AI Native werden, Teil 3: Kontext ist das neue Betriebssystem

Im Video fällt ein Satz, der für AI Native zentral ist: Unternehmen müssen für Agenten lesbar werden. Für Privatpersonen und Home-Office-Nutzer gilt dasselbe, nur kleiner.

Eine KI kann nicht sinnvoll helfen, wenn sie jedes Mal ohne Vorwissen startet. Sie braucht Kontext: Dateien, Regeln, Beispiele, Ziele, frühere Entscheidungen, Vorlagen und Grenzen. Ohne Kontext bleibt KI ein sehr sprachgewandter Praktikant im dunklen Raum.

Mit Kontext wird sie zum Arbeitsassistenten.

Was Kontext praktisch bedeutet

Kontext ist alles, was einer KI hilft, eine Aufgabe richtig zu verstehen:

• Hintergrundinformationen
• Dokumente
• Notizen
• E-Mails oder Gesprächsprotokolle
• Kalenderdaten
• Aufgabenlisten
• Stilbeispiele
• Entscheidungsregeln
• Checklisten
• sensible Ausschlüsse

Das klingt nach viel. Man muss aber nicht alles auf einmal aufbauen. Ein gutes Kontextsystem beginnt klein und wächst entlang echter Aufgaben.

Der Kontext-Kreislauf aus dem Video

Das Video beschreibt sinngemäß einen Kreislauf:

1. Informationen werden erfasst.
2. Relevantes wird kuratiert.
3. Wissen wird gespeichert.
4. Agenten nutzen es für Arbeit.
5. Ergebnisse und Feedback fließen zurück.

Für Unternehmen ist das ein großes System. Für den Alltag reicht eine einfache Version.

Beispiel Wochenplanung:

• Erfassen: Termine, offene Aufgaben, wichtige E-Mails, private Verpflichtungen.
• Kuratieren: Was ist diese Woche wirklich relevant?
• Speichern: eine kurze Wochenübersicht.
• Ausführen: KI erstellt Plan, Prioritäten und Vorbereitungsliste.
• Feedback: Was war hilfreich, was fehlte?

Nach einigen Wochen entsteht ein persönlicher Arbeitskontext. Die KI muss nicht mehr raten, wie eine gute Woche aussieht.

Schritt 1: Einen Kontext-Ordner anlegen

Der einfachste Start ist ein Ordner oder Notizbereich mit wenigen Dateien:

• Arbeitsweise.md
• Wichtige Projekte.md
• Vorlagen.md
• Entscheidungen.md
• Nicht in KI geben.md

Diese Dateien müssen nicht technisch sein. Sie sollen lesbar sein. Markdown, normale Textdateien oder gut strukturierte Notizen reichen völlig.

In Arbeitsweise.md kann zum Beispiel stehen:

• bevorzugter Schreibstil
• typische Zielgruppen
• häufige Aufgaben
• persönliche Qualitätsregeln
• Dinge, die vermieden werden sollen

Das ist kein Selbstzweck. Es spart Wiederholung.

Schritt 2: Vorlagen statt Einzelprompts

Einzelprompts verschwinden schnell im Chatverlauf. Besser sind wiederverwendbare Vorlagen:

• „Termin vorbereiten“
• „Dokument zusammenfassen“
• „E-Mail beantworten“
• „Entscheidungsvorlage erstellen“
• „Wochenplanung bauen“
• „Angebot prüfen“

Jede Vorlage enthält:

• Ziel
• Input
• gewünschtes Ergebnis
• Format
• Prüfkriterien
• Grenzen

So entsteht aus Prompting ein kleines Betriebssystem für wiederkehrende Arbeit.

Schritt 3: Beispiele mitgeben

KI braucht nicht nur Regeln, sondern Geschmack. Ein gutes Beispiel sagt oft mehr als zehn abstrakte Anweisungen.

Sammeln Sie daher pro wichtiger Aufgabe ein bis drei Beispiele:

• ein guter Text
• ein gelungenes Protokoll
• eine saubere Checkliste
• eine gute Analyse
• eine passende E-Mail

Wenn eine KI einen neuen Entwurf erstellt, kann sie sich daran orientieren. Gerade bei Ton, Länge und Struktur macht das einen großen Unterschied.

Schritt 4: Datenschutz als Kontext behandeln

Datenschutz ist kein Extra-Kapitel, das irgendwann später kommt. Er gehört in den Kontext.

Eine persönliche KI sollte wissen:

• Welche Daten dürfen nie in externe Tools?
• Welche Dokumente sind privat?
• Welche Kundendaten sind sensibel?
• Wo braucht es Freigabe?
• Welche Ergebnisse dürfen nicht automatisch verschickt werden?

Diese Regeln sollten schriftlich existieren. Nicht, weil man misstrauisch sein muss. Sondern weil klare Grenzen gute Nutzung erst ermöglichen.

Ein Beispiel:

„Bei medizinischen, rechtlichen oder finanziellen Themen nur strukturieren und Fragen vorbereiten. Keine abschließenden Empfehlungen formulieren. Immer Quellen und Unsicherheiten nennen.“

Das ist ein kleiner Satz mit großem Wert.

Schritt 5: Feedback zurückführen

Der wichtigste Teil wird oft vergessen: Lernen.

Wenn ein KI-Ergebnis gut war, sollte man festhalten, warum. Wenn es schlecht war, ebenfalls. Daraus entstehen bessere Vorlagen und bessere Regeln.

Praktisch kann das so aussehen:

• „Diese Struktur für Kunden-E-Mails wiederverwenden.“
• „Zusammenfassungen künftig immer mit Risiken beginnen.“
• „Bei Familienplanung kürzer und konkreter schreiben.“
• „Bei technischen Themen erst Voraussetzungen prüfen.“

So wird das System mit der Zeit besser. Nicht automatisch-magisch, sondern durch bewusstes Zurückführen von Erfahrung.

Fazit

AI Native ist ohne Kontext nur ein schöner Begriff. Der eigentliche Fortschritt entsteht, wenn Arbeit, Wissen und Regeln so abgelegt sind, dass KI sie lesen und nutzen kann.

Für den Start reichen wenige gute Dateien, klare Vorlagen und bewusste Grenzen. Daraus kann später mehr werden: persönliche Assistenten, Agenten, Automatisierungen oder lokale KI-Systeme.

Im nächsten Teil geht es um den konkreten 30-Tage-Plan.

Weiterlesen: Teil 2: Vom Prompt zum Agentenmanager, Teil 4: Der 30-Tage-Plan, Datenschutz bei KI-Assistenten.

Quelle: Greg Isenberg, „Become AI Native in less than 60 mins“. Hinweis: Grundlage ist ein per direkter Videoanalyse erstelltes Arbeits-Transkript.