Genau an diesem Punkt haben wir unser inside Kompendium neu gedacht.
Das Kompendium war bereits unser Handbuch für Wissensarbeit mit inside. Es beschreibt Begriffe, Rollen, Methoden, Prinzipien und Zusammenhänge. Für Menschen funktioniert ein Handbuch auch dann, wenn ein Gedanke über mehrere Absätze läuft.
Menschen lesen mit.
Sie ergänzen Kontext.
Sie erinnern sich an vorherige Kapitel.
Sie verstehen Zwischentöne.
Ein RAG-System arbeitet anders. Es bekommt nicht automatisch „das ganze Handbuch“.
Es sucht passende Ausschnitte.
Es nutzt diese Ausschnitte als Kontext.
Und es erzeugt daraus eine Antwort.
Damit wurde eine Frage entscheidend:
Kann dieser Abschnitt für sich allein eine klare Aufgabe erfüllen?
Aus dieser Frage entstand unser Strukturprinzip: Sections.
Eine Section ist nicht einfach ein Absatz. Eine Section ist eine fachliche Einheit mit einer klaren Funktion. Sie beantwortet möglichst genau eine Frage.
Zum Beispiel:
Warum ist dieses Thema wichtig?
Was bedeutet ein Begriff?
Wie funktioniert ein Zusammenhang?
Welche Rolle spielt ein Element im Wissensfluss?
Welche typischen Fehler entstehen in der Praxis?
Welche Reflexionsfrage hilft beim Übertragen auf die eigene Organisation?
Damit wurde jede Section zu einem kleinen Wissensbaustein.
Nicht beliebig.
Nicht dekorativ.
Nicht nur gut lesbar.
Sondern auffindbar, einordbar und wiederverwendbar.
Eine why_it_matters-Section erklärt, warum ein Thema relevant ist.
Eine content-Section beschreibt den fachlichen Kern.
Eine role_decider-Section zeigt, was Entscheider:innen daran erkennen können.
Eine role_km-Section zeigt, wie Wissensmanager:innen damit arbeiten können.
Eine reflection-Section öffnet den Transfer in die eigene Praxis.
Diese Arbeit war überraschend anspruchsvoll.
Denn beim Schneiden zeigt sich sofort, wo Wissen noch unscharf ist.
Ein Abschnitt erklärt zu viel auf einmal.
Ein Begriff wird verwendet, aber nicht sauber eingeführt.
Ein Zusammenhang ist richtig, aber allein nicht verständlich.
Eine Aussage braucht Kontext, der an anderer Stelle versteckt ist.
So wurde die Segmentierung zur Qualitätsprüfung.
Nicht nur für die KI. Sondern für das Kompendium selbst.
Unsere wichtigste Erkenntnis:
Gute KI-Antworten beginnen nicht mit besseren Prompts. Sie beginnen mit Wissenseinheiten, die klar genug sind, um gefunden, verstanden und wiederverwendet zu werden.
Nächster Beitrag:
Warum wir dem Kompendium Semantic Groups gegeben haben — und wie sie helfen, Kontext zu steuern.