungen erfolgen grundsätzlich im Vault und werden von dort in abgeleitete Darstellungen übernommen.
KI-Systeme für die semantische Arbeit
KI-Systeme übernehmen Aufgaben, die sprachliches Verständnis und fachliche Einordnung erfordern. Sie erschließen vorhandenes Wissen, ordnen Quellen ein, erkennen Zusammenhänge und Lücken, verdichten Material zu Synthesen und formulieren Entwürfe. In der Zusammenarbeit mit dem Menschen überarbeiten sie Ergebnisse anhand seiner Rückmeldungen.
Die aktuelle Realisierung nutzt hierfür zwei Arbeitsformen. Bei der interaktiven Arbeit greift ein KI-System unmittelbar auf den Vault zu und arbeitet gemeinsam mit dem Menschen an einer konkreten Aufgabe. Gemeinsame Instruktionsdateien führen unterschiedliche Systeme in dieselben Ablageregeln und Arbeitsabläufe ein.
Daneben gibt es spezialisierte KI-Läufe für begrenzte wiederkehrende Aufgaben. Derzeit betrifft dies vor allem die semantische Anreicherung von Metadaten und die Verarbeitung neuer Quellen zu Synthesen. In der aktuellen Umsetzung werden diese Abläufe über definierte agy-Skills ausgeführt. Ihr Auftrag ist enger als der eines interaktiven Arbeitssystems, und ihre Ergebnisse werden durch technische Vor- und Nachprüfungen begrenzt. agy ist dabei die derzeit verwendete Ausführungsumgebung; entscheidend ist die Einhaltung des jeweiligen Skill- und Ausgabevertrags, nicht die Bindung an einen bestimmten Modellnamen. Das dafür eingesetzte KI-System wird vom Nutzer konfiguriert und muss für Aufgabe und Umfang hinreichend leistungsfähig sein.
Technische Fähigkeiten und Betrieb
Die Werkzeug- und Betriebsschicht übernimmt Aufgaben, deren Eingaben, Ausgaben und Prüfbedingungen eindeutig beschrieben werden können. Sie importiert und normalisiert Quellen, führt konfigurierte Feeds aus, ergänzt strukturelle Metadaten, erzeugt Verzeichnisindizes und prüft Pfade, Citations und Verarbeitungszustände. Sie berechnet Alterungssignale, erzeugt und validiert portable Wissenspakete und stellt diese Funktionen über die Kommandozeile sowie zeitgesteuerte Abläufe bereit.
Wo semantische KI-Arbeit erforderlich ist, bilden die Runner den technischen Rahmen. Sie stellen fest, welche Metadaten fehlen, starten den dafür vorgesehenen KI-Lauf und wenden nur validierte Vorschläge auf einen unveränderten Dateistand an. Beim Syntheselauf starten und überwachen sie in der aktuellen Referenzanbindung den spezialisierten agy-Skill, prüfen anschließend den Verarbeitungszustand und protokollieren das Ergebnis. Die inhaltliche Einordnung stammt dabei vom konfigurierten KI-System; Ablaufsteuerung, Validierung und Nachvollziehbarkeit liegen bei den technischen Bestandteilen von vaultkit.
Die zeitgesteuerte Ausführung erfolgt in der aktuellen Linux-Implementierung über systemd-User-Timer. vaultkit stellt dafür die Runner, die CLI-Schnittstellen und die Betriebsdokumentation bereit; die Timer selbst werden auf dem Zielsystem als systemd-User-Units eingerichtet und aktiviert. Die Dateien des Repositorys bilden damit noch keinen laufenden Betrieb. Erst die lokale Konfiguration verbindet Vault-Pfad, Runner, externe KI-Anbindung und vorgesehene Timer zu einem automatisierten Betrieb.
Die technischen Werkzeuge verfolgen keine eigenen Ziele und bewerten keine fachlichen Aussagen. Sie sind weder Gesprächspartner noch Sprachmodell und besitzen kein separates Gedächtnis. Ihre Aufgabe besteht darin, definierte Funktionen verlässlich auszuführen und die Bedingungen zu schaffen, unter denen Menschen und KI-Systeme mit demselben Bestand arbeiten können.
Der Mensch steuert und entscheidet
Der Mensch ist kein nachgelagerter Kontrolleur eines ansonsten autonomen Systems. Er bestimmt, welche Ziele verfolgt und welche Fragen beantwortet werden sollen. Er wählt Quellen aus oder bestätigt deren Relevanz, bewertet Synthesen und Ergebnisse und entscheidet, welche Inhalte dauerhaft übernommen oder weitergegeben werden. Auch Schutzbedarf, Freigabe, Löschung und grundlegende Strukturänderungen bleiben in seiner Verantwortung.
Der Vault hält dafür Kontext und Entscheidungen verfügbar. KI-Systeme erschließen und bearbeiten Inhalte. Die technischen Werkzeuge übernehmen wiederkehrende Verwaltung und formale Prüfungen. Keine dieser Ebenen kann jedoch allein entscheiden, ob eine Aussage fachlich trägt oder ein Ergebnis dem beabsichtigten Zweck entspricht.
Schnittstellen halten die Arbeitsteilung sichtbar
Die Zusammenarbeit erfolgt über nachvollziehbare Schnittstellen. Markdown-Dateien übertragen Wissen, Kontext und Arbeitsstände. Instruktionsdateien vermitteln den KI-Systemen die Regeln des Vaults. Frontmatter kennzeichnet die Funktion einzelner Dokumente. Indizes erschließen den Bestand. Befehle und Timer rufen technische Fähigkeiten auf. State-Dateien und Protokolle halten automatisierte Abläufe nachvollziehbar, während Projektstatus und Journal die Kontinuität der gemeinsamen Arbeit sichern.
So lässt sich unterscheiden, welcher Kontext bereits im Vault lag, welches KI-System eine semantische Bearbeitung vorgenommen hat und welche technische Funktion eine Datei erzeugt oder geprüft hat. Diese Transparenz ist die Voraussetzung dafür, die beteiligten Komponenten unabhängig weiterzuentwickeln und trotzdem auf einem gemeinsamen Arbeitsstand zu halten.
Die Arbeitsteilung legt fest, wer welche Aufgabe übernimmt. Möglich wird sie durch einen offenen, strukturierten und maschinenlesbaren Dateibestand, auf den alle Beteiligten nach klaren Regeln zugreifen. Wie dieser Bestand aufgebaut und navigierbar gemacht wird, beschreibt das folgende Kapitel.
Struktur und Navigation des Wissensbestands
Der Agentic Vault speichert seinen Arbeits- und Wissensbestand in Markdown-Dateien. Damit KI-Systeme diesen Bestand zuverlässig nutzen können, genügt das gemeinsame Dateiformat allein jedoch nicht. Jede Datei benötigt eine erkennbare Funktion, eine stabile Adresse und nachvollziehbare Beziehungen zu anderen Inhalten. Zugleich muss ein wachsender Vault erschließbar bleiben, ohne bei jeder Aufgabe vollständig gelesen zu werden.
Frontmatter kennzeichnet die Funktion einer Datei
Jede inhaltlich relevante Datei beginnt mit einem YAML-Frontmatter. Dieser abgegrenzte Metadatenblock ergänzt den natürlichsprachlichen Inhalt um Angaben, die KI-Systeme und technische Werkzeuge eindeutig auswerten können. Das Feld type kennzeichnet beispielsweise, ob es sich um eine Quelle, eine Synthese, ein Projekt, ein Produkt oder eine Referenz handelt. timestamp ordnet die Datei zeitlich ein, tags unterstützen die fachliche Zuordnung und description fasst Inhalt oder Fragestellung knapp zusammen.
Frontmatter trennt den Inhalt nicht von seiner Beschreibung. Beides bleibt in derselben Datei: Der Mensch liest den Text, während KI-Systeme und Prüfwerkzeuge anhand der strukturierten Angaben erkennen, womit sie arbeiten. Weitere Felder werden nur ergänzt, wenn die jeweilige Datenklasse sie benötigt.
Diese Angaben müssen verlässlich sein. Defektes oder mehrdeutiges Frontmatter wird deshalb nicht stillschweigend interpretiert. Die technische Prüfung meldet solche Dateien zur Korrektur. Damit beruht die weitere Verarbeitung nicht auf einer bloßen Vermutung über die Funktion eines Dokuments.
