Seit ich bei Rocksoft arbeite, nutze ich KI-Tools jeden einzelnen Tag.
Es hat eine Weile gedauert, bis ich gelernt hatte, wie man KI bei der Arbeit richtig einsetzt — und das Eine, das ich schneller als alles andere gelernt habe, ist: Die Qualität dessen, was du aus KI herausbekommst, hat fast nichts mit dem Modell zu tun, das du verwendest.
Es hat alles damit zu tun, was du ihr sagst, bevor du anfängst.
Was ich mit Kontext meine
Wenn ich in Claude ein neues Projekt für einen Kunden erstelle, öffne ich nicht einfach einen Chat und fange an, Fragen zu stellen. Ich schreibe zuerst eine Projektanweisung. Wer ist der Kunde, was tun sie, mit wem sprechen sie, welchen Ton verwenden wir, welche Wörter vermeiden wir, was wurde bereits erledigt.
Wenn das einmal festgelegt ist, beginnt jedes Gespräch, das ich in diesem Projekt führe, damit, dass Claude all das bereits weiß. Ich muss es nicht jedes Mal erklären. Ich arbeite einfach.
Der Unterschied ist enorm. Derselbe Prompt in einem Projekt mit gutem Kontext und in einem leeren Chat liefert völlig unterschiedliche Ergebnisse. Nicht weil Claude anders ist. Weil der Kontext anders ist.
Das ist etwas, das die gesamte KI-Branche gerade herausfindet. Und drei große Akteure — Google, Anthropic und OpenAI — lösen jeweils einen Teil davon. Auf unterschiedliche Weise. Aus unterschiedlichen Gründen.
Was Google gerade getan hat
Letzte Woche veröffentlichte Google etwas namens Open Knowledge Format, oder OKF.
Es ist ein Standard für die Organisation von Wissen als Ordner einfacher Textdateien, die jeder KI-Agent lesen kann.
Das Problem, das sie lösen, ist real. In den meisten Unternehmen ist die Information, die KI braucht, um nützliche Arbeit zu leisten, überall verstreut. In Wikis, in Tabellen, in Code-Kommentaren, im Kopf von jemandem. Wenn ein KI-Agent eine Frage zu deinem Unternehmen beantworten muss, muss er die Antwort aus Dutzenden von Orten zusammensetzen, die nie dafür ausgelegt waren, zusammenzuarbeiten.
OKF ist Googles Antwort: ein einfaches, offenes Format, das jedes Team nutzen kann, um aufzuschreiben, was es weiß — auf eine Art, die jede KI lesen kann. Kein proprietäres System, kein SDK, nur Markdown-Dateien mit etwas Struktur.
Für die meisten Gründer ist das relevanter für Daten-Teams in größeren Unternehmen als für die tägliche Arbeit. Aber das Denken dahinter ist dasselbe Denken, das ich jedes Mal anwende, wenn ich ein neues Claude-Projekt einrichte.
DefinitionOpen Knowledge Format (OKF)
Ein von Google entwickelter offener Standard zur Organisation und Speicherung von Wissen als strukturierte Textdateien, die KI-Agenten lesen und verwenden können. Er ermöglicht es Teams, ihr Wissen über ihre Systeme, Daten und Prozesse in einem Format zu dokumentieren, das mit verschiedenen KI-Tools und Plattformen funktioniert.
Was Anthropic gebaut hat
MCP, oder Model Context Protocol, ist etwas anderes. Es geht nicht ums Speichern von Wissen. Es geht darum, Claude mit den Tools und Systemen zu verbinden, die du bereits nutzt.
MCP ist das, was es Claude ermöglicht, meine ClickUp-Aufgaben zu lesen, eine Webseite zu durchsuchen oder mit Webflow zu interagieren. Es ist die Schicht, die Claude zu einem aktiven Teilnehmer in deinem Workflow macht — statt nur einem Chat-Fenster, aus dem du kopierst und einfügst.
Wenn CLAUDE.md und Projektanweisungen das Briefing sind, das du jemandem vor einem Meeting gibst, dann ist MCP das Gewähren von Zugang zum CRM, dem Kalender und dem E-Mail-Posteingang.
Das Briefing sagt ihnen, was sie wissen müssen. Die Tools lassen sie die Arbeit tatsächlich erledigen.
What AGENTS.md is
AGENTS.md ist eine Konvention, die sich in Teams verbreitet hat, die mit KI-Agenten arbeiten. Es ist eine Datei, die du in ein Projekt einfügst und die jedem KI-Agenten, der in dieser Codebasis arbeitet, mitteilt, was er wissen muss: wie das Projekt strukturiert ist, welche Regeln zu befolgen sind, was zu vermeiden ist.
Es ist dieselbe Idee wie CLAUDE.md, nur allgemeiner. Nicht spezifisch für Claude, sondern von jedem Agenten lesbar.
