Mit KI schreiben heißt, auch an das eigene Archiv zu denken

In einem aktuellen Artikel bei Platformer beschreibt Casey Newton, wie er sein journalistisches Archiv in eine KI-gestützte Wissenssammlung überführt hat. Angeregt von einer Idee Andrej Karpathys hat er ältere Beiträge in miteinander verknüpfte Markdown-Seiten zu Personen, Unternehmen und Begriffen zerlegt. Beginnt er zu einer neuen Entwicklung zu recherchieren, kann er damit die Vorgeschichte schneller rekonstruieren.

Das System verarbeitet auch neue Recherche. Newton speichert sie laufend ab. Ein Skript auf seinem Computer pflegt sie in das Wiki ein. So stehen ältere Zusammenhänge und neue Informationen an einem Ort nebeneinander. Zugleich macht er klar, dass er die Originalquelle weiterhin öffnet, bevor er eine Angabe übernimmt.

Interessant ist vor allem seine Zurückhaltung. Das Experiment hilft ihm persönlich, aber er stellt es nicht als fertige Lösung für alle dar. Seiten werden zu lang, Code funktioniert nicht immer, und KI-generierter Text muss lesbar gemacht werden. Diese Pflegearbeit ist Teil seines Berichts, statt als lästiges Detail unter den Tisch zu fallen.

Meine eigene Website ist kein automatisch erzeugtes Wiki. Das praktische Anliegen dahinter kenne ich trotzdem: Wenn ich mit KI an einem Artikel arbeite, soll sie nicht jedes Mal bei null anfangen, mit nichts als dem Prompt des Tages und den Quellen dieser Woche. Frühere Texte und die Überlegungen dahinter sollen verfügbar bleiben.

Die veröffentlichte Website ist nur eine Ebene der redaktionellen Arbeit

Die Artikel auf dieser Website liegen als Markdown-Dateien vor. Nuxt Content rendert daraus die Webseiten. Jede Datei enthält praktische Angaben wie Datum, Sprache, Themen-Tags und Entwurfsstatus. Ich arbeite also mit dem Text selbst, nicht in einer separaten Content-Management-Oberfläche.

KI nutze ich auch bei der Quellenrecherche, bei der Auswahl und Einordnung von Themen, beim Entwickeln von Entwürfen und beim Überarbeiten. Neben den veröffentlichten Texten gibt es einen getrennten redaktionellen Arbeitsbereich mit Recherche-Notizen und Briefings. Dort kann festgehalten werden, was eine Quelle tatsächlich belegt, wo die Grenze einer Aussage liegt und aus welcher Perspektive ich ein Thema behandeln will.

Diese Trennung ist wichtig. Ein veröffentlichter Artikel ist die veröffentlichte Version meiner Überlegungen. In einer Recherche-Notiz kann dagegen der Entscheidungsweg dokumentiert sein: eine offene Frage, ein sinnvoller Einwand oder eine Quelle, deren Schluss ich bewusst nicht gezogen habe. Wenn neue Recherche auftaucht, ist dieser Kontext oft hilfreicher als ein Titel in der Artikelliste.

Dass diese Materialien für mich und für ein KI-Werkzeug lesbar sind, bedeutet nicht, dass die richtige Verbindung von selbst entsteht. Die relevanten Dateien müssen weiterhin gefunden und gelesen werden. Aber sie liegen vor, wenn ich sie für einen neuen Artikel nutzen will.

„Dazu habe ich schon einmal geschrieben“

Das zeigte sich, als ich neue Beiträge aus Quellen prüfte, die ich verfolge. Ein neues Thema erinnerte mich an meinen früheren Artikel Wer schöpft die Produktivitätsgewinne aus KI ab?. Statt die neue Quelle automatisch zum Anlass für einen weiteren Text zu nehmen, wollte ich wissen, ob sie eine neue Tatsache liefert oder dem Argument, das ich bereits entwickelt hatte, eine neue Perspektive eröffnet.

Der ältere Artikel fragt, warum ein Angestellter oder Dienstleister, der mit KI produktiver wird, den wirtschaftlichen Vorteil nicht zwangsläufig selbst erhält. Er betrachtet den Unterschied zwischen Festanstellung und Abrechnung nach Zeit und fragt, wer den wirtschaftlichen Vorteil zuerst erhält. Deshalb ist nicht jeder spätere Beitrag über „KI und Produktivität“ automatisch ein neues redaktionelles Thema für mich.