Pfade bilden stabile Adressen
Der relative Dateipfad ist nicht nur ein Ablageort. In einem Bestand, der sich am Open Knowledge Format (OKF) orientiert, dient er ohne die Endung .md zugleich als eindeutige Adresse einer Wissenseinheit, die sogenannte Concept ID. Verweise auf eine Datei beziehen sich damit auf ihre Position im Bestand.
Daraus folgt das Prinzip der Pfadstabilität. Eine zitierte Quelle wird nicht allein deshalb verschoben oder umbenannt, weil sie nicht mehr aktiv ist. Ihr Status kann sich ändern, ihre gespeicherten Inhalte und ihre Adresse bleiben jedoch erhalten. Andernfalls würden bestehende Verweise aus Synthesen oder anderen Dokumenten ins Leere führen.
Pfadstabilität bedeutet nicht, dass Dateien grundsätzlich nie verschoben werden dürfen. Eine Pfadänderung ist jedoch eine referenzwirksame Änderung und keine beiläufige Ordnungsmaßnahme. Sie muss kontrolliert erfolgen und bestehende Verweise berücksichtigen.
Links und Citations machen Beziehungen nachvollziehbar
Beziehungen zwischen Wissenseinheiten können im Agentic Vault als normale Markdown-Links ausgedrückt und technisch ausgewertet werden. Ein solcher Link bleibt für den Menschen anklickbar, kann von KI-Systemen gelesen und von technischen Werkzeugen aufgelöst werden. Er funktioniert außerdem außerhalb einer bestimmten Notizanwendung und kann in portable Wissenspakete übernommen werden.
Welche Bedeutung eine Beziehung besitzt, ergibt sich aus dem umgebenden Text und ihrer Position im Dokument. Ein Link kann beispielsweise auf einen verwandten Begriff, eine weiterführende Erklärung oder ein anderes Ergebnis verweisen. Eine zusätzliche Graphdatenbank wird dafür nicht gepflegt. Der Markdown-Bestand bleibt maßgeblich.
Quellenbeziehungen erhalten eine besondere Form. Synthesen führen ihre Belege am Ende des Dokuments unter der Überschrift # Citations als nummerierte Markdown-Links auf. Dadurch bleibt sichtbar, aus welchen gespeicherten Quellen eine Wissenseinheit entstanden ist.
Diese Struktur erlaubt zugleich technische Prüfungen. Das System kann feststellen, ob ein interner Quellenpfad noch existiert und welche Quellen einer Synthese zugrunde liegen. Spätere Verfahren zur Inhaltsalterung können daraus ableiten, ob sich eine Synthese überwiegend auf frische oder bereits überholte Quellen stützt.
Citations garantieren weder die Verlässlichkeit einer Quelle noch die fachliche Qualität der daraus entstandenen Synthese. Sie schaffen jedoch die notwendige Nachvollziehbarkeit, um Aussagen zu prüfen, neu zu bewerten und bei Bedarf zu aktualisieren.
Der Indexbaum erschließt den Bestand schrittweise
Mit wachsendem Umfang kann ein KI-System nicht bei jeder Aufgabe den vollständigen Vault laden. Die aktuelle Realisierung erzeugt deshalb in jedem relevanten Verzeichnis eine index.md. Sie listet die vorhandenen Unterbereiche und Dokumente als Links auf und bildet daraus einen navigierbaren Baum.
Der Einstieg erfolgt über den Index im Wurzelverzeichnis. Von dort bewegt sich das KI-System schrittweise zum benötigten Bereich und schließlich zu den relevanten Dateien. Zunächst wird nur die Übersicht gelesen, anschließend der für die konkrete Aufgabe erforderliche Ausschnitt. OKF bezeichnet dieses Prinzip als Progressive Disclosure.
Die Indizes werden automatisch aus dem tatsächlichen Dateisystem erzeugt. Sie bilden daher keine zweite, manuell gepflegte Ordnung. Der Indexbaum zeigt, wo Inhalte liegen. Die inhaltliche Orientierung innerhalb eines Themengebiets liefern vor allem die Synthesen.
Das Open Knowledge Format als gemeinsame Konvention
OKF fasst die wesentlichen Strukturprinzipien der Wissensbasis in einer gemeinsamen Konvention zusammen. Es definiert Wissenseinheiten als Concepts, ihre relativen Pfade als Concept IDs und normale Markdown-Links als Beziehungen. Hinzu kommen Citations, hierarchische Indizes und portable Knowledge Bundles.
Der Agentic Vault richtet seine Wissensbasis an OKF aus und ergänzt es um eigene Regeln für den operativen Workspace. Der Wurzelindex kennzeichnet den Bestand als Workspace und nennt die daraus erzeugbaren Bundle-Profile. Feste Quellbereiche bestimmen, welche Bereiche in ein Wissenspaket gelangen können. Operative und durch Unterstrich gekennzeichnete Arbeitsbereiche bleiben ausgeschlossen.
OKF beschreibt damit die strukturierte und portable Wissensschicht. Es regelt nicht, wie Mensch und KI zusammenarbeiten, wie wiederkehrende Abläufe betrieben werden oder wer inhaltliche Entscheidungen trifft. Diese Aspekte gehören zum weitergehenden Arbeitsmodell des Agentic Vaults.
Frontmatter, stabile Pfade, Links, Citations und Indizes machen den Markdown-Bestand eindeutig, verknüpfbar und gezielt auffindbar. Sie beantworten jedoch noch nicht, welche Arten von Inhalten der Workspace unterscheidet und wohin Quellen, Synthesen, Projekte oder Ergebnisse gehören. Diese Informationsarchitektur beschreibt das folgende Kapitel.
Die Informationsarchitektur des Workspace
Die im vorangegangenen Kapitel beschriebenen Strukturmerkmale machen einzelne Dateien auffindbar, adressierbar und miteinander verknüpfbar. Für die Zusammenarbeit von Mensch und KI muss darüber hinaus erkennbar sein, welche Funktion ein Inhalt im Workspace erfüllt. Eine externe Quelle besitzt einen anderen Stellenwert als eine persönliche Erkenntnis, eine Synthese oder ein fertiges Produkt. Ebenso dürfen ein vorläufiger Arbeitsstand und ein kuratiertes Ergebnis nicht allein deshalb gleichbehandelt werden, weil beide als Markdown-Datei vorliegen.
Der Agentic Vault ordnet Inhalte deshalb nicht nur nach Themen, sondern auch nach ihrer Rolle im Arbeitsprozess. Er unterscheidet Rohmaterial, verdichtetes Wissen, persönliche Erfahrung, laufende Arbeit, fertige Ergebnisse, dauerhaften Kontext und operative Zustände. Diese Trennung schafft keine voneinander isolierten Bestände. Sie legt vielmehr fest, wie ein Inhalt zu verstehen ist, wie er verwendet werden darf und welche Form der Pflege er benötigt.
Operative Bereiche sind noch kein Wissensbestand
Neue Dateien, Aufträge, Übergaben und technische Meldungen gelangen zunächst in einen operativen Eingangsbereich. Dort können auch E-Mails, Anhänge, Prüfberichte oder Ergebnisse automatisierter Abläufe bereitgestellt werden. Ihre gemeinsame Eigenschaft besteht darin, dass sie noch gesichtet, zugeordnet oder bearbeitet werden müssen.
Der Eingang ist deshalb ein Triage-Bereich und kein dauerhafter Speicherort. Ein dort abgelegter Inhalt wird nicht allein durch seine Anwesenheit zu Wissen, zu einer Quelle oder zu einem Arbeitsergebnis. Erst die inhaltliche Prüfung entscheidet, ob er verworfen, als externe Quelle übernommen, einem Projekt zugeordnet oder als Aufgabe weitergeführt wird.
Ähnliches gilt für Journal, Aufgabenlisten, technische State-Dateien und Archive. Sie halten fest, was geschehen ist, was noch aussteht oder welchen Zustand ein Ablauf erreicht hat. Sie ermöglichen Kontinuität und Nachvollziehbarkeit, sind aber nicht automatisch fachliches Wissen. Operative Bereiche bleiben deshalb aus der regulären Wissensnavigation und aus portablen Wissenspaketen ausgeschlossen.
