Der erste Beitrag hat erklärt, warum ein Agentic Vault gebraucht wird; der zweite hat seine Architektur beschrieben – im Ruhezustand. Offen blieb, wie man mit ihm tatsächlich arbeitet. Diesen Workflow – in der Architektur angelegt, aber noch nicht umfassend beschrieben – macht der dritte Beitrag sichtbar.
Mit Workflow ist die tägliche Zusammenarbeit von Mensch und KI gemeint. Der Ausgangspunkt ist alltäglich: die Einarbeitung in ein neues Thema, an deren Ende ein Ergebnis stehen soll – eine E-Mail, ein Vortrag, ein Konzept, eine Entscheidung, manchmal ein Artikel wie dieser. Das Ergebnis ist jedes Mal ein anderes, der Weg dorthin derselbe.
Ein Unterschied zum klassischen Markdown-Vault fällt dabei sofort auf. Dort musste der Mensch jede Datei selbst ablegen, einordnen und irgendwann wieder aufräumen – ständig die Frage, was wohin gehört und was weg kann. Im Agentic Vault übernimmt das die KI. Die menschliche Aufgabe schrumpft auf das Wesentliche: gute Quellen hereingeben. Den Rest – ordnen, verdichten, pflegen – erledigt das System.
Und noch etwas ist neu: Der Mensch arbeitet nicht mehr allein am Vault, sondern mit der KI im Vault. Beide greifen im Terminal auf denselben Bestand zu. Die KI führt aus, der Mensch steuert und urteilt, die KI überarbeitet. Zwischenstände liegen als Datei im Vault, nicht im Gesprächsverlauf. Dieser Wechsel von Vorschlag durch die KI, Bewertung durch den Menschen und Korrektur – entweder direkt oder nach Vorgabe durch die KI – zieht sich durch den gesamten Workflow.
Der Workflow läuft in sechs Schritten ab – die ersten beiden bauen den Bestand auf, die übrigen vier nutzen ihn. Schritt 2 erledigt das KI-System automatisch; er steht hier nur, weil der Mensch wissen muss, was im Hintergrund abläuft, um darauf seine eigentliche Arbeit aufzubauen:
- Quellen einbringen – Feeds, Dauerquellen und einzelne Dokumente hereingeben.
- Wissen verdichten – die KI ordnet ein und verdichtet zu Synthesen, ohne weiteres Zutun.
- Wissensstand abfragen – den Bestand sichten, Lücken erkennen.
- Lücken schließen – gezielt recherchieren oder eine Quelle einbringen.
- Ergebnis formulieren – im Wechsel von Vorschlag und Überarbeitung das Produkt erstellen.
- Inhalte zurückführen – das Ergebnis prüfen und in den Bestand zurückgeben.
Die folgenden Abschnitte gehen sie der Reihe nach durch.
Schritt 1: Quellen einbringen (Vaultpflege neu)
Der erste Schritt ist der einzige, der dauerhaft Pflege verlangt – und zugleich der einfachste. Der Mensch sorgt dafür, dass gute Quellen in den Vault gelangen: Feeds für laufende Kanäle, die das System selbst abruft; Dauerquellen wie Zeitungen, die regelmäßig einlaufen; und einzelne wichtige Dokumente, die er gezielt hereingibt, wenn sie ihm begegnen. Mehr ist hier nicht zu tun. Was im klassischen Vault Daueraufgabe war – sortieren, benennen, ablegen –, entfällt.
Schritt 2: Wissen verdichten (automatisch)
Was dann geschieht, läuft ohne menschliches Zutun. Die KI nimmt das eingebrachte Material, ordnet es ein und arbeitet es in die Synthesen ein – die thematischen Wissenseinheiten, die viele Quellen bündeln. Sie aktualisiert Bestehendes, legt bei neuen Themen neue Synthesen an und hält den Bestand konsistent. Aus losen Quellen wird so ein gepflegter, befragbarer Wissensstand. Diesen Schritt muss der Mensch kennen, aber nicht ausführen.
Schritt 3: Wissensstand abfragen
Jetzt steht eine konkrete Aufgabe an, und der eigentliche Dialog beginnt. Der erste Griff geht nicht zum leeren Blatt, sondern an die Wissensschicht des Vaults: eine Query an die Synthesen. Der Mensch – oder die KI in seinem Auftrag – fragt: Was weiß der Vault zu diesem Thema schon? Das Ergebnis ist kein fertiger Text, sondern eine Übersicht: was vorhanden ist, wo Gegenpositionen und offene Fragen liegen, und was fehlt. Vor allem die Lücken zählen, denn sie bestimmen den nächsten Schritt.