Wenn eine Quelle denselben Punkt nur an einem anderen Beispiel vorführt, bringt ein zweiter langer Artikel womöglich wenig. Wenn sie eine Bedingung sichtbar macht, die ich zuvor nicht berücksichtigt hatte, sollte der ältere Text vielleicht ergänzt werden. Liefert sie eine andere Erklärung, kann ein neuer Beitrag sinnvoll sein, der auf den ersten verweist. Welche Entscheidung richtig ist, hängt davon ab, was die beiden Texte tatsächlich sagen.

Eine Datei zu finden, ist dabei nur der Anfang. Die Suche nach „Produktivität“ kann passende Artikel und Notizen finden, doch zwei Artikel mit ähnlichem Wortschatz können zu unterschiedlichen Schlussfolgerungen kommen. Von KI-Unterstützung erwarte ich mehr als ein paar automatisch eingefügte Links zu alten Beiträgen. Die Verbindung muss den neuen Gedankengang tatsächlich weiterbringen.

Das heißt nicht, dass jeder Artikel voraussetzen soll, seine Leser hätten das gesamte Archiv durchgearbeitet. Eine kurze Erklärung kann erneut nötig sein; der Link ist dann für diejenigen da, die das vollständige Argument nachlesen möchten. Es geht darum, eine Schlussfolgerung nicht als neue Entdeckung auszugeben, wenn ich sie in einem früheren Artikel bereits ausführlich geprüft habe.

Eine Recherche-Notiz ist nicht meine Position

Für den Umgang mit älterem Material gibt es noch eine weitere Grenze. Das Argument eines Autors zu speichern, weil es interessant ist, bedeutet nicht, es in meinen eigenen Texten zu vertreten. Recherche-Notiz, Entwurf und veröffentlichter Artikel haben nicht dieselbe Autorität, nur weil sie in derselben Ablage liegen oder dieselben Begriffe verwenden.

Eine neue Quelle kann einer früheren Einschätzung widersprechen. Dann soll KI den Widerspruch nicht glätten, nur damit der Ton einheitlich wirkt. Entscheidend ist, ob sich die neue Behauptung und die frühere Begründung anhand der Quellen gemeinsam prüfen lassen. Wenn mich etwas umstimmt, ist es wertvoller, das offenzulegen, als so zu tun, als hätte ich schon immer dieselbe Position vertreten.

Deshalb zählen Zweck und Herkunft einer Datei neben ihrem Inhalt. Ein Index kann Recherche-Notizen und Artikel leichter auffindbar machen. Er kann aber nicht selbst entscheiden, ob eine Aussage zu einer Quelle, zu einer Arbeitshypothese oder zu meiner veröffentlichten Position gehört.

Die bestehende Struktur reicht derzeit aus

Bislang hatte ich noch kein ernstes Problem, das durch die Größe des Archivs entstanden wäre. Für den gegenwärtigen Umfang der Website reicht die Struktur aus. Für einen persönlichen Blog sehe ich keinen Grund, allein wegen des KI-Einsatzes sofort ein umfassendes Retrieval-System oder eine Vektordatenbank aufzubauen.

Sollte es schwieriger werden, verwandte Artikel zu finden oder Recherche-Notizen sinnvoll zu verknüpfen, würde ich zuerst prüfen, wo genau die Reibung entsteht. Eine einfache Volltextsuche, konsistentere Metadaten, eine kleine Datenbank oder ein Skript zum Aufbau eines Index können genügen. Keine davon macht es nötig, Markdown als zentrale Ablage der Texte aufzugeben.

Die unmittelbarere Frage ist, ob das System mir zu besseren redaktionellen Entscheidungen verhilft. Eine gute Quelle rechtfertigt nicht immer einen neuen Entwurf. Manchmal gehört sie in einen älteren Artikel, manchmal verändert sie den Rahmen für den nächsten, und manchmal bestätigt sie, dass ich zu einem Thema bereits gesagt habe, was ich sagen wollte. KI-gestützte Recherche sollte bei dieser Entscheidung ebenso helfen wie beim Schreiben von mehr Text.