Quellen, Synthesen und Erkenntnisse bilden die Wissensschicht
Externe Informationen gelangen auf unterschiedlichen Wegen in den Workspace. Regelmäßig konfigurierte Kanäle liefern automatisiert neue Beiträge in den Feed-Bereich. Anlassbezogene Recherchen nehmen dagegen gezielt ausgewählte Webartikel, Transkripte, wissenschaftliche Arbeiten oder vertiefte Rechercheergebnisse auf. Ergänzend kann stilles Referenzmaterial vorgehalten werden, das nicht fortlaufend ausgewertet wird, aber bei bestimmten Aufgaben als Arbeitsgrundlage dient.
Unabhängig vom Zugangsweg bleibt eine externe Quelle zunächst Rohmaterial. Sie dokumentiert, was ein Autor, ein Medium oder ein Dokument aussagt. Ihre Aufnahme bedeutet weder Zustimmung noch macht sie die enthaltenen Aussagen zur Position des Nutzers. Diese Herkunft muss auch dann erkennbar bleiben, wenn die Quelle später in mehreren Synthesen, Projekten oder Produkten verwendet wird.
Einzelne Quellen liefern Material, aber noch keine belastbare Wissensgrundlage für wiederkehrende Aufgaben. Diese Funktion übernehmen Synthesen. Sie führen mehrere Quellen unter einer klaren Fragestellung zusammen, arbeiten gemeinsame Aussagen und Unterschiede heraus und halten Grenzen, Widersprüche oder offene Fragen fest. Die verwendeten Belege bleiben über Citations nachvollziehbar.
Eine Synthese ist weder eine gekürzte Sammlung von Quellen noch ein bereits auf eine bestimmte Veröffentlichung zugeschnittener Text. Sie hält den fachlichen Zusammenhang so fest, dass er für unterschiedliche spätere Aufgaben erneut genutzt und bei verändertem Quellenstand überarbeitet werden kann. Dadurch muss ein KI-System bei jeder neuen Aufgabe nicht sämtliche Rohquellen von Grund auf erschließen.
Neben quellenbasiertem Wissen kann der Workspace Erkenntnisse aus eigener Praxis, Beobachtung und fachlicher Reflexion enthalten. Diese Inhalte werden von externen Quellen und von KI-generierten Analysen getrennt geführt. Eine persönliche Erkenntnis muss eine eigenständige Aussage des Menschen enthalten; die bloße Zusammenfassung fremden Materials genügt dafür nicht.
Damit unterscheidet die Wissensschicht drei Herkunftsarten: externe Aussage, quellenbasierte Verdichtung und persönliche Erkenntnis. Quellen können eine Erkenntnis stützen oder einordnen, ersetzen aber nicht den persönlichen Erkenntnisanteil. Synthesen reduzieren den notwendigen Kontext, ohne die Verbindung zum Ausgangsmaterial aufzugeben.
Projekte und Produkte trennen Arbeit von Ergebnis
Projekte bilden den Arbeitsraum für Vorhaben mit einem konkreten Ziel. Sie verbinden Aufgabenstellung, Ausgangsmaterial, Entscheidungen, Bearbeitungsstand und Ergebnisse über einzelne Sitzungen und KI-Systeme hinweg. Innerhalb eines Projekts werden drei Funktionen unterschieden: bereitgestelltes Material, laufende Arbeitsstände und finale kuratierte Dokumente.
Analysen, Entwürfe, Skripte und temporäre Artefakte bleiben im Arbeitsbereich des Projekts. Sie können unvollständig, explorativ oder später verworfen sein und dürfen deshalb nicht wie ein freigegebenes Ergebnis behandelt werden. Eingangsmaterial und Referenzen werden davon getrennt gehalten, damit ihre Herkunft erhalten bleibt. Nur bewusst abgeschlossene und geprüfte Ergebnisse gelangen in den sichtbaren Projektbereich oder in die dafür vorgesehene Produktablage.
Der Projektstatus beschreibt, wo das Vorhaben steht, welche Entscheidungen getroffen wurden und was als Nächstes ansteht. Damit übernimmt er eine andere Funktion als das fachliche Wissen: Er erhält die Kontinuität einer konkreten Arbeit, nicht die allgemeine Wiederverwendbarkeit eines Themas.
Produkte sind fertige oder veröffentlichungsnahe Ergebnisse wie Artikel, Berichte, Konzepte, Vorträge oder Übersetzungen. Sie sind auf eine konkrete Aussage, Zielgruppe und Verwendung zugeschnitten. Darin unterscheiden sie sich von Synthesen, die Wissen möglichst aufgabenübergreifend bereitstellen.
Ein Produkt kann auf Synthesen, persönlichen Erkenntnissen, Quellen und Projektarbeit beruhen. Es ersetzt diese Bestandteile jedoch nicht. Die zugrunde liegende Synthese bleibt als offen weiterentwickelbare Wissenseinheit erhalten, während das Produkt einen bestimmten Bearbeitungsstand für einen bestimmten Zweck festschreibt.
Umgekehrt fließen neue Einsichten aus der Produkterstellung nicht automatisch in die Wissensschicht zurück. Wenn während der Arbeit eine übertragbare fachliche Erkenntnis entsteht oder sich eine vorhandene Synthese als unvollständig erweist, muss dieser Rückfluss bewusst erfolgen. So wird vermieden, dass relevantes Wissen nur in einem einzelnen Endprodukt verborgen bleibt.
Kontext und Systemwissen steuern die Zusammenarbeit
Der persönliche Kontext beschreibt den Menschen, der im Vault mit KI-Systemen arbeitet. Dazu gehören beispielsweise sein fachlicher Hintergrund, seine Expertise und Positionen, sein Schreib- und Kommunikationsstil, seine Ziele und Prioritäten, relevante Beziehungen sowie seine technische Arbeitsumgebung. Diese Angaben vermitteln nicht nur, welche Themen für ihn wichtig sind, sondern auch, aus welcher Perspektive er sie betrachtet und nach welchen Maßstäben Ergebnisse für ihn brauchbar sind.
Dieses Wissen über den Nutzer ist eine Voraussetzung für zielgenaue Zusammenarbeit. Erst wenn ein KI-System dessen Rolle, Arbeitsweise und Absichten kennt, kann es Aufgaben im richtigen Zusammenhang verstehen, relevante Quellen angemessen gewichten, Texte passend formulieren und Entscheidungen sinnvoll vorbereiten. Ohne diesen Kontext bliebe die Bearbeitung auf den unmittelbar erteilten Auftrag beschränkt und müsste wesentliche Voraussetzungen in jeder Sitzung erneut erfragen oder vermuten.
Die Speicherung im Vault macht diese Beschreibung unabhängig von einer einzelnen KI-Oberfläche oder einem bestimmten Modell. Weil die Inhalte persönlich oder organisatorisch sensibel sein können, werden sie von der allgemeinen Wissensschicht getrennt und nur dort einbezogen, wo sie für die Aufgabe erforderlich sind.
Systemwissen beschreibt den zulässigen Umgang mit dem Workspace. Dazu zählen Datenmodell, Ablage- und Benennungsregeln, technische Referenzen, Instruktionen für KI-Systeme, Skills und weitere Steuerinformationen. Es sorgt dafür, dass unterschiedliche KI-Systeme Dateien nach denselben Grundsätzen lesen, erzeugen und ablegen können. Die Trennung vom fachlichen Wissen verhindert zugleich, dass Betriebsregeln in thematische Recherchen oder Produkte einfließen.
Die Datenklassen wirken zusammen
Die Datenklassen wirken nicht als starre Pipeline, sondern als unterscheidbare Rollen im selben Workspace. Eine neue Datei kann zunächst im Eingang liegen, als externe Quelle übernommen, in einer Synthese verdichtet, in einem Projekt verwendet oder in ein Produkt überführt werden. Umgekehrt kann die Arbeit an einem Produkt neue Quellen, offene Fragen, Projektentscheidungen oder übertragbare Einsichten erzeugen, die wieder an die passende Stelle im Vault zurückfließen.
Persönlicher Kontext und Systemwissen begleiten diesen Ablauf. Operative Zustände und Projektstatus sichern seine Kontinuität. Die beteiligten Inhalte behalten dabei ihre jeweilige Funktion: Eine verwendete Quelle bleibt eine Quelle, eine Synthese bleibt wiederverwendbares Wissen und ein Produkt bleibt ein auf einen Zweck hin kuratiertes Ergebnis. Neue Aussagen werden bewusst dort ergänzt, wo sie ihrer Herkunft und Funktion nach hingehören.
