ia-contexte

„Persistiere das“: eine Information aus ChatGPT in einen permanenten Speicher holen

Fünf Tage später findest du den einen Absatz, auf den es ankam, in einem langen ChatGPT-Gespräch kaum wieder. Dieser Bericht zeigt, wie du auf Zuruf einen genauen Ausschnitt aus dem Fluss herausziehst: mit einer eigenen Direktive und einem Google Sheet als Outbox — blockierte API, gescheiterter Umweg, dann eine Lösung, die von 50 Sekunden auf zwei kommt, mit systematischer Prüfung nach dem Schreiben.

Die KI ersetzt das Urteil nicht, sie beschleunigt das Reifen

Du spürst, dass ein Text oder eine Entscheidung noch nicht sitzt, kannst aber nicht sagen, warum. Genau da bringt die KI wirklich etwas: Sie macht aus einem vagen Unbehagen konkrete Ansatzpunkte — einen blinden Fleck, eine schwache Annahme, einen unbehandelten Einwand. Welche Fragen Spannung statt Output erzeugen, und warum das menschliche Urteil dadurch wichtiger wird, nicht unwichtiger.

Das Liefergut ist nicht mehr das Kapital

Jedes neue Format fühlt sich an wie ein Neuanfang: Du öffnest das letzte Dokument, kopierst, formulierst um, und zwei Versionen driften auseinander. Die Ursache ist kein fehlendes Werkzeug, sondern die Gewohnheit, ein Liefergut als Quelle der Wahrheit zu behandeln. Wie du eine wiederverwendbare Zwischenschicht zwischen Quellen und Dokumenten einziehst — und was die KI davon hat.

Wie ich meine Artikel schreibe, indem ich mit meinem Handy rede

Deine besten Artikelideen sterben zwischen dem Moment, in dem sie auftauchen, und dem Moment, in dem du dich zum Schreiben hinsetzt. Das Verfahren, das sie heiß erfasst: die Stimme, um den Kopf frei zu machen, ohne zu ordnen; eine Sitzungsquelle, die das Rohe bewahrt; die KI, die die Lücken in zehn Sekunden sichtbar macht statt in zwei Tagen.

Ich habe die Ontologie eines Produkts geschrieben. Dreimal dachte ich, ich sei fertig.

Dein Team baut bei jeder Frage, jedem Bug, jeder Ausschreibung dasselbe Produktmodell neu auf. Hier steht, wie du es einmal aufschreibst: 52 Objekte, 250 Regeln, unter sechs Stunden. Und vor allem, wie du weißt, dass du fertig bist — die drei Abbruchkriterien, die nach Vollständigkeit aussehen und nichts beweisen, plus das einzige, das hält.

PM, Entwickler und KI: Die Rollen verschwimmen, die Verantwortlichkeiten bleiben

KI steigert die Produktionsfähigkeit — nicht die Entscheidungsfähigkeit. Entwickler steigen zum Produkt auf, PMs steigen zur Konstruktion ab. Diese Verschiebung verschwimmt die Rollen, ohne die Verantwortlichkeiten aufzulösen. Ein vollständiger Überblick darüber, was KI im Product Management banaliert, was schwer bleibt, und ein Katalog der entstehenden Rollen mit ihren echten Risiken.

Vier Tage Vibe Coding in der Haut eines eingerosteten PMs

Vier Tage, um ein echtes Produkt mit Claude Code zu bauen — 180 Commits, von null gestartet. Was das enthüllt: die berauschende Geschwindigkeit, die Fallstricke, die die KI allein erzeugt, was Tests verändern, wenn man nicht selbst kodiert, und wie weit ein PM gehen kann, ohne seinen Bereich zu verlassen. Ein Praxisbericht, keine Doktrin.

KI sollte nicht nur dazu dienen, zehnmal mehr zu produzieren. Sie sollte uns auch zwingen, zehnmal besser zu verstehen, was wir produzieren.

Code schneller zu produzieren reicht nicht, wenn niemand versteht, was gebaut wurde. KI automatisiert genau die Aufgaben, die Junior-Entwickler formten, und der verzögerte Fehler lehrt nichts mehr, sobald das System zu komplex geworden ist. Einige konkrete Orientierungspunkte, um die Kontrolle zu behalten: klare Verträge zwischen APIs, Tests, die mit dem Funktionalen verbunden sind, Rekonstruierbarkeit als Qualitätskriterium statt bloßer Liefergeschwindigkeit.

Sitzungsquelle: Was deine Dokumente nicht erfassen

Deine Dokumente sagen nicht alles: das feine Verständnis des Felds bleibt im Kopf des PMs. Sitzungsquellen bieten einen Kanal, um dieses informelle Wissen in einen KI-Kontext einzubringen — ein Satz aus dem Flur, eine Kundennuance, eine aufkeimende Spannung — und die Ansammlung von Mikrosignalen in besser formulierte Notizen, Hypothesen und Entscheidungen zu verwandeln.

Informationssysteme werden nicht verschwinden. Ihre Form wird sich verändern.

Deine Tools ordnen Informationen gut ein, aber sie kapitalisieren nicht, was diese Informationen dich lehren. Dieser Text erklärt, warum die Zukunft des Informationssystems nicht ein besseres KI-gestütztes Formular ist, sondern eine strukturelle Verschiebung hin zu Kontexten — portablen, gouvernierten Gedächtniseinheiten, die Quellen, Entscheidungen und Überlegungen verknüpfen, statt sie nur zu speichern.

