Maik's Digital Garden https://profmanagement.github.io/digital-garden/de/index.html Notes on knowledge management, learning, and digital gardening de Jenseits des Aktenschranks: Lösen Organisationsmethoden das Retrieval-Paradox wirklich? https://profmanagement.github.io/digital-garden/de/20260614_jenseits-des-aktenschranks.html Sun, 14 Jun 2026 00:00:00 +0000 Maik@example.com (Maik) PKM Jenseits des Aktenschranks: Lösen Organisationsmethoden das Retrieval-Paradox wirklich?

Maik · 2026-06-14 · 60% human

Wo der letzte Post endete

In meiner letzten Notiz über das Retrieval-Paradox habe ich argumentiert, dass die Unsicherheit in meinem PKM und meinem „second brain” nicht in der Speicherung liegt – die Notizen sind immer noch dort, wo sie sein sollten – sondern in der Lücke zwischen der Art, wie ich eine Notiz in der Vergangenheit codiert habe, und der Art, wie ich versuche, sie in der Gegenwart abzurufen. Tulving und Thompsons (1973) Encoding-Specificity-Prinzip besagt, dass der Abruf gelingt, wenn aktuelle Hinweise einfach den Hinweisen ähneln, die beim Codieren vorhanden waren. Es kommt oft vor, dass sich meine Hinweise Monate später geändert haben – die Notiz bleibt verfügbar, aber nicht zugänglich. Und ich habe noch eine weitere Behauptung gemacht, die hier wichtig ist: Links lösen Navigation (von einer bekannten Note zu einer anderen bekannten Note), aber das Paradox lebt einen Schritt früher, bei der Erkennung – zu realisieren, dass eine relevante Notiz überhaupt existiert.

Nach Diskussionen schlug mir ein lieber Kollege vor, die LATCH-Methode zu betrachten als möglichen zukünftigen Weg zur Lösung dieses Problems. Das spornte mich dazu an, ein wenig über PKM-Organisationsschemata zu recherchieren. Dieser Post ist das Ergebnis, aber nicht im Sinne von „hier sind fünf Wege, um dein Leben besser zu organisieren”, sondern als Test. Eine Organisationsmethode adressiert mein Retrieval-Paradox nur, wenn sie mindestens eines von zwei Dingen tut – die Encoding-Retrieval-Lücke überbrücken, oder Erkennung statt nur Navigation unterstützen.

  1. Encoding–Retrieval-Match – Hilft die Methode, wenn sich mein aktueller Suchhinweis vom vergangenen Begriff, Tag oder Kontext unterscheidet, unter dem ich es abgelegt habe? Oder geht sie davon aus, dass ich mich bereits an die Dimension erinnere, unter der ich es gespeichert habe?
  2. Erkennung vs. Navigation – Hilft die Methode mir zu erkennen, dass eine vergessene Notiz existiert (Erkennung/Abruf)? Oder hilft sie mir nur, effizient zu navigieren, wenn ich bereits weiß, wonach ich suche (Navigation)?

Es stellt sich heraus: Die meisten tun weder das eine noch das andere. Die meisten Organisationsansätze sind für etwas anderes gebaut. Einige sind Speicherarchitekturen, die nur das Kostüm einer Abruflösung tragen.

Der Vergleich

Tabelle 1 https://profmanagement.github.io/digital-garden/de/20260614_jenseits-des-aktenschranks.html Das Retrieval-Paradox: Warum mich meine Tools for Thought zunehmend frustrieren https://profmanagement.github.io/digital-garden/de/20260607_das-retrieval-paradox.html Sun, 07 Jun 2026 00:00:00 +0000 Maik@example.com (Maik) PKM Das Retrieval-Paradox: Warum mich meine Tools for Thought zunehmend frustrieren

Maik · 2026-06-07 · 90% human

In den vergangenen Wochen habe ich mich immer wieder mit einem Problem beschäftigt, das mich zunehmend verärgert. Es betrifft ausgerechnet meine Tools for Thought, die mir eigentlich dabei helfen sollen, Wissen zu organisieren, Zusammenhänge sichtbar zu machen und langfristig verfügbar zu halten.

Seit Jahren sammle ich Notizen, Literaturhinweise, Zitate, Ideen und Beobachtungen in digitalen Wissenssystemen. Wie viele andere Nutzer von Tana, Roam Research, Obsidian oder ähnlichen Tools for Thought folge ich folgsam der Überzeugung, dass gut vernetztes Wissen später leichter wiedergefunden werden kann. Also habe ich Notizen verlinkt, Tags vergeben, Referenzen angelegt und versucht, in Form von Beziehungen zwischen Atomic Notes Zusammenhänge herzustellen.