Diese Trennung von Rohmaterial, Wissen, Arbeit, Ergebnis, Kontext und Zustand ermöglicht es Menschen und KI-Systemen, denselben Workspace zu nutzen, ohne die Bedeutung einzelner Inhalte zu vermischen. Wie Quellen aufgenommen, semantisch angereichert, zu Synthesen verdichtet und über die Zeit überprüft werden, beschreibt das folgende Kapitel.
Der Lebenszyklus des Wissens
Der Wissensbestand eines Agentic Vaults ist nicht statisch. Neue Informationen kommen hinzu, Quellen werden eingestellt, Aussagen verlieren an Aktualität und vorhandene Synthesen müssen auf veränderte Wissensstände reagieren. Das bloße Speichern von Dokumenten reicht deshalb nicht aus. Der Workspace benötigt einen geregelten Lebenszyklus, der den Weg von der aufgenommenen Information über ihre Einordnung und Verdichtung bis zu ihrer späteren Überprüfung beschreibt.
Dieser Lebenszyklus verbindet drei unterschiedliche Arten von Arbeit. Technische Funktionen übernehmen wiederkehrende Abläufe und verwalten nachvollziehbare Zustände. Spezialisierte KI-Läufe ordnen Inhalte semantisch ein und verarbeiten sie zu Synthesen. Der Mensch bestimmt die fachlichen Maßstäbe und entscheidet dort, wo Quellenqualität, Relevanz, Freigabe oder grundlegende Neubewertung betroffen sind.
Quellen gelangen über definierte Zugänge in den Vault
Neue Quellen werden nicht beliebig durch das System gesammelt. Ihre Aufnahme beruht entweder auf einer konfigurierten laufenden Quelle oder auf einem ausdrücklichen Auftrag. Regelmäßig relevante Kanäle können in einer Registry hinterlegt und automatisiert abgerufen werden. Einzelne Webartikel, Transkripte oder Dokumente werden dagegen anlassbezogen eingebracht und in eine für den Vault nutzbare Form überführt.
Die technische Aufnahme stellt sicher, dass ein Dokument gespeichert, seinem Zugangsweg zugeordnet und für die weitere Verarbeitung erreichbar ist. Sie bewertet jedoch weder die Verlässlichkeit der Quelle noch die Bedeutung ihrer Aussagen. Auch eine erfolgreich importierte Quelle bleibt zunächst externes Rohmaterial.
Die deklarative Konfiguration trennt die Auswahlentscheidung vom technischen Abruf. Neue laufende Quellen können aufgenommen oder bestehende stillgelegt werden, ohne für jeden Kanal einen eigenen Ablauf programmieren zu müssen. Stilllegung beendet den weiteren Zulauf, löscht aber nicht den bisherigen Bestand. Bereits gespeicherte Quellen können in Synthesen zitiert oder für Produkte und Entscheidungen verwendet worden sein. Der Lebenszyklus verändert deshalb den Status einer Quelle, ohne ihre bisherige Rolle im Wissensbestand nachträglich auszulöschen.
Das Metadaten-Onboarding erschließt neue Inhalte
Nach der Aufnahme benötigt eine Datei ein gültiges Mindestmaß an Metadaten, damit technische Werkzeuge und KI-Systeme ihre Funktion erkennen können. Dabei werden zwei Arten von Angaben unterschieden.
Strukturell eindeutige Informationen lassen sich regelgebunden ergänzen oder vereinheitlichen. Dazu gehören Angaben, die sich aus dem Speicherort, dem Dateiformat oder dem Aufnahmevorgang ergeben. Inhaltliche Einordnungen erfordern dagegen ein Verständnis des Textes. Sie können durch einen spezialisierten KI-Lauf generiert werden.
Die technische Betriebsschicht begrenzt diesen semantischen Eingriff. Sie stellt fest, welche Angaben tatsächlich fehlen, gibt nur die dafür zulässigen Felder zur Bearbeitung frei und prüft Form und Zuordnung der zurückgegebenen Vorschläge. Bereits vorhandene Werte werden nicht ungeprüft überschrieben.
Damit bleibt die Verantwortung der beteiligten Komponenten unterscheidbar: Das KI-System liefert die semantische Einschätzung, während die technischen Funktionen Umfang und Konsistenz kontrollieren. Eine formal gültige Änderung ist dennoch kein Beleg dafür, dass die inhaltliche Einordnung unfehlbar ist.
Quellen werden in Wissenszusammenhänge eingeordnet
Nach ihrer Erschließung müssen neue Quellen daraufhin geprüft werden, ob und wie sie den vorhandenen Wissensbestand verändern. Der Syntheselauf betrachtet dazu neue und noch nicht eingearbeitete Quellen im Zusammenhang mit den vorhandenen Synthesen und mit anderen ausstehenden Quellen.
Eine Quelle kann eine bestehende Synthese ergänzen, eine dort enthaltene Aussage differenzieren oder einen Widerspruch sichtbar machen. Mehrere Quellen können gemeinsam einen hinreichend stabilen neuen Themenzusammenhang bilden, aus dem eine neue Synthese entsteht. Fehlt ein solcher Zusammenhang, bleibt die Quelle zunächst ausstehend. Auch echte Zuordnungs- oder Strukturkonflikte werden nicht durch eine erzwungene Ablage verdeckt, sondern zur Entscheidung vorgelegt.
Eine einzelne Quelle führt nicht automatisch zu einer eigenen Synthese. Andernfalls würde die Wissensschicht aus Zusammenfassungen einzelner Dokumente bestehen. Wiederverwendbares Wissen entsteht erst, wenn mehrere Materialien unter einer tragfähigen Fragestellung verbunden oder eine bestehende Synthese inhaltlich weiterentwickelt wird. Neue relevante Quellen werden deshalb eingearbeitet, nicht nur angehängt. Die Synthese muss weiterhin ihre Fragestellung beantworten, Zusammenhänge darstellen und Gegenpositionen, Unsicherheiten oder offene Fragen sichtbar halten.
Die Fortschreibung bleibt auf wiederverwendbares Wissen ausgerichtet. Der Syntheselauf erzeugt keine auf eine bestimmte Zielgruppe zugeschnittenen Artikel oder Berichte. Diese entstehen erst in der Projekt- und Produktarbeit.
Die semantische Zuordnung und Verdichtung übernimmt das hierfür konfigurierte KI-System. Die technischen Bestandteile von vaultkit starten und überwachen den Lauf, stellen Zustandsinformationen bereit und prüfen anschließend, ob das Ergebnis mit dem Quellenbestand und den Verarbeitungsvorgaben vereinbar ist.
Verarbeitungszustände verhindern, dass Quellen verloren gehen
Bei einer wachsenden Zahl von Quellen genügt es nicht, allein auf die vorhandenen Synthesen zu schauen. Das System muss auch nachvollziehen können, welche Quellen bereits tatsächlich eingearbeitet wurden und welche noch auf eine Zuordnung warten.
Der technische Zustand unterscheidet deshalb nachweisbar integrierte von ausstehenden Quellen. Eine Quelle gilt nicht schon dann als verarbeitet, wenn sie gelesen, geprüft oder in einem Lauf erwähnt wurde. Sie muss erkennbar in eine Synthese eingeflossen sein. Andernfalls bleibt sie ausstehend.
Konsistenzprüfungen gleichen diese Zustände mit dem tatsächlichen Quellenbestand ab. Sie können feststellen, ob Quellen ohne Verarbeitungsstatus vorhanden sind, ob gespeicherte Zustandsangaben noch zu realen Dateien gehören und ob interne Citation-Ziele aufgelöst werden können. Damit wird verhindert, dass Quellen nach einem abgebrochenen oder unvollständigen Lauf unbemerkt aus dem Bearbeitungsprozess verschwinden.
Diese Prüfungen belegen Vollständigkeit im technischen Sinn. Sie können nicht feststellen, ob eine Quelle angemessen interpretiert oder eine Synthese fachlich vollständig ist.
Alterung macht Prüfbedarf sichtbar
Auch eine technisch unveränderte Quelle kann inhaltlich an Aussagekraft verlieren. Produktmeldungen, Kennzahlen oder Modellvergleiche altern häufig schneller als grundlegende Konzepte oder methodische Prinzipien. Das Datum einer Datei allein beschreibt diesen Unterschied nicht.
