Die Methode organisiert die Zusammenarbeit von Menschen, Projektwissen und KI in wissensintensiven Arbeitsabläufen. Sie verhindert, dass wichtige Zusammenhänge ausschließlich in persönlichen KI-Chats, einzelnen Dokumenten oder den Köpfen von Mitarbeitern verbleiben.
Grundlage ist eine dauerhafte, nachvollziehbare Wissensbasis außerhalb des eingesetzten KI-Modells. Für jede Aufgabe wird daraus nur der Kontext bereitgestellt, der tatsächlich benötigt wird. Die KI unterstützt Suche, Analyse, Entwurf und Dokumentation. Ziele, fachliche Entscheidungen und folgenreiche Freigaben bleiben beim Menschen.
Arbeitskreislauf der Mensch-KI-Methode
Eine konkrete Aufgabe erhält den passenden Kontext aus dem Projektgedächtnis. Die KI bereitet ein Ergebnis vor, ein Mensch prüft und entscheidet. Bestätigte Erkenntnisse fließen anschließend zurück in die gemeinsame Wissensbasis und stehen für die nächste Aufgabe zur Verfügung.
Die Methode trennt drei Ebenen:
Regeln und Auftrag bestimmen, was das System tun darf und welches Ziel verfolgt wird. Dazu gehören verbindliche Grundsätze, Projektauftrag, Zuständigkeiten und Grenzen.
Projektwissen enthält Anforderungen, Beobachtungen, Annahmen, Entscheidungen, Risiken, Standards und offene Fragen. Dieses Wissen bleibt unabhängig vom verwendeten KI-Modell erhalten.
Operative KI-Nutzung greift für eine konkrete Aufgabe auf einen ausgewählten Teil des Projektwissens zu. Das Ergebnis wird geprüft und erst nach Bestätigung in die Wissensbasis zurückgeführt. Die konkrete Ordnerstruktur kann an das Unternehmen angepasst werden. Entscheidend ist die Trennung unterschiedlicher Wissensarten.
Wissensbasis
Markdown-Dateien bilden die führende Wissensquelle. Sie sind lesbar, übertragbar und nicht an einen bestimmten Anbieter gebunden. Git oder ein vergleichbares Versionssystem dokumentiert Änderungen und macht frühere Stände nachvollziehbar.
Eine Such- oder Vektordatenbank kann das Auffinden relevanter Inhalte unterstützen. Sie ersetzt jedoch nicht die dokumentierte Wissensbasis. Der Suchindex darf jederzeit neu aufgebaut werden können.
Jeder wesentliche Wissenseintrag soll erkennen lassen:
- um welche Wissensart es sich handelt,
- woher die Information stammt,
- für welchen Bereich sie gilt,
- welchen Status sie besitzt,
- welche Unsicherheit besteht,
- wer sie geprüft oder freigegeben hat.
Beobachtungen, Hypothesen und bestätigte Entscheidungen werden nicht vermischt. Eine plausible Vermutung wird dadurch nicht unbemerkt zur verbindlichen Regel.
Hierarchie des Kontexts
Vor einer Aufgabe liest oder erhält die KI den Kontext in einer festgelegten Reihenfolge:
- CONSTITUTION.md enthält nicht veränderbare Grundprinzipien und Grenzen.
- MISSION.md beschreibt Zweck, Ziel und Nicht-Ziele des Vorhabens.
- CONTEXT.md erklärt Projektstruktur, Arbeitsweise und relevante Quellen.
- AKTUELLER_STAND.md beschreibt den gegenwärtigen Arbeitsstand.
- Anschließend werden die für die konkrete Aufgabe benötigten Wissenseinträge geladen.
Diese Reihenfolge verhindert, dass einzelne Dokumente oder alte Entscheidungen ohne den übergeordneten Zusammenhang verwendet werden.
Arbeitsablauf
Eine Aufgabe wird zunächst eindeutig beschrieben. Dazu gehören Ziel, erwartetes Ergebnis, Umfang, betroffene Systeme und erkennbare Risiken.
Danach ermittelt das System den erforderlichen Kontext. Es lädt nicht automatisch das gesamte Unternehmenswissen, sondern die für die Aufgabe relevanten Anforderungen, Entscheidungen, Regeln und Erfahrungen.
Die KI beschreibt ihre Annahmen, den vorgeschlagenen Lösungsweg, betroffene Bereiche und Unsicherheiten. Anschließend erstellt sie einen Entwurf, eine Analyse oder eine technische Änderung innerhalb des bestätigten Auftrags.