Trotzdem ertappe ich mich immer häufiger bei diesem frustrierenden Gedanken:

Ich weiß, dass ich dazu irgendwann einmal etwas Wichtiges notiert habe. Aber ich habe keine Ahnung mehr, wie ich damals darüber gedacht habe, unter welchem Begriff, mit welchen Tags und vor allem in welchem Vault ich es gespeichert habe. Wo soll ich anfangen zu suchen?

Das Problem ist nicht, dass die Information oder Idee verloren gegangen wäre. Sie befinden sich schon an einem bestimmten Ort in meinem Tool for Thought. Das Problem ist vielmehr, dass ich gar nicht präzise suchen kann, weil ich mich nicht mehr an die Notiz erinnern kann, weil sie irgendwie im Meer meiner Second Brains vor sich hin schlummern.

Je größer mein Wissensarchiv wird, desto häufiger tritt dieses unangenehme Gefühl auf. Und genau darin scheint ein Paradox zu liegen: Während die Menge meines gespeicherten Wissens wächst, nimmt mein Vertrauen ab, im richtigen Moment darauf zugreifen zu können. Häufig nutze ich dann für schnell abrufbares Wissen unwillkürlich andere Ablegemethoden wie z. B. Bookmarks im Browser.

Speicherung ist nicht Retrieval

Viele Personal-Knowledge-Management-Systeme und Tools for Thought basieren auf der Annahme, dass gute Verlinkungen und Metadaten das spätere Wiederfinden erleichtern sollen. Die zugrundeliegenden Annahmen erscheinen zunächst plausibel:

  • Informationen werden gespeichert;
  • Informationen werden miteinander verbunden;
  • Informationen können später über diese Verbindungen wiedergefunden werden.

In der Praxis funktioniert dies jedoch nur unter einer wichtigen Voraussetzung: Ich muss wissen, wonach ich suche.

Genau hier beginnt das Problem.

Die meisten Notizen entstehen in einem bestimmten situativen Kontext. Ich lese einen Artikel, höre einen Podc]]> https://profmanagement.github.io/digital-garden/de/20260607_das-retrieval-paradox.html Wissenssynthese aus PDFs: Discourse Graph & strukturiertes Parsing mit Claude Code https://profmanagement.github.io/digital-garden/de/20260517_discourse-graph-pdf-synthesisierung.html Sun, 17 May 2026 00:00:00 +0000 Maik@example.com (Maik) Forschung Wissenssynthese mittels PDFs im LLM Wiki: Discourse Graph & strukturiertes Parsing mit Claude Code

Maik · 2026-05-17 · 95% human

Das Problem: Informationsballast in wissenschaftlichen Papern

Im Rahmen des “Ingest-Workflows” von wissenschaftlichen Papers (PDFs) in mein LLM Wiki sollen keine Zusammenfassungen erstellt werden, die alles enthalten, sondern nur die wirklich relevanten Informationen extrahieren. Der Kontext “verstopft” dann meist die Verarbeitung, es entsteht enormer Noise. Viele Informationen in einem Paper sind für spezifische Forschungsfragen meist sogar irrelevant, aber das Modell weiß das nicht von allein.

In der analogen Welt ist die Lösung einfach: Lineares Lesen, markieren, extrahieren. Zeitaufwändig. Fehleranfällig. Nicht skalierbar.

Es gibt aber eine Möglichkeit: die Extraktion von Informationen durch strukturiertes Parsing mittels der Methode Discourse Graph.

Der Discourse Graph: Eine Methode für strukturierte Wissenssynthese

Der Discourse Graph ist nicht nur ein ontologisches Wissenskonzept, sondern eine praktische Methode für die systematische Extraktion und Vernetzung von Wissen aus unstrukturierten Quellen. Die Idee: Zerlege jeden Text in granulare, vernetzte Einheiten anstatt alles als Block zu betrachten.

Die fünf Kernkomponenten des Discourse Graph habe ich wie folgt auf mein Wiki angewendet:

1. Quellen (Sources)

Das Primärdokument selbst. Wer hat es geschrieben? Wann? In welchem Kontext? Dies ist der Anker für alle nachgelagerten Informationen.