Der Agentic Vault verbindet deshalb zwei Größen. Eine semantisch bestimmte Langlebigkeitsklasse beschreibt, wie schnell der Inhalt voraussichtlich an Aktualität verliert. Aus dieser Einordnung, dem Ursprungs-Zeitpunkt der Quelle und dem aktuellen Datum berechnet die technische Betriebsschicht reproduzierbar einen Alterungszustand.
Erneut sind semantische und deterministische Arbeit getrennt. Das KI-System beurteilt die erwartbare Langlebigkeit des Inhalts. Die technische Funktion wendet darauf feste Berechnungsregeln an. Prüfungen können anschließend sichtbar machen, welche Synthesen sich stark auf gealterte Quellen stützen und deshalb überprüft werden sollten.
Ein solcher Zustand ist ein Wartungs- und Prüfsignal, kein Wahrheitsurteil. Er sagt nicht, dass eine Aussage falsch ist, und ein als frisch eingestufter Inhalt garantiert keine sachliche Richtigkeit. Alterung führt deshalb auch nicht zur automatischen Löschung einer Quelle oder Aussage. Bei einer Überarbeitung können aktuelle Quellen den Haupttext einer Synthese tragen, während überholte Positionen historisiert werden. Die Quelldateien und Citations bleiben erhalten.
Ob eine Aussage tatsächlich überholt ist, wie sie historisiert werden soll oder ob sie endgültig entfernt werden kann, erfordert fachliches Urteil. Die Alterungsberechnung stößt diese Prüfung an; sie ersetzt sie nicht.
Der Mensch verantwortet die Kuratierung
Der Lebenszyklus entlastet den Menschen von der laufenden Verwaltung des Datenbestands. Technische Funktionen rufen Quellen ab, ergänzen strukturelle Angaben, führen Zustände, berechnen Alterungssignale und melden definierte Abweichungen. Semantische KI-Läufe ordnen Inhalte ein und entwickeln Synthesen weiter.
Der Mensch bleibt jedoch für die fachliche Richtung verantwortlich. Er entscheidet, welche Quellen grundsätzlich relevant sind, wie mit strittigen Zuordnungen umgegangen wird, ob eine Synthese den erforderlichen Qualitätsmaßstab erfüllt und wann eine Aussage neu bewertet, historisiert oder gelöscht werden soll. Das System bereitet diese Entscheidungen vor und lenkt die Aufmerksamkeit auf den tatsächlichen Prüfbedarf.
Damit konzentriert sich menschliche Arbeit auf Themenwahl, Bewertung und Ergebnisse, während die für einen nutzbaren Wissensbestand erforderliche administrative Pflege weitgehend im Hintergrund erfolgt. Automatisierung bedeutet hier nicht autonome Wahrheitserzeugung, sondern die verlässliche Organisation eines nachvollziehbaren Kurationsprozesses.
Der Lebenszyklus des Wissens verbindet somit Aufnahme, Erschließung, Verdichtung, Zustandskontrolle, Alterung und Neubewertung. Er hält den Bestand bearbeitbar, ohne Aktualität mit Wahrheit oder technische Konsistenz mit fachlicher Qualität gleichzusetzen. Wie sich ausgewählte Teile dieses Workspace geprüft und kontrolliert an andere Systeme oder Umgebungen weitergeben lassen, beschreibt das folgende Kapitel.
Portabilität und kontrollierte Kontextweitergabe
Der Agentic Vault ist zunächst ein laufender Workspace. Er enthält nicht nur kuratiertes Wissen, sondern auch operative Eingänge, Projektstände, Journal, Aufgaben, technische Zustände, Arbeitsregeln und persönlichen oder organisatorischen Kontext. Diese Gesamtheit ist für die tägliche Zusammenarbeit von Mensch und KI nützlich. Sie ist jedoch nicht automatisch dafür geeignet, vollständig an ein anderes System, einen anderen Dienst oder einen anderen Empfänger weitergegeben zu werden.
Portabilität bedeutet deshalb nicht, den gesamten Workspace zu einem Paket zu machen. Sie bedeutet, aus dem Workspace gezielt prüfbare Ausschnitte ableiten zu können. Der Markdown-Bestand bleibt die Quelle der Wahrheit. Ein erzeugtes Paket ist ein Übergabeartefakt für einen bestimmten Zweck, keine zweite Wissensbasis und kein paralleler Arbeitsraum.
Der Workspace ist nicht das Austauschformat
Im Arbeits-Vault liegen Inhalte mit sehr unterschiedlichen Funktionen und Schutzbedarfen nebeneinander. Fachliche Quellen und Synthesen stehen neben Projekten, Zwischenständen und fertigen Produkten. Hinzu kommen Systemdokumentation, Instruktionen, persönlicher Kontext, technische State-Dateien und operative Bereiche, die nur der laufenden Verwaltung dienen.
Diese Mischung ist im Workspace beabsichtigt. Sie ermöglicht, dass ein KI-System nicht nur auf Wissen, sondern auch auf Arbeitsregeln, Entscheidungen und aktuelle Zustände zugreifen kann. Für eine Weitergabe ist dieselbe Breite jedoch problematisch. Ein Empfänger benötigt selten den gesamten operativen Kontext. Manche Inhalte dürfen gar nicht weitergegeben werden, andere wären für den Zweck unnötig oder würden die Orientierung erschweren.
Der Agentic Vault unterscheidet daher zwischen dem vollständigen Arbeitsraum und kontrollierten Ausschnitten daraus. Der Arbeitsraum bleibt lokal und fortschreibbar. Ein Ausschnitt wird nur erzeugt, wenn er geprüft, übergeben oder in einer getrennten Umgebung verwendet werden soll.
OKF-Bundles sind abgeleitete Übergabeartefakte
Für diese Ausschnitte verwendet die aktuelle Realisierung OKF-Bundles. Ein Bundle enthält ausgewählte Markdown-Concepts aus dem Vault, erzeugt daraus eine eigene Indexstruktur und prüft, ob die enthaltenen Dateien technisch konsistent und portabel sind. Es wird zur Laufzeit aus dem Workspace erzeugt und nicht dauerhaft als zweiter Bestand gepflegt.
Diese Ableitung folgt festen Regeln. Aufgenommen werden nur Markdown-Dateien aus zugelassenen Quellbereichen. Reservierte Indexdateien werden im Ziel neu erzeugt. Unterstrich- und Punktbereiche, operative Eingänge, Aufgaben, Journale, temporäre Arbeitsstände und Binärdateien bleiben ausgeschlossen. Defektes Frontmatter, fehlende Typisierung oder nicht portable Verweisformen werden nicht stillschweigend bereinigt, sondern als Problem gemeldet.
Damit verschiebt sich die Kontrolle vor die Weitergabe. Das System erzeugt nicht einfach eine Kopie des Vaults, sondern prüft, ob der gewählte Ausschnitt die formalen Voraussetzungen für eine eigenständige Nutzung erfüllt. Die Inhalte selbst werden dabei nicht fachlich umgeschrieben oder verbessert. Das Bundle übernimmt ausgewählte Concepts aus dem Workspace und macht ihre Struktur nachvollziehbar.
Drei Profile trennen Funktion und Schutzbedarf
Die aktuelle Referenzimplementierung erzeugt drei feste Bundle-Profile. Sie bilden grobe Funktions- und Schutzgrenzen.
Das Profil knowledge enthält den fachlichen Wissensbestand. Dazu gehören insbesondere Synthesen, Quellen, persönliche Erkenntnisse im Sinne kuratierter Wissensinhalte, Ressourcen, Produkte und Übersetzungen. Dieses Profil macht den wiederverwendbaren Teil des fachlichen Bestands anschlussfähig. Es kann jedoch weiterhin geschützte Quellen, sensible fachliche Aussagen oder nicht zur Veröffentlichung bestimmte Produkte enthalten.
Das Profil system enthält Wissen über Aufbau, Regeln und Betrieb des Agentic Vaults. Dazu gehören Normen, Referenzen und Systemdokumentation. Ein solches Bundle kann einer anderen Umgebung helfen, die Arbeitsweise des Vaults zu verstehen oder zu übernehmen. Es ist aber ebenfalls nicht automatisch veröffentlichungsreif, weil lokale Betriebsannahmen oder interne Hinweise enthalten sein können.
