Raus aus dem Hamsterrad: Mit KI-Projekten Zeit sparen
Wie oft hast du in den letzten Monaten den selben Satz in ein Chatfenster getippt?
Zum Beispiel: «Ich schreibe Sachbücher für Autor:innen, mein Ton ist direkt, Buzzwords vermeide ich.» Wenn deine Antwort «öfter als einmal pro Woche» lautet, steckst du im Hamsterrad fest. In diesem Artikel liest du, wie du mit KI-Projekten da wieder herauskommst.
Wie wichtig der Kontext ist und warum du dafür wissen musst, wie du arbeitest, habe ich im vorherigen Artikel über den Mythos vom perfekten Prompt beschrieben. Aber wenn du bei jeder Aufgabe neu erklärst, wer du bist, was du machst und was du brauchst, verschwendest du Zeit. Hier eine Beispielrechnung: Fünf Minuten für den Kontext pro Aufgabe summieren sich bei zehn Aufgaben pro Woche auf 43 Stunden pro Jahr, nur für das Beschreiben des Zusammenhangs. So werden aus wenigen Minuten schnell Stunden im Laufe eines Jahres.
Die Lösung ist simpel: Dokumentiere deinen Kontext und hinterlege ihn dauerhaft. Dafür sind nur drei einfache Schritte nötig.
Warum Ad-hoc-Nutzung nicht reicht
Wer KI fürs Schreiben nutzt, beginnt meist mit einzelnen Mensch-Maschine-Dialogen. Ein Prompt, ein Ergebnis, Chat schließen. Das reicht für einfache Aufgaben, gerät aber schnell an seine Grenze, sobald die Arbeit komplexer wird. Ein generatives Sprachmodell kennt deinen Hintergrund als Autor:in nur dann, wenn du ihn erklärst. Es weiß nichts über deine Zielgruppe, dein aktuelles Projekt oder stilistische Besonderheiten, die du pflegst. Darum sehen wir uns nun an, wie du mit Projekten deine Arbeit mit KI im Schreibprozess weiter optimieren kannst.
Was ist ein KI-Projekt?
ChatGPT, Claude und Mistral LeChat bieten eine Funktion an, die viele kaum kennen: Projekte. Ein Projekt speichert deinen Kontext und nutzt ihn bei jeder neuen Unterhaltung automatisch. Du definierst einmal, wer du bist, wie du schreibst und was die KI über deine Arbeit wissen muss. Danach beginnt jede Session auf dieser Grundlage.
Ein Projekt enthält Briefings, hochgeladene Referenztexte, Stilanweisungen und andere Instruktionen. Es schafft einen dauerhaften Rahmen für alle künftigen Chats. Einzelne Gespräche bleiben voneinander getrennt. Jeder Chat beginnt neu, arbeitet aber auf derselben dokumentierten Basis. Das ist der Unterschied zu einer losen Sammlung von Prompts: Projekte sind Kontext, Prompts sind Fleißarbeit.
Mit Erinnerungen und Skills mehr Kontext schaffen
Innerhalb der Projekte gibt es zudem die Möglichkeit, 'Erinnerungen' zu speichern (je nach KI wird das unterschiedlich benannt). Eine Erinnerung enthält beispielsweise Vorgaben zu dem von dir bevorzugten Stil und Format des Outputs im Chat, aber auch Anweisungen, wie sich das Sprachmodell im Dialog mit dir verhalten soll. Das kann dir zudem helfen, Tokens zu sparen und deine Kosten zu senken.
Teilweise werden Erinnerungen automatisch gespeichert, wenn du diese Funktion freigegeben hast, aber du kannst sie bearbeiten und damit auch an dieser Stelle die Arbeit mit KI und deren Output beeinflussen.
Anthropic bietet im Cowork-Modus von Claude zusätzlich das Erstellen von Skills an. Ich arbeite mit dieser Funktion sehr viel. Einfach gesagt ist ein Skill eine Aufgabe aus mehreren Schritten, die immer wieder durchgeführt wird. Ein Beispiel: Ich habe eine SEO-Checkliste für meine Blogartikel. Mit einem Skill prüft Claude Cowork, ober der aktuelle Artikel den Bedingungen entspricht und erstellt ein Protokoll mit Bewertung und Handlungsempfehlungen, das im gleichen Ordner wie der Artikel abgelegt wird. Die Erstellung der Skills macht Anthropic mit dem Skill-Creator sehr leicht: Du musst lediglich in einem Cowork-Chat beschreiben, was der Skill können soll.
Mit Markdown modellunabhängig sein und Kontext portieren
Nachdem du Projekte, Erinnerungen und Skills eingerichtet hast, steht dir ein umfangreiches Instrumentarium zur Verfügung, mit dem du deine Arbeitsschritte mit KI effizienter und den Output zielgerichteter gestalten kannst.
