In meinem letzten Artikel „Second Brain für die KI“ habe ich beschrieben, wie Jarvis entstanden ist. Mein LLM-Wiki als zentraler Wissensspeicher, meine Markdown-Dateien auf dem eigenen Server bei Hetzner, mein System für Notizen und Gedanken. Seit Ende September 2026 lief das auch wunderbar.
Ein LLM-Wiki ist, frei nach Andrej Karpathy, im Grunde deine persönliche Wikipedia für künstliche Intelligenz. Statt unstrukturierter Notizen legst du dein Wissen in sauber strukturierten Markdown-Dateien ab, optimiert für Sprachmodelle. Ein zentrales Fundament, auf das deine KI zugreift, um echten Kontext zu haben. Ich dachte ehrlich, damit wäre die Sache erledigt.
Doch ich sollte mich irren.
Das Problem zeigt sich nicht an Tag eins. Es schleicht sich langsam ein. Du merkst es genau dann, wenn deine KI-Agenten anfangen, Dinge zu behaupten, die einfach nicht mehr stimmen. Wenn alte Pannen wieder im Text auftauchen oder Baustellen zitiert werden, von denen du dachtest, du hättest sie eigentlich vor Monaten erledigt.
Genau da stand ich. Ich hatte ein funktionierendes LLM-Wiki gebaut, aber meine Agenten bedienten sich im Hintergrund trotzdem noch an alten Büffets. Zeit für den nächsten Umbau.
Das böse Erwachen im Code
Es fing ganz harmlos an. Ich hatte Claude Code geöffnet und stellte eine simple Frage: Habe ich Karpathys LLM-Wiki jetzt eigentlich eins zu eins umgesetzt, und beziehen meine Agenten ihr Wissen wirklich nur noch aus dem LLM-Wiki?
Ich erwartete ein virtuelles Schulterklopfen und bekam große Augen, als die Antwort auf dem Bildschirm erschien: „Nicht ganz.“
Als Claude Code mir den sprichwörtlichen Spiegel vorhielt, wurde mir nicht nur das Ausmaß des Datenchaos klar. Es wurde schmerzhaft deutlich, wie viele Daten im Hintergrund noch schlummerten, an Orten, die ich überhaupt nicht mehr auf dem Schirm hatte.
Mein Wissen lag verstreut wie eh und je: Ein Teil stammte aus meinem LLM-Wiki, klar. Aber andere Infos lagen tief vergraben in den internen Erinnerungen von Claude und ChatGPT. Weitere Regeln steckten direkt in den Anweisungsdateien von Claude Code selbst. Auf dem Server schlummerten Dateien mit altem Wissen – und zu allem Überfluss gab es da noch eine alte Datenbank, von der ich felsenfest geglaubt hatte, sie gehöre längst der Vergangenheit an.
Das Ergebnis dieser Zettelwirtschaft war vorhersehbar. Aus diesen alten Quellen sind nachweislich Inhalte in meine Artikel geflossen. Veraltete Technik-Pannen tauchten plötzlich wieder im Text auf. PAUL, mein Agent für die Social-Media-Posts, bediente sich voller Eifer an einer völlig veralteten Liste offener Baustellen vom Mai.
Da muss ich mich nicht wundern, wenn die Agenten Mist verzapfen. Wenn Informationen doppelt und dreifach vorhanden sind, sucht sich die KI halt irgendeine Version heraus. Meistens die falsche.
Wenn das Nutzungslimit dich ausbremst
Mitten in meinem Umbau traf mich die nächste Herausforderung: Mein Nutzungslimit bei Claude war für die nächsten 2,5 Tage erreicht.
Bisher gab es da für mich nur eine Lösung: Das Limit aufstocken und sofort weitermachen. Hauptsache, keine unnötige Pause. Diesmal hatte ich darauf keine Lust mehr. Ich zahle bereits monatlich für mein ChatGPT-Abo, warum also noch mehr Geld bei Claude nachschießen, nur weil ein Limit greift? Das war eine echte Lehre aus den letzten Monaten.
Anstatt wieder mit Scheinen nach dem Problem zu werfen, habe ich kurzerhand Codex ausprobiert.