Das Profil context enthält den persönlichen oder organisatorischen Arbeitskontext des Nutzers. Es beschreibt, für wen gearbeitet wird, welche Ziele, Rollen, Schreibweisen, Prioritäten oder Beziehungen relevant sind. Gerade dieses Profil ist für kontinuierliche KI-Zusammenarbeit wertvoll, aber besonders schutzbedürftig. Es darf nur an Systeme oder Empfänger gelangen, denen dieser Kontext ausdrücklich anvertraut werden soll.
Die Profile entscheiden nicht allein, was in einer konkreten Situation weitergegeben werden darf. Sie schaffen eine erste technische und funktionale Trennung. Die eigentliche Freigabe hängt vom konkreten Zweck, vom Empfänger, vom Schutzbedarf und von den Nutzungsrechten der enthaltenen Inhalte ab.
Quellbereiche, Prüfung und Freigabe begrenzen die Übergabe
Die Profile werden durch feste, in vaultkit definierte Quellbereiche begrenzt. Eine Datei wird nicht allein dadurch exportierbar, dass sie ein entsprechendes Frontmatter-Feld trägt. Nur Dateien aus den für ein Profil zugelassenen Bereichen können in ein Bundle gelangen. Operative Eingänge, Aufgabenlisten, Journale und andere nicht zugelassene Bereiche bleiben ausgeschlossen. Neue Verzeichnisse werden damit nicht versehentlich Teil eines Bundles, nur weil sie Markdown-Dateien enthalten.
Diese Quellbereiche bilden die erste Governance-Grenze. Sie legen fest, welche Teile des Workspace grundsätzlich exportfähig sind, und verhindern, dass lokale Arbeitsbereiche, temporäre Inhalte oder sensible operative Zustände unbeabsichtigt in ein Übergabeartefakt geraten. Innerhalb zugelassener Bereiche können einzelne Dateien ausgeschlossen oder einem anderen Profil zugeordnet werden. Solche Ausnahmen verfeinern die Auswahl, erweitern aber nicht die zentrale Sicherheitsgrenze.
Die zweite Grenze ist die technische Prüfung. Vor einer Übergabe prüft vaultkit, ob der ausgewählte Ausschnitt formal tragfähig ist: gültiges Frontmatter, vorhandene Typen, eine eindeutige Bundle-Deklaration, eine erzeugte Indexstruktur sowie auflösbare oder nachvollziehbar gemeldete Links und Citations. Nicht portable Verweisformen oder ausgeschlossene Ziele werden sichtbar gemacht, nicht stillschweigend bereinigt. Diese Prüfung schafft Anschlussfähigkeit für andere Systeme. Sie bestätigt jedoch weder fachliche Richtigkeit noch Eignung für einen bestimmten Empfänger.
Die dritte Grenze bleibt die Freigabeentscheidung. Ein formal korrekt erzeugbares Bundle kann urheberrechtlich geschützte Quellen, unveröffentlichte Produkte oder sensiblen persönlichen Kontext enthalten. Vor jeder Weitergabe müssen deshalb Zweck, Empfänger, Schutzbedarf, Rechte und fachliche Relevanz geprüft werden. Die technische Funktion reduziert das Risiko unkontrollierter Mitnahme. Sie automatisiert aber keine rechtliche, fachliche oder organisatorische Freigabe.
Bundles ergänzen den Workspace
OKF-Bundles machen ausgewählte Teile des Agentic Vaults portabel, ohne den Workspace selbst zu ersetzen. Der laufende Vault bleibt der Ort, an dem Wissen, Kontext, Arbeitsstände und Entscheidungen zusammengeführt und fortgeschrieben werden. Ein Bundle ist eine geprüfte Ableitung daraus, bestimmt für Anschlussfähigkeit, Übergabe oder Nutzung in einer getrennten Umgebung.
Damit verbindet der Agentic Vault Offenheit mit Kontrolle. Inhalte liegen in einem lesbaren Dateiformat vor und können technisch weitergegeben werden. Zugleich verhindern Profile, Quellbereiche und Prüfungen, dass der gesamte Arbeitsraum ungeprüft zum Exportgegenstand wird. Die Profile sind dabei bewusst grobe, prüfbare Ausschnitte. Eine feinere Auswahl für einen konkreten Übergabefall bleibt Teil der Freigabeentscheidung. Die letzte Entscheidung bleibt beim Menschen: welcher Kontext für welchen Zweck geeignet ist und welcher Schutzbedarf einer Weitergabe entgegensteht.
Portabilität beantwortet damit die Frage, wie Wissen den Workspace kontrolliert verlassen kann. Für die tägliche Zusammenarbeit bleibt jedoch entscheidend, wie Mensch und KI innerhalb des Workspace arbeiten, relevante Inhalte erschließen, Ergebnisse erzeugen und neues Wissen zurückführen. Diese Arbeitsweise beschreibt das folgende Kapitel.
Die Arbeitsweise im Agentic Vault
Die vorangegangenen Kapitel haben beschrieben, wie der Agentic Vault Wissen strukturiert, Quellen verarbeitet, Kontext weitergibt und die beteiligten Aufgaben zwischen Mensch, KI-Systemen und technischen Werkzeugen trennt. Entscheidend ist jedoch, wie diese Bestandteile in einer konkreten Arbeitssituation zusammenwirken. Ein Agentic Vault ist nicht nur ein Speicher für fertige Inhalte. Er ist der Arbeitsraum, in dem aus vorhandenem Kontext neue Ergebnisse entstehen.
Die Arbeit beginnt deshalb nicht mit einem isolierten Prompt und nicht mit einem leeren Dokument. Ausgangspunkt ist der vorhandene Bestand: Quellen, Synthesen, Projektstände, frühere Entscheidungen, Arbeitsregeln, persönlicher Kontext und fertige Ergebnisse. Das aktive KI-System erschließt daraus den für die Aufgabe relevanten Ausschnitt. Der Mensch setzt Ziel, Fragestellung und Qualitätsmaßstab.
Orientierung im vorhandenen Bestand
Am Anfang einer Aufgabe steht die Orientierung. Ein KI-System muss verstehen, worum es geht, welche Vorarbeiten existieren und welche Regeln für die Bearbeitung gelten. Dafür nutzt es nicht den gesamten Vault auf einmal. Es folgt den vorhandenen Einstiegen: Projektstatus, Indexbaum, einschlägige Synthesen, relevante Quellen, persönliche Kontextdateien und die Instruktionen des Workspace.
Diese Orientierung unterscheidet die Arbeit im Agentic Vault von einer normalen Chat-Sitzung. Die Aufgabe wird nicht nur aus der letzten Nutzerfrage erschlossen. Sie wird mit dem vorhandenen Arbeits- und Wissensstand verbunden. Dadurch kann eine neue Sitzung an frühere Entscheidungen, vorhandene Begriffe und bereits erarbeitete Ergebnisse anschließen.
Der Mensch bleibt dabei der Ausgangspunkt der Zielsetzung und, soweit möglich, auch der erste Kurator des relevanten Kontexts. Er entscheidet, welche Frage beantwortet, welches Produkt erstellt oder welches Problem gelöst werden soll, und kann dafür konkrete Dateien, Quellen, Projektstände oder frühere Ergebnisse benennen. Das KI-System ergänzt diesen Einstieg, prüft den bereitgestellten Kontext auf erkennbare Lücken und erschließt nur bei Bedarf weitere Teile des Vaults. Der Vault liefert dafür die gemeinsame Grundlage.
Synthesen als fachlicher Orientierungspunkt
Wenn der Mensch keinen engeren Einstiegspunkt vorgeben kann oder eine Aufgabe bewusst offen erschlossen werden soll, können Synthesen zum fachlichen Orientierungspunkt werden. Sie bündeln mehrere Quellen unter einer Fragestellung und halten fest, welche Aussagen, Gegenpositionen, Grenzen oder offenen Punkte bereits bekannt sind. Dadurch muss ein KI-System nicht ohne Anlass sämtliche Rohquellen erneut lesen.
Eine Synthese ist aber kein fertiger Produktbaustein. Sie liefert einen belastbaren Arbeitsstand, aus dem sich ein Thema erschließen lässt. Wenn eine Aussage besonders wichtig ist, kann die zugrunde liegende Quelle über die Citation geprüft werden. Wenn die Synthese eine Lücke oder Unsicherheit enthält, bestimmt genau diese Lücke den nächsten Arbeitsschritt.
