Ein AI-System kann eine frühere Entscheidung nur berücksichtigen, wenn es sie kennt. Es kann eine Quelle nur verwenden, wenn es sie erreicht. Was vor der Antwort passiert, ist deshalb genauso wichtig wie die Antwort. Uns interessiert, wie aus vorhandenen Unterlagen etwas Brauchbares wird. Das ist eine eigene Aufgabe mit eigenen Entscheidungen: Auswahl, Genauigkeit, Zugriff und spätere Wiederverwendung.
Die Aufgabe bestimmt die Auswahl
Wir nennen dieses Material Kontext. Dazu gehören Dokumente, aber auch der Auftrag selbst. Dazu gehören erlaubte Handlungen, frühere Entscheidungen und offene Fragen. Kontext ist also mehr als Text in einem Eingabefeld. Er beschreibt die Lage, in der ein System etwas verstehen oder tun soll. Ein gutes Modell und guter Kontext ergänzen sich. Das eine ersetzt das andere nicht.
Ein Beispiel macht es greifbar. Eine AI soll erklären, wie die Anmeldung einer App funktioniert. Für den Überblick braucht sie die beteiligten Teile und deren Zusammenspiel. Soll sie danach einen Fehler beheben, braucht sie die genauen Stellen im Code und die passenden Tests. Es ist dieselbe Datei. Aber die richtige Ansicht ist eine andere.
Genau dafür hat LeanCTX verschiedene Leseansichten. Die Dokumentation beschreibt unter anderem einen Überblick über die Struktur, die vollständige Datei, ausgewählte Zeilen und die Änderungen seit dem letzten Lesen. Das Ziel ist eine Ansicht, die zur Aufgabe passt. Wer eine Änderung genau prüfen muss, braucht andere Details als jemand, der sich zuerst orientiert. [1]
Jede Auswahl bleibt eine Vermutung darüber, was wichtig ist. Deshalb muss der Weg zurück zum Original offen bleiben. Eine kurze Ansicht darf keine Sackgasse sein. Taucht eine Frage zu einer Ausnahme oder einer fehlenden Stelle auf, muss das System genauer nachsehen können. Wir machen Informationen schrittweise zugänglich, ohne bei der Genauigkeit Abstriche zu machen.
Die richtige Information ist die, mit der der nächste Schritt gelingt.
Vom Auswählen bis zum Aufheben
Für uns beginnt Context Intelligence beim Entscheiden. Welche Aufgabe steht an, und was könnte dafür wichtig sein? Danach werden Quellen gesucht, passende Stellen herausgelöst und in eine brauchbare Form gebracht. Kürzen ist dabei eine Möglichkeit, keine Pflicht. Manchmal ist der volle Wortlaut das Einfachste und das Beste.
Dann wird das Material benutzt. Spätestens hier zeigt sich, ob die Vorbereitung gereicht hat. Das System merkt eine Lücke, holt eine Quelle nach oder stellt eine Rückfrage. Danach ist zu entscheiden, was von dieser Arbeit bleiben soll. Eine bestätigte Erkenntnis hilft später wieder. Eine verworfene Vermutung soll als verworfen erkennbar bleiben. Vertrauliches braucht eine eigene Regel.
Dazu kommen Regeln für Zugriff und Nutzung sowie die Übergabe an andere. Wir wollen ausserdem festhalten, was die Vorbereitung verändert hat und welches Material zu einem Ergebnis geführt hat. So entsteht ein Kreislauf: entscheiden, finden, herauslösen, aufbereiten, nutzen, aufheben, regeln, übergeben, belegen und später nachschauen. Diese Schritte müssen zusammenpassen.
Warum betrachten wir sie zusammen? Weil eine Änderung an einer Stelle woanders ankommt. Eine sehr kurze Zusammenfassung nützt wenig, wenn im nächsten Schritt eine wichtige Bedingung fehlt. Gespeichertes Wissen braucht einen Weg zur Korrektur. Ein weitergegebenes Paket braucht einen klaren Empfänger. Der Wert entsteht, wenn die Arbeit als Ganzes weitergehen kann.
Später noch einmal nachschauen
LeanCTX kennt dafür auch Kontext-Snapshots. Das sind gespeicherte Zustände, die sich mit einem Stand des Projekts verbinden und signieren lassen. Sie helfen, später nachzusehen, welches Material damals vorlag. Das ist etwas anderes als ein Blick in die inneren Gedanken eines Modells. Und gleiche Eingaben führen bei einem AI-System nicht automatisch wieder zur gleichen Antwort. [2]
Material bewusst zu bündeln und weiterzugeben ist der zweite Teil dieses Gedankens. Kontextpakete dienen in LeanCTX genau dazu. Dahinter steckt eine allgemeine Gestaltungsfrage. Was braucht die nächste Person oder das nächste Programm wirklich? Und was bleibt besser dort, wo es ist? [3]
Hier treffen sich technische Genauigkeit und menschliche Verständlichkeit. Eine gute Vorbereitung nennt das Ziel. Sie macht die Herkunft wichtiger Aussagen auffindbar. Und sie trennt Gesichertes von Offenem. Das hilft einem Menschen beim Prüfen. Es hilft auch einem Programm, sauber weiterzuarbeiten. Das Format darf verschieden sein. Die Verantwortung für die Auswahl bleibt.
Darum entwickeln wir LeanCTX. Die Entscheidungen rund um Kontext hängen zusammen und brauchen eine zusammenhängende Umsetzung. Für Thinkery ist das die erste Antwort auf eine grössere Überzeugung: Sorgfältige Vorarbeit soll weiterhelfen. Wer später ein anderes Modell oder ein anderes Werkzeug nutzt, soll dieses Wissen mitnehmen und neu prüfen können. Gute Vorarbeit darf länger leben als eine einzelne Antwort.
Aus der Thinkery-Werkstatt
Unser Blick auf die Arbeit an unseren Produkten. Beispiele machen die Ideen greifbar. Links zeigen, welche Funktionen es bereits gibt. Wo wir ein Ziel beschreiben, liegt noch Arbeit vor uns.
Ausgabe vom 9. September 2026