Das war der eigentliche Wendepunkt. Danach stand für mich felsenfest: Ich will genau ein Second Brain. Und jede KI, egal ob ChatGPT, Claude oder Codex, muss genau darauf zugreifen können, wenn ich das will. Nicht eine KI besitzt das Wissen, sondern ich. Die eine programmiert, die andere kontrolliert, die dritte analysiert. Das ist der Sinn und Zweck des Ganzen.
Beim Umbau hat sich dieses Zusammenspiel direkt bewährt: Codex hat den Code gebaut und umgesetzt, Claude Code hat das Ganze anschließend geprüft. Kein Anbieter-Monopol mehr, keine Abhängigkeit von einem einzigen Ökosystem.
Tabula Rasa: Die alte Datenbank fliegt raus
Also habe ich aufgeräumt. Und zwar gründlich.
Die alte Datenbank hat ausgedient. Bevor ich den Stecker ziehe, bin ich die wenigen Einträge durchgegangen, die noch nicht in Jarvis standen, habe sie abgeglichen und sauber übernommen. Als Nächstes wird sie gelöscht.
Heute gilt eine eiserne Regel: Alles über mich, meine Regeln, meinen Stil und meine Produkte kommt ausschließlich aus Jarvis.
WordPress und die Search Console haben nur noch eine einzige Aufgabe: Sie liefern reine Messdaten. Sie sagen mir, welche Artikel es gibt und wonach im Netz gesucht wird. Mehr nicht. Damit da nichts durcheinandergerät, kommt als Nächstes ein Artikelverzeichnis, das sich bei jedem neuen oder geänderten Text ganz automatisch aktualisiert.
Der größte Vorteil dieser radikalen Ausmistung? Keine veralteten Kopien mehr. Wenn ich heute etwas in Jarvis ändere, greift das beim nächsten Durchlauf sofort. Die Agenten holen sich die Infos schließlich im selben Moment aus der Quelle. Kein Abgleich mehr, kein Stand von gestern.
Wie MAX, LISA und PAUL heute arbeiten
Wenn das Wissen zentral liegt, kannst du auch das Verhalten deiner Agenten viel feiner justieren. Ich habe mir meine Truppe nach dem Umbau gezielt vorgeknöpft.
MAX, der meine Blogartikel schreibt, hatte bisher eine nervige Angewohnheit: Sobald ihm eine Information fehlte, hat er den gesamten Vorgang abgebrochen. Das ständige Abbrechen hat mich extrem gestört. Jetzt ist MAX so programmiert, dass er eine Lücke einfach markiert, statt den Stift hinzuschmeißen.
Bei erfundenen Szenen schärfe ich MAX und seine Prüfung als Nächstes noch einmal deutlich nach. Selbstläufer sind die Agenten deshalb trotzdem nicht: Gegenlesen bleibt absolute Pflicht.
LISA, die sich um meine Website kümmert, hat ebenfalls neue Zügel bekommen. Sie ändert veröffentlichte Artikel nicht mehr einfach selbst auf der Seite. Sie macht nur noch Vorschläge, die ich freigeben muss. Und als Nächstes messe ich die Kosten der Agenten streng im echten Betrieb, um zu sehen, was der Spaß tatsächlich verbraucht.
Karpathys LLM-Wiki: Was ich übernommen habe und wo ich weitergehe
Mein ursprüngliches Ziel war klar: Ich wollte Andrej Karpathys LLM-Wiki so weit wie möglich eins zu eins umsetzen. Seine zentralen Kernpunkte stehen jetzt, sind eingebaut und im harten Praxistest geprüft.
Die Originalquellen sind absolut geschützt. Sie werden von den Agenten gelesen, aber nie verändert. Neues Wissen wird sauber aufgenommen, flächendeckend in alle betroffenen Notizen eingearbeitet und regelmäßig auf Widersprüche geprüft.
Aber Karpathy beschreibt in seinem Konzept im Grunde einen Menschen, der klassisch am Schreibtisch sitzt, vor sich eine KI und Obsidian auf dem Monitor. Das war mir zu wenig für meinen Alltag. Ich bin darüber hinausgegangen:
- Eingabe von unterwegs: Ich erreiche Jarvis jederzeit direkt vom Handy aus und kann mit ihm sprechen.