Das erste Ergebnis einer solchen offenen Orientierung ist deshalb noch kein Artikel, keine Entscheidungsvorlage und kein Bericht. Es ist ein Arbeitsbild: Was weiß der Vault bereits? Was ist belegt? Was bleibt offen? Welche Annahmen müssen geprüft werden? Erst daraus entsteht die Grundlage für die eigentliche Bearbeitung.
Lücken gezielt schließen
Wenn der vorhandene Bestand nicht ausreicht, wird die Lücke gezielt geschlossen. Das kann durch eine neue Recherche im Web, durch das Einbringen einer bekannten Quelle oder durch die Auswertung zusätzlichen Materials geschehen. Entscheidend ist, dass nicht das gesamte Thema neu aufgerollt wird. Gesucht wird das, was für die konkrete Aufgabe fehlt.
Neue Quellen sind dabei nicht nur Hilfsmittel für das aktuelle Ergebnis. Wenn sie relevant sind, gehören sie in den Vault zurück. Sie können eine bestehende Synthese ergänzen, eine offene Frage klären oder ein neues Thema vorbereiten. Dadurch schließt die Recherche nicht nur die unmittelbare Arbeitslücke, sondern verbessert den Bestand für spätere Aufgaben.
Nicht jede Lücke muss sofort vollständig geschlossen werden. Manche Fragen sind für das aktuelle Ergebnis randständig, andere benötigen menschliche Bewertung oder weitere Quellen. Der Agentic Vault erlaubt, solche offenen Punkte sichtbar zu halten, statt sie im fertigen Text zu verdecken. Der Mensch entscheidet, welche Lücken für das Ergebnis kritisch sind und welche als offene Fragen bestehen bleiben können.
Iterative Erarbeitung des Ergebnisses
Auf Basis des erschlossenen Wissensstands erstellt das KI-System Entwürfe, Gliederungen, Analysen oder Formulierungsvorschläge. Der Mensch prüft diese Vorschläge, korrigiert Gewichtungen, streicht schwache Aussagen, ergänzt eigene Entscheidungen und schärft die Zielrichtung. Daraus entsteht die nächste Fassung.
Dieser Wechsel aus Vorschlag, Bewertung und Überarbeitung ist der Kern der Zusammenarbeit. Die KI verarbeitet Material und macht Vorschläge. Der Mensch steuert Zweck, Ton, fachliche Tragfähigkeit und Freigabe. Gute Ergebnisse entstehen nicht dadurch, dass das System einmal einen vollständigen Text erzeugt, sondern durch wiederholte Korrektur an klar abgegrenzten Abschnitten.
Zwischenstände werden im Vault abgelegt, typischerweise im Arbeitsbereich eines Projekts. Sie bleiben dadurch nachvollziehbar und können später wieder aufgegriffen werden. Die Datei im Vault ist der gemeinsame Bezugspunkt für die weitere Bearbeitung.
Welche Form das Ergebnis annimmt, hängt vom Zweck ab. Aus demselben Wissensstand kann ein Artikel, ein Konzept, eine Entscheidungsvorlage, ein Bericht, eine E-Mail oder eine interne Analyse entstehen. Die Arbeitsweise bleibt gleich: Kontext erschließen, Lücken schließen, Entwurf erzeugen, prüfen, überarbeiten und abschließen.
Rückfluss schafft Kontinuität
Mit dem fertigen Produkt ist die Arbeit nicht beendet. Ein Ergebnis kann neue Quellen enthalten, eine vorhandene Synthese präzisieren, eine persönliche Erkenntnis sichtbar machen oder eine Projektentscheidung festhalten. Diese Bestandteile müssen in den dauerhaften Bestand zurückgeführt werden, wenn sie über das einzelne Ergebnis hinaus relevant sind.
Der Rückfluss führt solche Bestandteile an den passenden Ort. Ein fertiger Text gehört in die Produktablage oder in den freigegebenen Projektbereich. Neue Quellen bleiben als Quellen erkennbar. Übertragbare fachliche Einsichten können bestehende Synthesen ergänzen oder eine neue Synthese vorbereiten. Projektentscheidungen gehören in den Projektstatus, dauerhafte Sitzungsentscheidungen in das Journal.
Praktisch bedeutet das nicht, dass der Mensch jede Ablage händisch selbst vornehmen muss. Er gibt Ziel, Bewertung und Freigabe vor; das KI-System kann die konkrete Pflege der Dateien ausführen, etwa einen Journalbeitrag ergänzen, einen Projektstatus aktualisieren oder einen neuen Arbeitsstand an der vorgesehenen Stelle ablegen. Die Ausführung wird dadurch unterstützt, die Verantwortung für Auswahl und Bedeutung aber nicht verlagert.
Dieser Rückfluss ist eine Arbeitsregel, keine vollständig autonome Wahrheitserzeugung. KI-Systeme können dabei helfen, ein Ergebnis auf neue Erkenntnisse, offene Fragen oder fehlende Ablage zu prüfen. Ob eine Aussage tatsächlich dauerhaft übernommen, eine Synthese verändert oder eine Erkenntnis als persönliche Position festgehalten wird, bleibt eine kuratorische Entscheidung.
Der Nutzen dieser Arbeitsweise zeigt sich bei der nächsten Aufgabe. Was korrekt zurückgeführt wurde, steht wieder zur Verfügung. Eine spätere Sitzung beginnt nicht bei null, sondern findet Projektstatus, Synthesen, Quellen, Produkte und frühere Entscheidungen vor. Auch ein anderes KI-System kann an denselben Dateien anschließen, sofern es die Regeln des Workspace liest und beachtet.
Damit schließt sich die Arbeitsschleife. Quellen und Synthesen ermöglichen bessere Ergebnisse. Die Arbeit an Ergebnissen erzeugt neue Fragen, Quellen und Einsichten. Diese fließen zurück und verbessern den Ausgangspunkt für spätere Aufgaben. Der Agentic Vault wächst nicht durch bloßes Sammeln, sondern durch die Verbindung von Nutzung, Bewertung und Rückführung.
Wie weit diese Arbeitsweise in der aktuellen Referenzimplementierung unterstützt wird, hängt von ihren Anpassungsmöglichkeiten, technischen Voraussetzungen und bewussten Grenzen ab. Diese beschreibt das folgende Kapitel.
Einordnung der Referenzimplementierung
Die vorangegangenen Kapitel haben den Agentic Vault als Arbeits- und Wissensmodell beschrieben: offener Markdown-Bestand, maschinenlesbare Struktur, funktional getrennte Informationsbereiche, gepflegter Wissenslebenszyklus, kontrollierte Kontextweitergabe und eine Arbeitsweise, die Ergebnisse wieder in den Bestand zurückführt. Damit ist das Konzept umrissen. Abschließend stellt sich die Frage, was die konkrete Referenzimplementierung leistet und welche Erwartungen sie bewusst nicht erfüllen soll.
vaultkit ist keine bloße Sammlung einzelner Hilfsskripte, aber auch kein eigenständiges KI-Produkt. Das Repository stellt eine Referenzimplementierung bereit, in der der Agentic-Vault-Ansatz praktisch nachvollziehbar wird. Dazu gehören ein Starter-Vault, Arbeitsregeln, Dokumentation, Konfiguration, technische Werkzeuge, Runner, eine Kommandozeile und Tests. Diese Bestandteile ergeben zusammen einen nutzbaren Ausgangspunkt für einen Workspace, der von Menschen, KI-Systemen und deterministischen Werkzeugen gemeinsam verwendet werden kann.
Eine Referenzimplementierung ist dabei nicht dasselbe wie ein abgeschlossenes Produktversprechen. Sie zeigt, wie die zuvor beschriebenen Prinzipien zusammenwirken, und stellt dafür konkrete Strukturen bereit. Sie ersetzt aber weder ein Sprachmodell noch den Zugang zu einem KI-Dienst. Sie garantiert auch nicht, dass jeder Wissensbestand automatisch geordnet, jede Quelle richtig bewertet oder jede Zusammenarbeit vollständig automatisiert wird. Ihr Zweck liegt darin, einen offenen, prüfbaren und erweiterbaren Rahmen bereitzustellen, in dem solche Arbeit verlässlich stattfinden kann.
Die Dateien bleiben die gemeinsame Grundlage
Der wichtigste Anker bleibt der offene Dateibestand. Quellen, Synthesen, Projekte, Produkte, persönlicher Kontext, Systemregeln und operative Zustände liegen in Dateien und Verzeichnissen, nicht in einem proprietären Speicher eines einzelnen KI-Dienstes. Dadurch kann der Workspace von unterschiedlichen Werkzeugen gelesen, geprüft, verändert und weitergegeben werden, sofern sie die Regeln des Vaults beachten.