Schritt 4: Lücken schließen
Steht fest, was fehlt, wird die Lücke geschlossen – auf einem von zwei Wegen. Entweder die KI recherchiert gezielt im Netz, oder der Mensch bringt selbst eine Quelle ein, die er kennt; es ist dasselbe Einbringen wie in Schritt 1, nur jetzt auf die konkrete Lücke gerichtet. Gezielt ist dabei das Stichwort: Nicht das ganze Thema wird neu aufgerollt, sondern nur das Fehlende. Und was hinzukommt, fließt zurück in die Synthese – die Lücke bleibt geschlossen, auch für das nächste Mal.
Schritt 5: Ergebnis formulieren
Jetzt entsteht das eigentliche Produkt – und hier zeigt sich die Zusammenarbeit am deutlichsten. Die KI macht aus dem gesicherten Wissensstand einen ersten Entwurf. Der Mensch liest, urteilt, streicht und schärft; die KI arbeitet die Änderungen ein und legt erneut vor. Dieser Wechsel wiederholt sich, bis das Ergebnis steht. Jeder Zwischenstand liegt als Datei im Vault – nicht im Chatverlauf, der mit der Sitzung verfällt.
Bewährt hat sich, dabei abschnittsweise vorzugehen: nicht das ganze Produkt auf einmal, sondern Stück für Stück, jedes im selben Wechsel von Entwurf und Überarbeitung. So bleibt der Mensch durchgehend eingebunden – er steuert jeden Teil, statt am Ende einen fertigen fremden Text vorzufinden. Das Ergebnis trägt dadurch seine Handschrift; es wird sein eigenes. Und es wird besser: Erst die tiefe, fortwährende Interaktion führt zu wirklich guten Ergebnissen. Mensch und KI gemeinsam kommen schneller dorthin als jeder von beiden allein.
Erst an dieser Stelle trennen sich die Wege. Bis hierher war der Workflow für jede Aufgabe gleich; nun entscheidet der Zweck über die Form. Aus demselben Wissensstand wird eine E-Mail, ein Vortrag, ein Konzeptpapier, eine Entscheidungsvorlage – oder ein Blogbeitrag. Das Verfahren bleibt, das Produkt wechselt.
Schritt 6: Inhalte zurückführen
Mit dem fertigen Produkt ist die Arbeit noch nicht zu Ende. Ein letzter Schritt prüft das Ergebnis und führt es zurück: Das Produkt wandert an seinen Platz im Vault, und was bei der Arbeit an neuem Wissen entstanden ist – eine geschärfte Einordnung, eine neue Quelle, eine offene Frage –, fließt in die Synthesen ein. Auch das muss der Mensch nicht allein tun: Die KI steht ihm bei, und ein einziger Auftrag – das Ergebnis auf Erkenntnisse zu prüfen und in den Vault zurückzuführen – genügt, damit sie alle nötigen Schritte einleitet.
Damit schließt sich der Kreis. Was als Nutzung des Bestands begann, endet als Beitrag zu ihm. Der Vault ist nach der Aufgabe reicher als vorher, und der nächste Auftrag zum selben Thema startet nicht mehr bei null, sondern auf diesem gewachsenen Stand.
Was die drei Teile zusammen ergeben
Drei Beiträge, ein Bogen. Der erste hat gefragt, warum ein klassischer Vault für KI-Arbeit nicht mehr genügt; der zweite hat die Architektur beschrieben, die er stattdessen braucht; dieser dritte hat gezeigt, wie man darin arbeitet. Warum, was, wie – zusammen ergeben sie ein Bild: den Vault nicht als Ablage, sondern als Kontextmaschine, die mit jeder Aufgabe wächst.
Das Entscheidende ist dabei weder die KI allein noch der Vault allein, sondern ihr Zusammenspiel: ein Mensch, der steuert und urteilt; eine KI, die ausführt; ein Bestand, der beides aufnimmt und weiterreicht. Dieser Beitrag ist dafür mein bester Beleg – Abschnitt für Abschnitt im selben Wechsel von Vorschlag und Überarbeitung entstanden, den er beschreibt. Der eigentliche Gewinn liegt für mich nicht darin, dass die KI mir Arbeit abnimmt, sondern dass wir sie teilen – und das Ergebnis dabei meines bleibt.