- Automatischer Eingang (kommt als Nächstes): Gedanken, die ich unterwegs diktiere, landen direkt im Eingang. Wenige Minuten später sollen sie automatisch mit allem abgeglichen, was schon in Jarvis steht. Ich bekomme direkt einen Vorschlag, wohin damit. Wartet dort eine Aufgabe oder Entscheidung, erinnert mich eine Nachricht auf dem Handy.
- Agenten-Zugriff: Nicht nur ich nutze das Wissen, sondern meine Agenten lesen mit. Allerdings sehen sie nur einen ausdrücklich freigegebenen Teil.
- Modell-Unabhängigkeit: Jede KI greift auf genau dasselbe Wissen zu, gesteuert über eine gemeinsame Regeldatei. Ich bin an keinen einzigen KI-Anbieter gekettet.
- Transparente Historie: Neben dem klassischen Logbuch steht jede einzelne Entscheidung mit Begründung. Meine Erfahrungen halte ich dort in meinen eigenen Worten fest.
- Volle Kontrolle: Nichts, aber auch gar nichts wird ohne mein explizites OK in das Wissen eingearbeitet.
Die Wahrheit über den Aufwand
Wenn du auf LinkedIn, Twitter oder Instagram unterwegs bist, klingt das immer alles kinderleicht. Agenten in zehn Minuten aufbauen? Absoluter Quatsch.
Theoretisch stimmt es, wenn du dich mit einer bunten Attrappe zufriedengibst. Ein vorgefertigtes Tool anklicken, drei PDFs hochladen, fertiges Prompt-Template drüberstülpen und das Ergebnis als „revolutionären Workflow“ verkaufen: Das steht tatsächlich in 20 Minuten.
Die Quittung kommt aber nicht im Tutorial, sondern im Alltag. Wer ein System baut, das monatelang stabil läuft, ohne sich an alten Datenleichen zu verschlucken, baut kein Spielzeug. Das erfordert Ausmisten, Schnittstellen-Verständnis und die harte Einsicht, dass kein KI-Anbieter dein Wissen pachten darf. Wer diese Meile spart, hat nach vier Wochen keinen digitalen Assistenten, sondern einen hochmotorisierten Datenmüll-Generierer.
Der Aufwand für meinen Umbau lag bei etwa einem ganzen Tag reiner Arbeitszeit. Dass sich die Aktion bei mir trotzdem über fünf Tage hinzog, lag schlicht am echten Leben: Ich mache das nebenbei. Ich habe einen Job, eine Familie und ein Privatleben.
Du baust so ein System nicht im isolierten Labor. Nebenbei läuft der Alltag weiter, du testest die neuen Verknüpfungen im echten Betrieb, passt Workflows an und stößt zwischendurch an Limits.
Dieser ganze Hype, dass immer alles ratzfatz, auf Knopfdruck und mal eben beim Kaffee geht, ist schlicht gelogen. Ein System zu bauen, das im echten Leben verlässlich liefert, ist Handarbeit. Es kostet Nerven, erfordert Gehirnschmalz und braucht Zeit.
Als Konsequenz aus dieser Erfahrung wird seit dem Umbau bei jedem Bauen und Anpassen die genaue Arbeitszeit festgehalten. So sehe ich schwarz auf weiß, was die Werkzeuge wirklich an Zeit fressen.
Was du daraus für deine KI-Arbeit mitnehmen kannst
Wenn du mit KI-Tools oder eigenen Agenten arbeitest, stehst du früher oder später vor genau derselben Wand wie ich. Mein konkreter Rat an dich:
Prüfe jetzt gleich, wo deine KIs ihr Wissen herholen. Wenn du deiner KI an verschiedenen Stellen Regeln mitgibst, mal im Prompt, mal in Custom Instructions, mal in hochgeladenen Dateien oder verstreuten Chat-Fenstern, baust du dir deinen eigenen Wissens-Müllhaufen. Die Fehler sind vorprogrammiert.
Zwing dich dazu, genau einen Ort für dein Wissen festzulegen. Trenne das Wissen strikt von den Werkzeugen. Die KI-Modelle kommen und gehen, die Anbieter ändern ihre Limits oder Preise über Nacht. Aber dein Wissen, deine Notizen und deine Arbeitsregeln müssen zentral bei dir liegen.
Erst wenn alle Agenten aus derselben, sauberen Quelle trinken, hören sie auf, dir veralteten Blödsinn als Fakten zu verkaufen.