2. Evidenzen (Evidence)

Alle verwertbaren Informationen aus der Quelle:

  • Methodische Details (Forschungsdesign, Sample Size, Instrumente)

  • Theoretische Grundlagen (Konzepte, Frameworks)

  • Empirische Befunde (Ergebnisse, Metriken, Beobachtungen)

Wichtig: Evidenzen sind Fakten oder Beobachtungen, noch keine Interpretationen.

3. Claims (Behauptungen/Erkenntnisse)

Die Schlussfolgerungen, die die Autoren aus den Evidenzen ziehen: “Wenn Evidenz X zeigt, dann folgt Aussage Y”. Claims sind die wissenschaftlichen Erkenntnisse, die das Paper propagiert.

4. Fragen (Questions)

Die wissenschaftlichen Fragen, die der Text beantwortet oder aufwirft. Diese entstehen induktiv aus den Evidenzen und Claims. Sie bilden den Fors]]> https://profmanagement.github.io/digital-garden/de/20260517_discourse-graph-pdf-synthesisierung.html Auf dem Weg zu einem Agentic OS — Erste Schritte mit dem Everything Claude Code Repo https://profmanagement.github.io/digital-garden/de/20260510_everything-claude-code.html Sun, 10 May 2026 00:00:00 +0000 Maik@example.com (Maik) KI Einen Schritt näher zum eigenen Agentic OS für Forschung und Lehre

Maik · 2026-05-10 · 80% human

Seit einiger Weile beschäftigt mich die Frage, wie ich Teile von Routineaufgaben und zur Unterstützung der Kreativität in Forschung und Lehre ein Agentic OS bzw. OS-Kernel für die Forschung einsetzen kann. Es sollte in der Lage sein, valide Workflows mit definierten Skills ausführen können und über lernfähige Bibliotheken mit Skills, Plugins, Routinen etc. (sog. research stacks) verfügen. Das hat gewisse Ähnlichkeiten mit der Architektur von AIOS, einem „AI Agent Operating System, which embeds large language model (LLM) into the operating system and facilitates the development and deployment of LLM-based AI Agents” (Agiresearch/Aios auf GitHub).

Abb. 1. Architektur von AIOS

Im Rahmen der Recherche bin ich auf Everything Claude Code (ECC) gestoßen, das eine Sammlung von 75 Skills, 71 Agents, 33 Hooks und unzähligen Commands in Claude Code einbringt. Das Repo ist in der Lage, professionelle Forschungsaufgaben semi-autonom auszuführen.

Abb. 2. Everything Claude Code

Plan first, code later — als Plugin

Zum Kern-Workflow gehört der Befehl /everything-claude-code:plan, der einen spezialisierten Skill startet, der Rückfragen stellt, Optionen abwägt und auf explizite Bestätigung wartet, bevor eine einzige Zeile Code entsteht. Das kann für die Planung eines neuen Features im aktuellen Projekt als auch für das Design einer neuen Systemarchitektur genutzt werden.

Dasselbe gilt für testgetriebene Entwicklung: Der /tddWorkflow richtet automatisch ein Test-Framework ein, schreibt die Tests vor der Implementierung, und setzt 80 % Coverage als Zielwert. Er wiederholt die Prozedur, bis der gewünschte Zielwert erreicht ist, und bessert von Schritt zu Schritt nach.

Externalisierung von Urteilsvermögen

Eine interessante Frage wirft das ECC aber noch auf: Wenn ein solches Werkzeug ermöglicht, gute Praktiken für Arbeitsroutinen zu externalisieren, ersetzt es dann nicht mein Urteilsvermögen? Was ist der eigentliche Mehrwert außer Zeitersparnis?

Ich tendiere zu einer differenzierten Antwort. Tools wie ECC senken die Hürde für strukturiertes Arbeiten erheblich. Wer gerade anfängt, bekommt ein professionelles Scaffold ]]> https://profmanagement.github.io/digital-garden/de/20260510_everything-claude-code.html Neues WikiProjekt für Personal Knowledge Management auf Wikipedia https://profmanagement.github.io/digital-garden/de/20260502_wikipedia-projekt-pkm.html Sat, 02 May 2026 00:00:00 +0000 Maik@example.com (Maik) PKM Neues WikiProjekt für Personal Knowledge Management auf Wikipedia

Maik · 2026-05-02 · 100% human

Die deutschsprachige Wikipedia hat bereits viele Artikel, die dem Thema Persönlichen Wissensmanagement (PKM) zugeordnet werden können. Einige zentrale Artikel existieren bereits wie z.B. Persönliches Wissensmanagement, Zettelkasten, Informationskompetenz, sind aber oft unvollständig ausgearbeitet, methodisch veraltet oder unzureichend belegt. Demgegenüber fehlen andere relevante Konzepte, Ansätze und verwandte Themen.

