Das Konzept: LLM-Wiki trifft OKF

Das Setup zeigt die Mechanik, der Betriebs-Post den Alltag. Dieser Post erklärt das Warum: weshalb das Ganze mehr ist als eine hübschere Notiz-App. Es sind zwei Ideen, die zusammenkommen: Andrej Karpathys «LLM-Wiki» und das Open Knowledge Format (OKF).

1. ⚙️ Kompilieren statt abrufen (Karpathy)

Der Kerngedanke von Karpathys LLM-Wiki: Wissen wird einmal kompiliert, statt bei jeder Frage neu hergeleitet zu werden.

Die Analogie ist die zwischen Interpretieren und Kompilieren. Ein reines Frage-Antwort-System leitet bei jeder Anfrage neu aus rohen Quellen ab, es interpretiert jedes Mal von vorne. Teuer, langsam, und das Ergebnis ist flüchtig: Die Mühe der Herleitung ist nach der Antwort wieder weg.

Ein LLM-Wiki dreht das um. Die Herleitung passiert einmal, beim Einarbeiten einer Quelle, und das Ergebnis wird als dauerhafte, lesbare Wissensseite festgeschrieben. Spätere Fragen greifen auf das fertige Kompilat zu, statt es neu zu erzeugen. Das Wissen sammelt sich an, statt bei jeder Sitzung zu verdampfen.

Genau das macht mein Ingest-Lauf konkret: Ein roher Capture wird einmal verarbeitet und als verlinkte Notiz in den Graph geschrieben, nicht bei jeder künftigen Frage neu interpretiert.

2. 🧱 Die drei Schichten und die Operationen

Karpathys Modell trennt das Wissen in drei Schichten:

  • sources: das Rohmaterial (gelesene Quellen, Captures, Lesenotizen). Unverändert, man liest nur daraus.
  • wiki: das kompilierte Wissen (die fertigen, querverweisenden Wissensseiten). Das ist das Herzstück.
  • schema: das Vokabular, das festlegt, welche Typen von Knoten es gibt und wie sie aufgebaut sind.

Darauf arbeitet ein kleiner, fester Satz von Operationen:

  • ingest: neues Rohmaterial einarbeiten und ins Wiki kompilieren.
  • edit: eine bestehende Seite ändern und dabei Links und betroffene Seiten konsistent halten.
  • delete: eine Seite entfernen, eingehende Links vorher umbiegen.
  • lint: den Graph auf Waisen, Widersprüche und überholte Aussagen prüfen.

Diese Operationen sind in meinem AGENTS.md festgeschrieben und im Betriebs-Post im Detail beschrieben. Wichtig ist die Trennung: sources ist heilig (nur lesen), das wiki ist das, was wächst und gepflegt wird, und das schema hält beides zusammen.

3. 🏷️ OKF als Schema für die Wiki-Knoten

Die Schicht schema fülle ich mit dem Open Knowledge Format (OKF). OKF ist simpel: typisierte Markdown-Knoten mit YAML-Frontmatter.

Der Kern ist das Pflichtfeld type. Jede Wissensseite deklariert, was für ein Knoten sie ist:

type: concept   # concept | entity | source | guide | note
title: "..."
description: "..."
timestamp: ...

Damit ist jeder Knoten selbstbeschreibend. Ein concept ist etwas anderes als eine source oder ein guide, und das steht im Knoten selbst, nicht in einer externen Datenbank. Die Querverweise zwischen den Knoten sind ganz normale Markdown-Links. Diese Links sind der Graph: kein separates Graph-Tool, keine proprietäre Struktur, nur Dateien, die aufeinander zeigen.

OKF ist dabei ein Vokabular, keine Prüfstelle. Es gibt vor, wie Knoten aussehen sollen, erzwingt aber nichts technisch. Die Disziplin kommt aus den Pflegeregeln, nicht aus einem Validator.

So greifen die zwei Ideen ineinander: Karpathy liefert das Warum und die Operationen (einmal kompilieren, dann pflegen), OKF liefert das Wie der Ablage (typisierte, verlinkte Markdown-Knoten).

4. 🔍 Abgrenzung zu reinem RAG / NotebookLM

Warum dann nicht einfach RAG über meine Dokumente, oder NotebookLM?

Reines RAG ist die Interpreter-Variante: Es ruft bei jeder Frage Passagen ab und leitet die Antwort neu her. Das Wissen bleibt in den rohen Quellen verteilt; es entsteht nie ein kompiliertes, kuratiertes Zwischenprodukt, das ich selbst lesen, korrigieren und verlinken kann. Das LLM-Wiki ist die kompilierte Ebene, die RAG fehlt.

NotebookLM und ähnliche Dienste sind gemietet, nicht besessen. Die Inhalte liegen in einem fremden Produkt, im fremden Format, hinter fremden Konditionen. Mein Ansatz ist das Gegenteil: portable Markdown-Files in meinem Git-Repo als Single Source of Truth. Vendor-frei, exportierbar per Definition, und für jedes Tool lesbar, auch für eines, das es heute noch nicht gibt.

Der Unterschied ist also nicht nur technisch, sondern grundsätzlich: gemietet vs. eigen, abrufen vs. kompilieren, verteilte Rohdaten vs. gepflegter Graph. Das macht aus einer Notiz-Sammlung ein Wissenssystem, das mir gehört und mit mir wächst.

📚 Weiterführende Links & Quellen