Diese Offenheit bedeutet nicht, dass jede beliebige Struktur gleich gut geeignet wäre. Der Nutzen entsteht gerade daraus, dass Dateien eine erkennbare Funktion haben, Metadaten maschinenlesbar sind und Pfade als stabile Adressen dienen. Anpassung ist deshalb möglich, aber nicht beliebig. Sprache, lokale Bezeichnungen, Owner-Kontext und organisatorische Zuschnitte können verändert werden. Die funktionale Trennung des Wissensbestands sollte jedoch erhalten bleiben, damit Mensch und KI weiterhin verstehen, welche Rolle ein Inhalt im Workspace spielt.
Das gilt auch für Personalisierung. Ein Agentic Vault kann den Menschen oder die Organisation beschreiben, für die er arbeitet: Rollen, Ziele, Arbeitsweise, fachliche Schwerpunkte, bevorzugte Formulierungen oder Grenzen der Zusammenarbeit. Dieser Kontext hilft KI-Systemen, Aufgaben zielgenauer zu bearbeiten. Er bildet aber keine zweite Wissensstruktur neben dem Vault. Der persönliche oder organisatorische Kontext ist Teil des Dateibestands und bleibt denselben Grundregeln unterworfen wie andere dauerhafte Inhalte.
Personalisierung ohne eigene Runtime
Eine besondere Form der Personalisierung ist der Vault-Steward. Er kann als Kommunikationsidentität beschrieben werden, etwa mit Name, Ton, Auftreten und Zuständigkeitsverständnis. Das aktive KI-System kann diese Persona situationsbezogen verkörpern, wenn der Vault oder der Nutzer dies vorsieht. Dadurch kann die Zusammenarbeit konsistenter und persönlicher wirken, ohne dass die technische Architektur verändert wird.
Der Steward ist jedoch keine eigene KI, kein Hintergrundprozess und kein zusätzlicher Akteur in der Arbeitsteilung. Er besitzt keine Fähigkeiten, die das aktuell verwendete KI-System und die verfügbaren Werkzeuge nicht ohnehin haben. Eine Steward-Persona kann Kommunikation prägen, aber sie führt keine Datei selbst aus, startet keinen Timer und trifft keine eigenständigen Entscheidungen. Diese Grenze ist wichtig, weil Personalisierung sonst leicht mit Automatisierung verwechselt würde.
Damit bleibt die Rollenverteilung klar. Der Mensch setzt Ziele, bewertet Ergebnisse und verantwortet Freigaben. KI-Systeme erschließen Kontext, formulieren, ordnen ein und bereiten Entscheidungen vor. Die Werkzeugschicht verarbeitet eindeutig regelgebundene Aufgaben. Eine Persona kann die Interaktion rahmen, aber sie ersetzt keine dieser Funktionen.
Betrieb setzt passende Umgebung voraus
Der Markdown-Vault ist als Dateibestand grundsätzlich portabel. Er kann gelesen, synchronisiert, versioniert und mit unterschiedlichen Editoren oder KI-Oberflächen genutzt werden. Die aktuelle Referenzimplementierung des Betriebs ist jedoch auf Linux ausgelegt. Automatisierte Abläufe verwenden systemd-User-Timer und einzelne Unix-nahe Werkzeuge. Ein vergleichbarer automatisierter Betrieb unter Windows oder macOS ist damit nicht ausgeschlossen, aber derzeit nicht als unterstützte Betriebsplattform dokumentiert.
Für semantische Aufgaben braucht der Workspace außerdem ein hinreichend leistungsfähiges externes KI-System. vaultkit liefert kein eigenes Modell und keine eingebettete KI-Runtime. Die Referenzimplementierung kann vorgeben, wie Kontext vorbereitet, wie Dateien strukturiert und wie Ergebnisse zurückgeführt werden. Die inhaltliche Verarbeitung natürlicher Sprache erfolgt jedoch durch ein extern konfiguriertes System.
In der aktuellen Realisierung dient agy als Referenzanbindung für produktive semantische Läufe. Das beschreibt den gegenwärtigen Betriebsweg, nicht die konzeptionelle Grenze des Ansatzes. Entscheidend ist nicht ein bestimmter Anbieter oder ein bestimmter Modellname, sondern die Fähigkeit des angebundenen Systems, die Regeln des Workspace zu lesen, relevante Dateien zu erschließen und semantische Aufgaben in ausreichender Qualität zu bearbeiten.
Automatisierung folgt der Art der Aufgabe
Die Referenzimplementierung unterscheidet bewusst zwischen Aufgaben, die deterministisch prüfbar sind, und Aufgaben, die semantische Einordnung benötigen. Eindeutige Regeln eignen sich für technische Werkzeuge: Metadaten können geprüft, Indizes erzeugt, Profile validiert, Quellenzustände verwaltet und formale Konsistenzregeln kontrolliert werden. Solche Funktionen erhöhen Verlässlichkeit, weil sie nicht von Stilgefühl oder fachlicher Interpretation abhängen.
Andere Aufgaben lassen sich nicht auf dieselbe Weise behandeln. Ob eine Quelle für eine Fragestellung relevant ist, welche Aussage eine Synthese tragen kann, ob eine Formulierung dem Zweck entspricht oder welche Lücke für ein Ergebnis kritisch ist, verlangt semantisches Verständnis. Hier unterstützen KI-Systeme. Sie können Quellen zusammenführen, Unterschiede herausarbeiten, Entwürfe erstellen und offene Fragen markieren.
Auch diese Unterstützung ersetzt kein menschliches Urteil. Der Mensch entscheidet, welche Quellen vertrauenswürdig sind, welche Synthese ausreichend belastbar ist, welche Inhalte weitergegeben werden dürfen und wann ein Produkt freigegeben wird. Besonders Schutzbedarf, Qualität, Priorität und Verantwortung bleiben kuratorische Entscheidungen. Der Agentic Vault macht diese Entscheidungen besser vorbereitet und nachvollziehbarer, aber er hebt sie nicht auf.
Grenzen gehören zum Konzept
Die Grenzen der Referenzimplementierung sind deshalb kein nachträglicher Mangel, sondern Teil des Arbeitsmodells. Der Agentic Vault soll nicht jedes Wissensproblem lösen und nicht jede Form der Zusammenarbeit automatisieren. Er schafft einen Rahmen, in dem Kontext erhalten bleibt, Wissen nachvollziehbar wächst und KI-Systeme auf einem gemeinsamen Arbeitsstand handeln können. Damit reduziert er Wiederholung, Suchaufwand und administrative Pflege. Er ersetzt aber nicht fachliche Verantwortung.
Das gilt auch für den Anspruch an Vollständigkeit. Ein Vault kann nur mit dem arbeiten, was aufgenommen, eingeordnet und gepflegt wurde. Fehlende Quellen, schwache Metadaten, unklare Projektstände oder nicht zurückgeführte Ergebnisse wirken sich auf spätere Arbeit aus. Die Betriebsschicht und spezialisierte KI-Läufe können solche Probleme sichtbar machen und teilweise beheben. Ob ein Bestand fachlich tragfähig ist, bleibt jedoch eine Frage von Bewertung und Kuratierung.
Gerade diese Begrenzung macht den Ansatz belastbar. vaultkit versucht nicht, menschliches Denken durch Automatisierung zu ersetzen. Es stellt eine Umgebung bereit, in der Menschen und KI-Systeme über längere Zeit an denselben offenen Dateien arbeiten können. Die Werkzeuge halten Ordnung, wo Regeln eindeutig sind. KI-Systeme helfen, Bedeutung zu erschließen und Ergebnisse zu formulieren. Der Mensch bestimmt Zweck, Qualität und Verantwortung.
Damit rundet die Referenzimplementierung den Agentic-Vault-Ansatz ab. Sie macht sichtbar, wie dauerhafter Kontext, offene Wissensstrukturen, technische Pflege, semantische KI-Arbeit und menschliches Urteil zusammenspielen. Ihr Ziel ist nicht ein autonomes System, das Arbeit vollständig übernimmt, sondern ein Workspace, in dem Arbeit nicht bei jeder Sitzung neu beginnen muss.
Schreibe einen Kommentar