Heute habe ich das WikiProjekt Personal Knowledge Management angelegt, um, zusammen mit anderen Interessierten, diese Lücken systematisch zu schließen.

Abb. 1. Screenshot Neues WikiProjekt PKM

Das Projekt koordiniert die Arbeit an bestehenden und neuen Artikeln zu folgenden Bereichen:

  • Methoden und Arbeitsweisen — Zettelkasten, Exzerpt, Mindmapping, Cornell-Methode
  • Werkzeuge und Software — Obsidian, Logseq, Notion, Roam Research
  • Grundlagenbegriffe — Wissensmanagement, Informationskompetenz, Metakognition
  • Historische Vorläufer — Commonplace Book, Memex, Karteikasten

Im Projektbestand sind Kernartikel und sogenannte Stubs — zusammen mit Arbeitsnotizen zur Relevanz und zu konkreten Verbesserungsbedarfen. Ziel ist es, existierende Artikel und solche, die noch ausfindig gemacht werden müssen, zu überarbeiten, andere neu zu schreiben oder ggf. aus anderen Sprachen zu übersetzen.

Das Projekt befindet sich aktuell im Aufbau. Wer im Themenfeld forscht, lehrt oder sich einfach dafür interessiert und schon erste Erfahrungen mit dem Editieren auf Wikipedia gesammelt hat, ist herzlich eingeladen: Beiträge und Unterstützung jeder Größenordnung sind willkommen — ein Beleg, ein Abschnitt, ein neuer Artikel. Bei Interesse freue ich mich über eine E-Mail.

Verwandte Inhalte

„The Whole Wide World” von Wreckless Eric, 1977. Ein Song über das Suchen — passend für jeden, der ein Wissenssystem aufbaut. Anhören: YouTube | Spotify

Geschrieben an meinem Schreibt]]> https://profmanagement.github.io/digital-garden/de/20260502_wikipedia-projekt-pkm.html Vom wiki LLM zum Reasoning-Linter: Discourse Maps und Claimprüfung in meinem Setup https://profmanagement.github.io/digital-garden/de/20260410_vom-wiki-llm-zum-reasoning-linter.html Fri, 10 Apr 2026 00:00:00 +0000 Maik@example.com (Maik) PKM Vom wiki LLM zum Reasoning-Linter: Discourskaarten und Claimprüfung in meinem Setup

Maik · 2026-04-10 · 80% human

Diese Woche habe ich zwei neue Schichten auf das wiki LLM aufgebaut, das ich letzte Woche nach dem Ansatz von Andrej Karpathy entwickelt habe. Die eine ist eine Discourse-Graph-Implementierung von Joel Chan und Matt Akamatsu, die andere ist Mike Caulfields Deep-Background-Superprompt. Zusammen decken sie etwas ab, auf das ich immer wieder gestoßen bin: die Lücke zwischen dem Abrufen von Informationen und deren Bewertung.

Das Problem, auf das ich immer wieder stieß

Das wiki LLM ist gut darin, Material aus meinen Notizen, Folien und Vorlesungstranskripten zu finden. Was es nicht tut — und Retrieval ist dafür schlicht nicht konzipiert — ist mir zu sagen, ob die Argumentation in diesem Material standhält.

Als ich begann, das Setup für die Entwicklung von OER-Material zu nutzen, lag der Engpass nicht im Finden von Inhalten. Es war das Herausarbeiten, welche Teile meines Quellmaterials Behauptungen waren und welche Evidenz. Das klingt nach einer sauberen Unterscheidung, bis man sie auf echte Vorlesungsnotizen anwenden möchte. Dann wird es kompliziert.

Discoursgrafen: Behauptungen von Beobachtungen trennen

Das Discourse-Graph-Modell von Joel Chan und Matt Akamatsu behandelt Behauptungen und Evidenz als separate, verlinkbare Einheiten. Eine empirische Beobachtung von einer vorgeschlagenen Antwort zu unterscheiden lässt Raum für mehrere Interpretationen derselben Daten — was wichtig ist, wenn man über Quellen hinweg synthetisiert statt eine einzelne zusammenzufassen.