Ein zusätzlicher Vorteil: Bisher werden diese Informationen bei allen relevanten Sprachmodellen im Format Markdown gespeichert. Das ist eine für Mensch und Maschine gleichermaßen leicht lesbare Klartextsprache, um Dokumente zu erfassen. Fast wie eine einfache Textdatei. Und weil das derzeit der Standard ist, kannst du deinen gesammelten Kontext einfach beim Wechsel zu einem anderen generativen Sprachmodell mitnehmen. Das unterstützt dich zusätzlich dabei, modellagnostisch zu arbeiten, wie ich es im Artikel über den Mythos vom perfekten Prompt beschrieben habe.
Ein Projekt aufsetzen: Drei Schritte
Schritt 1: Projektname und Ziel. Vergib einen passenden Namen und formuliere in einem Satz den Zweck des Projekts.
Beispiel:
«Romanprojekt Familiensaga.
Ziel: Figurenkonsistenz prüfen und Kapitelentwürfe entlang der Charakterdossiers überarbeiten.»
Schritt 2: Briefing schreiben. Das Briefing ist der wichtigste Teil. Es enthält, je nach Projekt und Zielsetzung, die Zielgruppe, den Ton, detaillierte Prüfkriterien oder andere Anweisungen.
Beispiel:
«Deine Aufgabe ist die Konsistenzprüfung von Figuren. Vergleiche den Text mit den Charakterdossiers und prüfe: Alter, Eigenschaften, Beziehungen, sprachlicher Ausdruck. Melde alle Abweichungen zu den Dossiers in einer strukturierten Tabelle. Keine Stilkommentare, keine Bewertungen.»
Je genauer dein Briefing ist, desto weniger Korrekturen braucht der Output danach.
Schritt 3: Dokumente hochladen. Gliederungen laufender Projekte, thematische Hintergrundmaterialien oder, wie im Beispiel oben, Charakterkarten.
Nutzt du einen KI-Chat webbasiert, lädst du in der Regel die relevanten Dokumente in ein Projekt hoch, das du zuvor angelegt hast.
Wenn du dagegen eine Desktop-Anwendung installierst, z.B. Claude Cowork, kannst du der KI Zugriff auf einen Dateiordner geben.
Wichtig:
Gib der Desktop-App nie den Zugriff auf dein gesamtes Dateisystem. Stattdessen legst du, wenn nicht schon vorhanden, einen spezifischen Projektordner an, in den du die relevanten Dokumente kopierst, und richtest den Zugriff auf dieses Verzeichnis in der App ein.
Projekt oder KI-Agent?
Ein Projekt und ein KI-Agent sind zwei sehr unterschiedliche Instrumente. Das Projekt strukturiert die dauerhafte Zusammenarbeit an einem Thema, einem Buch oder einem Blog. Es schafft Kontext. Eine agentische KI übernimmt wiederholbare Aufgaben mit definiertem In- und Output und arbeitet dabei in mehreren Schritten selbsttätig. Ein Trigger, der bei einem definierten Ereignis automatisch an die agentische KI gesendet wird, löst den Arbeitsprozess aus.
Einfache agentische KI-Anwendungen können auch für Autor:innen Sinn machen.
Beispiel für eine Projektaufgabe, wie sie in Claude Cowork umgesetzt werden kann:
«Sortiere das Quellenmaterial im Ordner "Quellen" nach Erscheinungsdatum und schreibe zu jeder Quelle eine kurze Zusammenfassung.»
Wenn du diese Aufgabe immer wieder durchführen lassen willst, lohnt es sich, sie in Claude Cowork als 'Skill' oder in Mistral LeChat als 'Agent' zu speichern.
Darüber hinaus gehende komplexere agentische KI-gesteuerte Automatisierungen, die zusätzlich externe Programme einbeziehen, sind für Autor:innen im Rahmen des Schreibprozesses nur selten relevant. Für den Einstieg ist das Projekt der richtige Schritt. Es erfordert keine technische Einrichtung und zahlt sich sofort aus. Wer regelmäßig mit KI schreibt und konkrete Teilaufgaben immer wieder durchführt, Lektoratsdurchgänge oder Gliederungsreviews etwa, kann darauf aufbauend Skills anlegen oder, bei noch umfangreicheren Workflows, einen Agenten mit Subroutinen einrichten.
Erst die Methode, dann das Projekt
Bevor ein Projekt sinnvoll aufgesetzt werden kann, brauchst du Klarheit über deine Arbeitsweise:
- Wie recherchierst du?
- Wie entwickelst du Argumente oder Figuren?
- Welche Schritte gehören zwingend zu deinem Schreibprozess, und welche Hilfsmittel bremsen dich eher aus?
KI-Projekte machen diese Methoden persistent und verfügbar, denn sie setzen sie voraus. Ein Projekt ist so gut wie das Briefing, das ihm zugrunde liegt, und das Briefing ist so gut wie die Selbstkenntnis, aus der es entsteht. Wenn du verstehst, wie du arbeitet, kannst du entscheiden, was du davon delegieren willst. Diese Reihenfolge gilt auch beim Aufsetzen eines Projekts: erst die Methode, dann die Konfiguration.