Das Ergebnis wird am tatsächlichen Projektzustand geprüft. Technische Prüfungen können beispielsweise Widersprüche, fehlende Referenzen, Testfehler oder strukturelle Abweichungen erkennen. Sie prüfen jedoch nicht automatisch, ob eine fachliche Aussage wahr oder eine Entscheidung sinnvoll ist.
Folgenreiche Ergebnisse werden durch eine fachlich zuständige Person freigegeben. Erst danach werden bestätigte Erkenntnisse, Entscheidungen und Änderungen in das Projektgedächtnis übernommen.
Der vollständige Kreislauf lautet:
Aufgabe → relevanter Kontext → KI-Unterstützung → Prüfung → menschliche Entscheidung → aktualisiertes Projektwissen
Rollen und Verantwortung
Der Mensch verantwortet Problemverständnis, Zielsetzung, Prioritäten, fachliche Qualität und Folgenentscheidungen. Er entscheidet, welcher Auftrag erteilt wird und welche Ergebnisse verbindlich werden.
Die KI sucht Informationen, vergleicht Inhalte, erkennt mögliche Widersprüche, strukturiert Optionen und bereitet Ergebnisse vor. Innerhalb eines ausdrücklich bestätigten Auftrags kann sie auch technische Änderungen ausführen.
Bei umfangreichen oder quellenübergreifenden Aufgaben übernimmt ein Context Architect die Pflege der Wissensstruktur. Er stellt sicher, dass relevante Informationen auffindbar, widerspruchsfrei zugeordnet und mit einem erkennbaren Status versehen sind.
Eine technische Prüfung oder ein Review-Agent kann eine zusätzliche Kontrollperspektive liefern. Eine solche Rolle wird nur eingesetzt, wenn der erwartete Nutzen den zusätzlichen Aufwand rechtfertigt.
Freigaben
Eine allgemeine Zustimmung zu einem Projekt ist keine pauschale Erlaubnis für alle späteren Handlungen.
Analyse, Dateiänderung, Test, Commit, Push und produktives Deployment können getrennte Berechtigungen und Freigaben erfordern. Je größer die mögliche Auswirkung, desto deutlicher müssen Verantwortlichkeit, Prüfung und Rückfallmöglichkeit geregelt sein.
Eine wirksame menschliche Kontrolle benötigt vollständige Informationen, sichtbare Unsicherheit, ausreichende Prüfzeit und eine reale Möglichkeit, eine Handlung zu stoppen oder zu verändern.
Sicherheit und Daten
Die Methode ist für den Einsatz in einer kontrollierten Kundenumgebung ausgelegt. Das Unternehmen bestimmt den verwendeten KI-Dienst, die Konten, Infrastruktur und Zugriffsrechte.
Zugangsdaten, produktive Geheimnisse und nicht freigegebene personenbezogene Daten gehören weder in Prompts noch in die gemeinsame Wissensbasis. Berechtigungen werden auf das notwendige Minimum begrenzt.
Vor produktiven Änderungen sind angemessene Tests, ein nachvollziehbarer Änderungsvergleich sowie Backup oder Rollback vorzusehen. Für Sicherheitsvorfälle muss ein klarer Melde- und Eskalationsweg bestehen.
Modellneutralität
Das Projektwissen wird nicht an die interne Speicherfunktion eines einzelnen KI-Anbieters gebunden. Unterschiedliche Modelle oder spezialisierte Agenten können auf dieselbe freigegebene Wissensgrundlage zugreifen.
Das Modell bleibt austauschbar. Die dokumentierten Entscheidungen, Erfahrungen und Regeln bleiben Eigentum und Gedächtnis des Unternehmens.
Einführung
Die Einführung beginnt mit einem begrenzten Anwendungsfall. Ausgangsaufwand, Suchzeiten, wiederholte Erklärungen, Fehler und notwendige Abstimmungen werden vor und nach dem Einsatz betrachtet.
Erst wenn der Pilot einen nachvollziehbaren Nutzen zeigt, wird über weitere Anwendungsfälle oder eine technische Skalierung entschieden.
Die Methode führt damit nicht einfach ein weiteres KI-Werkzeug ein. Sie schafft ein kontrolliertes Arbeitssystem, in dem Menschen, Wissen und KI nachvollziehbar zusammenarbeiten.
Beginnen wir dort, wo Wissen heute verloren geht.
Wo muss Ihr Team Projektwissen immer wieder suchen, erklären oder aus früheren Entscheidungen rekonstruieren?
Diesen Anwendungsfall schauen wir uns gemeinsam an.