Ich habe das Obsidian-Plugin diese Woche eingerichtet. Das schwierige Teil, das ich nicht vorhergesehen hatte, ist das initiale Tagging. Eine Behauptung von ihrer Evidenz in einem Absatz fließenden Textes zu lösen, stellt sich als schwieriger heraus als es aussieht. Das ist kein Toolproblem — es ist eine Konsequenz der Toulmin-Logik. Das Toulmin-Framework macht die Struktur von Claim-Warrant-Backing explizit, und solange man nicht von Natur aus in diesen Kategorien denkt, widersetzen sich die Unterscheidungen.

Dieser Widerstand ist wahrscheinlich das Absitzen wert. Er erzwingt eine Neulektüre des eigenen Materials, die flüchtiges Lesen nicht auslöst.

Deep Background: ein Linter für wissenschaftliches Denken

Die zweite Ergänzung ist Mike Caulfields Deep-Background-Superprompt — ein langer Anweisungsblock, den man in eine Claude- oder ChatGPT-Sitzung einfügt, um zu verändern, wie das Modell eine Behauptung angeht. Der Prompt baut auf der SIFT-Methode auf und organisiert die Ausg]]> https://profmanagement.github.io/digital-garden/de/20260410_vom-wiki-llm-zum-reasoning-linter.html PKM Summit 2026: Wenn Notizen zur Lebensphilosophie werden https://profmanagement.github.io/digital-garden/de/20260331_PKM-Summit-2026-Reflexionen.html Tue, 31 Mar 2026 00:00:00 +0000 Maik@example.com (Maik) PKM PKM Summit 2026: Wenn Notizen zur Lebensphilosophie werden

Maik · 2026-03-31 · 100% human

Ich habe das erste Mal am PKM Summit teilgenommen und bin noch immer geflasht von der Energie des Austausches, den vielen Impulsen und der Community von Wissensmanagement-Enthusiasten, die sich am 20.–21. März 2026 in Utrecht versammelt hatte.

In den Workshops und Vorträgen, die ich besucht habe, ging es sowohl um Note-taking-Strategien als auch um philosophische Ansätze. Tools und Funktionen waren auch präsent – natürlich – aber sie waren nicht wirklich das Hauptthema. Was mich beschäftigt hat, war etwas schwieriger zu Benennendes: die Art, wie PKM Lernen und Sensemaking verändern kann und wie der Prozess des Selbstverstehens und Denkens unweigerlich sehr persönlich wird.

PKM vermittelt einen bestimmten Blick auf die Dinge. Und sobald man das einmal bemerkt hat, liegen lebensphilosophische Dimensionen nicht mehr weit weg. Das Vokabular, das verwendet wurde, umfasst z.B. „LifeOS”, „Personal Lab”, „Make yourself observable”. Das sind keine bloß griffigen Workshoptitel. Sie legen nahe, dass sich PKM nicht einfach von der Hardware zur Software entwickelt – sondern sich gerade im Stadium des Austüftelns von Individualphilosophien befindet. PKMler sind nicht einfach Notizsammlerinnen oder Wissensarchitektinnen. Sie sind so etwas wie Existenzphilosoph*innen.

Vielleicht hat auch der Veranstaltungsort dazu beigetragen. Die Tagung fand bei Wonder of Work in Utrecht statt, und die Räumlichkeiten selbst waren Teil des Erlebnisses. Man konnte sich erden im Raum Erde oder Roots, oder schwelgen in Dream und Vision. Beides fühlte sich passend und angenehm für eine solche Tagung an.

Die Digital-Gardening-Accountability-Gruppe

Die praktisch konkreteste Mitnahme begann in der Mittagspause am Samstag: eine kleine, spontan zusammengewürfelte Accountability-Gruppe rund ums Digital Gardening: der Praxis, persönliche Websites zu bauen, auf denen man unfertige Gedanken öffentlich teilt.

Unter dem Motto „Working with the garage door up” plant die Gruppe, einander dabei zu unterstützen, mindestens einmal pro Woche einen neuen Beitrag im eigenen Garden zu veröffentlichen. Er muss nicht poliert sein. Eine kurze Reflexion, ein flinker Gedanke, ein Snippet, das etwas erzählen kann.

Diese Notiz ist Teil dieses Commitments.

Zu dieser Notiz

Diese Notiz ist Teil des nächsten notizlab-Newsletters, für den wir alle unsere Erfahrungen beim PKM Summit 2026 reflektiert haben.

Verwandte Inhalte