Die Produktfrage muss vom Quellcode ausgehen

Du verlierst eine halbe Stunde damit, in einer Testumgebung zu testen, um eine Produktfrage auf Slack zu beantworten? Diese versteckten Kosten verschwinden, wenn die KI den Quellcode befragt — die echte Wahrheit des Verhaltens. Antworten verankert in Belegen — Funktionen, Tests, Commits — statt in veralteter Dokumentation. Vorausgesetzt, der Code spricht die Sprache des Fachbereichs.

Unter der Haube meiner Kontext-Engine: wie eine KI sich an eine Mission erinnert

Du verlierst den Faden, sobald du ein KI-Gespräch zu einem laufenden Thema wieder öffnest? Dieser Artikel öffnet die Haube eines strukturierten Gedächtnissystems: der Unterschied zwischen Ziel und Aufmerksamkeit, die Direktiven, die Offline-Warteschlange, die drei Gedächtnisse (Tagebuch, Zusammenfassung, Checkpoints) und der Ablauf einer Sitzung. Um zu verstehen, wie eine KI sich wirklich an eine Mission erinnern kann.

Der PM als Kontext-Architekt

Die meisten Organisationen wissen, wie man Dokumente produziert. Was sie nicht wissen: wie man das dahinterliegende Denken kapitalisiert. Bei jeder Entscheidung fangen sie fast von vorne an. Der PM als Kontext-Architekt verwandelt verstreutes Kundenwissen — Transkripte, Einwände, Abwägungen, schwache Signale — in ein wiederverwendbares Asset. Das Ergebnis: schnellere, robustere Entscheidungen und ein Wettbewerbsvorteil, den Konkurrenten nicht sofort kopieren können.

KI-Wiki: warum ich eine KI-gepflegte Wissensbasis aufgebaut habe

Klassisches RAG fängt bei jeder Frage von vorne an. Ein KI-Wiki — ein persistentes Wiki, das ein LLM pflegt — kapitalisiert Fachwissen ein für alle Mal. Atomare Notizen, Verknüpfungen zwischen Konzepten, Erkennung von Widersprüchen: das Wissen wird kompiliert, nicht wiederentdeckt. Erfahrungsbericht mit 950 Notizen aus Quellen der Industriewartung, mit Erkenntnissen zur Kalibrierung und konkreten Anwendungsfällen.

Eine Datei, ein paar Direktiven, und Claude erledigt den Rest — wie ich 500 E-Mails mühelos strukturiert habe

Du ertränkst in E-Mails und verlierst den Faden der laufenden Themen? Indem ich die Strukturierung an Claude delegierte — eine Datei, ein paar Direktiven, dann eine schrittweise Aufteilung — habe ich 500 Hausverwaltungs-E-Mails in eine abfragbare Wissensbasis verwandelt. Sieben Schritte, von der vagen Direktive zum Mehrfachdatei-System, ohne je ein komplexes Framework zu brauchen.

Von der einzelnen Datei zum Kontextsystem: Warum das Gedächtnis eines LLM nicht in ein einziges Dokument passt

Code centric

Dokumentation folgt dem Code nie wirklich. Das wissen wir, wir akzeptieren es — und trotzdem kostet es bei jeder Änderung Zeit. KI verändert die Gleichung: Wenn der Code sauber ist, wird er zur Quelle der Wahrheit, aus der sich andere Artefakte neu generieren lassen — Specs, Changelogs, Support-Dokumentation. Dieser code-centric-Ansatz erfordert ein Mindestmaß an technischer Kultur, eröffnet aber einen echten Hebel für Product Manager, die ihn beherrschen.

Warum du deine Skills auditieren solltest: Versteckte Token-Limits im Griff

Ein verschwenderischer Skill blockiert dich nach 3-4 Ausführungen statt nach 8-10. Entdecke die 5 stillen Fallen, die dein Kontingent sättigen, wie du in 3 einfachen Phasen auditierst und 40% Kapazität gewinnst — ohne das Modell zu wechseln. Produktivität zurückgewonnen.

Im Software-Bereich wird der Vorteil nicht mehr die Technologie sein. Es wird das Verstehen des Kontexts sein.

Software zu produzieren ist keine Seltenheit mehr. Die Cloud hat das normalisiert, KI wird diese Entwicklung weiter beschleunigen. Wenn alle schnell und gut bauen können, reicht es nicht mehr, Features am laufenden Band zu liefern. Der echte Wettbewerbsvorteil verlagert sich zum Verstehen des Kontexts: die Branche, die Nutzer, die Kunden, der Wettbewerb, die Normen. Besser verstehen als die anderen — bevor man baut.

In 8 Tagen habe ich verstanden, dass sich der Beruf des Product Managers von Grund auf verändern wird

Deine Arbeitstage als PM werden von Aufgaben aufgefressen, die nichts Strategisches an sich haben. In acht Tagen mit Claude Code habe ich meine Wettbewerbsbeobachtung automatisiert — Sammlung, Organisation, Aktualisierung. Gewonnene Zeit zum Analysieren, Verstehen, Entscheiden. Dieser Erfahrungsbericht zeigt konkret, warum sich der Schwerpunkt des Product-Manager-Berufs verschiebt: weniger Zwischenartefakte, mehr echte Strategie.

Ein Sitzungsgedächtnis wie in OpenClaw einrichten

Schluss damit, den Kontext in jeder Sitzung neu erklären zu müssen. Claude merkt sich automatisch, was du gemacht hast, welche Entscheidungen getroffen wurden, welche Probleme aufgetaucht sind — pro Projekt, in deinem Git-Repo, ohne Datenbank. Portabel, versionierbar, weniger als 1 $/Monat. So richtest du das System in unter einer Stunde ein.