Warum rede ich eigentlich mit einer KI, die meine Daten nicht kennt?

In den vergangenen zwei Jahren habe ich wie viele andere mit ChatGPT, Gemini, Claude und Perplexity gearbeitet. Die Ergebnisse waren oft beeindruckend. Texte entstanden in Sekunden, Recherchen liefen schneller, Ideen ließen sich strukturieren. Trotzdem fehlte etwas. Jede neue Unterhaltung begann wieder bei Null. Informationen lagen in verschiedenen Chats, Ergebnisse verschwanden in Gesprächsverläufen. Eigene Dokumente, Notizen, Pressemitteilungen, Protokolle oder Gesetzestexte blieben außerhalb der KI-Welt. Irgendwann stellte sich mir eine einfache Frage: Warum rede ich eigentlich mit einer KI, die meine Daten nicht kennt?

Mit Daten sprechen statt Dateien suchen

Der entscheidende Schritt begann mit dem Aufbau eines eigenen KI-Agenten auf Basis von Google Antigravity. Damit ging es nicht mehr darum, einer KI-Fragen zu stellen. Stattdessen entstand eine Arbeitsumgebung, in der Dokumente, Notizen, Pressemeldungen, Gesetze, Protokolle und Konzepte an einem Ort zusammenkamen. PDF-Dateien, Markdown-Dokumente und andere Unterlagen wurden Teil eines gemeinsamen Wissensraums.

Aus „Frage stellen und Antwort erhalten“ wurde „mit den eigenen Daten sprechen“. Das klingt unspektakulär, verändert die Arbeitsweise aber grundlegend: Statt zu überlegen, in welchem Ordner sich eine Information befindet, frage ich direkt: „Welche Informationen liegen zu diesem Thema bereits vor?“ Der Agent durchsucht nicht das Internet. Er durchsucht mein Wissen.

Der Moment, in dem der Agent erklären lernte

Anfangs beobachtete ich fasziniert, wie der Agent im Hintergrund programmierte, Dokumente analysierte und Arbeitsabläufe ausführte. Allerdings liefen viele dieser Prozesse auf Englisch und blieben schwer nachvollziehbar. Dann kam eine einfache Idee: Ich wies den Agenten an, jeden Schritt zu erklären. Nicht nur das Ergebnis, sondern auch den Weg dorthin. Seitdem dokumentiert er seine Entscheidungen, erläutert seine Vorgehensweise und beschreibt seine Arbeitsschritte auf Deutsch. Aus einer Black Box wurde ein nachvollziehbares Werkzeug. Je mehr Transparenz entstand, desto größer wurde mein Vertrauen in das System.

Vom Assistenten zum Mitarbeiter

Mit der Zeit übernahm der Agent nicht mehr nur Auswertungen und Recherchen. Er begann, Aufgaben auszuführen: Berichte erstellen, Dokumentationen aktualisieren, Dateien organisieren, Informationen zusammenführen, E-Mails versenden. Nicht ohne Kontrolle. Für kritische Vorgänge wie das Löschen von Verzeichnissen oder Dokumenten habe ich Sicherheitsabfragen eingebaut. Das Prinzip dahinter: Routine automatisieren, Verantwortung behalten.

Theorie trifft Praxis

Der Aufbau des Agenten fand nicht im luftleeren Raum statt. Parallel liefen zwei Projekte. Das erste war die Veranstaltungsreihe „Mit Daten sprechen“ des Gewerbevereins Rüsselsheim. Dort beschäftigten wir uns mit der Frage, wie Unternehmen ihre vorhandenen Datenbestände produktiv nutzen können.

https://gv1888.de/allgemein/mit-dem-gewerbeverein-auf-schatzsuche/

Das zweite Projekt entstand bei Radio Rüsselsheim: der Aufbau eines digitalen Sitzungsservices zur Stadtverordnetenversammlung. Dabei mussten Protokolle, Drucksachen, Beschlussvorlagen, Anlagen, Videos, Presseberichte und Hintergrundinformationen verarbeitet und miteinander verknüpft werden.

https://entdecke-ruesselsheim.de/stv/index.html

Genau hier zeigte sich, wie leistungsfähig agentische Systeme sein können. Ohne den Agenten wäre die Verarbeitung dieser Datenmengen in der verfügbaren Zeit kaum möglich gewesen. Der Agent wurde zur Arbeitsebene zwischen Mensch und Information.

Die eigentliche Erkenntnis

Rückblickend war der größte Lernschritt nicht technischer Natur. Es ging nicht um einen neuen Prompt oder das nächste KI-Modell. Es ging darum, die Perspektive zu ändern. Viele Menschen nutzen KI heute wie eine Suchmaschine mit Dialogfunktion. Ich habe begonnen, KI als Betriebssystem für Wissensarbeit zu betrachten: Die Daten bleiben auf dem eigenen Rechner. Die Arbeitsabläufe werden dokumentiert. Die Anweisungen liegen in offenen Markdown-Dateien vor. Und das Wissen wächst mit jedem Projekt weiter.

Einfach mal machen

In Diskussionen über künstliche Intelligenz geht es oft um zukünftige Möglichkeiten. Meine Erfahrung ist eine andere: Die spannendsten Erkenntnisse entstehen nicht durch Diskussionen, sondern durch praktische Anwendung. Wer verstehen will, was agentische KI leisten kann, sollte weniger darüber reden und mehr damit arbeiten. Zwischen einem Chatbot und einem KI-Agenten liegt kein neues Modell und keine bessere Technik. Es ist ein Perspektivwechsel: weg von einzelnen Fragen, hin zu einem System, das mit den eigenen Daten arbeitet.

Für mich war genau das der Schritt vom Experiment zur produktiven Nutzung. Oder einfacher formuliert: vom Chatten zum Arbeiten.

Achim Weidner ist zertifizierter Social Media Manager (IHK) und Absolvent des Zertifizierungsprogramms (Certificate of Advanced Studies) „Rechtliche Aspekte der IT- und Internet-Compliance“ an der Carl von Ossietzky Universität Oldenburg. Dieses Programm ist angesiedelt in der Fakultät für Informatik, Wirtschafts- und Rechtswissenschaften und deckt folgende Bereiche ab: Datenschutz, Datensicherheit, Internetrecht sowie Computer- und Internetstrafrecht, ergänzt durch den Aspekt der technischen Datensicherheit. Seite 2017 befasst er sich mit der Thematik der „Künstlichen Intelligenz“.

→ Erstgespräch anfragen

Achim Weidner
Haßlocher Straße 73
65428 Rüsselsheim am Main
post@achim-weidner.de
06142 796066

Vorträge und Veranstaltungen 2026

Erreichbar über Social Media und sichtbar auf Google