Bei Rocksoft verwenden wir diese Art von Datei, wenn wir KI-gestützte Workflows für Projekte einrichten. Es ist der Unterschied zwischen einem Agenten, der in deiner Umgebung arbeitet, und einem, der jedes Mal von Grund auf alles herausfinden muss.
Wie diese zusammenpassen
Auf den ersten Blick sieht es so aus, als würden Google, Anthropic und OpenAI alle dasselbe Problem lösen. Das tun sie nicht.
Sie lösen drei verschiedene Probleme.
CLAUDE.md und AGENTS.md geben einem KI-Agenten Projektkontext, bevor er anfängt zu arbeiten. MCP gibt ihm Tools, mit denen er in Echtzeit arbeiten kann. OKF gibt Organisationen ein Standardformat zum Speichern von institutionellem Wissen, das jeder Agent später konsumieren kann.
Ein Briefing. Ein Toolkit. Eine Wissensdatenbank. Drei Schichten, drei verschiedene Probleme — alle zusammenarbeitend.
Wie das bei Rocksoft in der Praxis aussieht
Hier ist ein Beispiel dafür, wie das in der Praxis aussieht. Edwin von unserer Marketing-Marke Diligently entwickelte an einem Nachmittag Landing Pages für einen unserer Kunden. Er exportierte die bestehende Website aus Webflow, legte sie auf GitHub, schrieb ein Briefing mit dem Projektkontext und dem Inhalt für vier Stadtseiten — und ließ Claude Code von dort aus entwickeln.
Claude folgte nicht nur dem Briefing. Es fügte Dinge hinzu, die nicht verlangt wurden — eine Vergleichstabelle, eine Aufschlüsselung nach Unternehmensgröße — weil der Kontext reich genug war, um zu verstehen, was die Seiten eigentlich versuchen zu tun.
Das ist es, was guter Kontext bewirkt. Er beantwortet nicht nur die Frage, die du gestellt hast. Er beantwortet die Frage, die du hättest stellen sollen.
Ich baute auch mein eigenes Tool nach demselben Prinzip. Content Radar ist ein Skill in Claude, der Team-Gespräche überwacht, Momente erkennt, die es wert sein könnten, geteilt zu werden, und mir einen Vorschlag in ClickUp sendet. Das gesamte Team arbeitet normal. Wenn etwas Content-würdiges passiert, findet es seinen Weg zu mir.
Es hat einen Nachmittag gedauert, es einzurichten. Es funktioniert, weil ich Claude genug Kontext gegeben habe, um zu wissen, wonach es suchen soll und was es damit anfangen soll.
Was ich mit Kontext meine
Wenn ich in Claude ein neues Projekt für einen Kunden erstelle, öffne ich nicht einfach einen Chat und fange an, Fragen zu stellen. Ich schreibe zuerst eine Projektanweisung. Wer ist der Kunde, was tun sie, mit wem sprechen sie, welchen Ton verwenden wir, welche Wörter vermeiden wir, was wurde bereits erledigt.
Wie kann ich sicher sein, dass ich es richtig mache?
Das liegt daran, dass wir jedes Mal, wenn wir ein Projekt starten, mit einem Discovery Workshop beginnen. Er gibt uns eine solide Grundlage und ist ein hervorragender Weg, eine Wissensdatenbank für diesen spezifischen Kunden und dieses spezifische Projekt aufzubauen.
Was die meisten Menschen noch immer übersehen
Die meisten Menschen nutzen KI wie eine Suchmaschine. Du stellst eine Frage, bekommst eine Antwort, schließt den Tab.
Die Teams, die gerade am meisten aus KI herausholen, sind die, die Kontext als Infrastruktur behandeln. Etwas, das man einmal aufbaut, über Zeit pflegt — und das jede folgende Interaktion schneller und nützlicher macht.
Google, das OKF formalisiert, Anthropic, das MCP baut, Teams überall, die AGENTS.md-Dateien schreiben — das sind alles dieselbe Erkenntnis, die aus verschiedenen Richtungen ankommt. Das Modell ist nicht mehr der Engpass. Der Kontext ist es.
Wenn du KI-Tools nutzt und das Gefühl hast, dass die Ergebnisse inkonsistent oder oberflächlich sind, liegt das meistens daran. Nicht weil die KI schlecht ist. Weil sie nicht genug über deine spezifische Situation weiß, um etwas wirklich Nützliches zu tun.
Die gute Nachricht ist, dass das Beheben keinen technischen Hintergrund erfordert. Es erfordert dasselbe, was jede gute Zusammenarbeit zum Funktionieren bringt: sich die Zeit zu nehmen, zu erklären, was man wirklich braucht.
Wenn du KI in deinem Unternehmen auf die richtige Weise nutzen möchtest - sieh, wie wir arbeiten.
