KI ist super... am Anfang
KI-Assistenten glänzen in den ersten Sitzungen und lassen dann nach, sobald sich ein Projekt in die Länge zieht. Warum das so ist und was hilft.
Die KI kennt Ihre Dateien nicht wirklich
Eines vergisst man bei einem KI-Assistenten schnell. Ob Sie ihn im Chat-Modus nutzen, um Fragen zu stellen, oder im agentischen Modus, in dem er Ihre Werkzeuge steuert: Er kennt Ihre Dateien nicht wirklich. Selbst wenn Sie ihm Ihre Ordner, Ihre Dokumente und Konnektoren zu Ihren Daten anschließen.
Er kennt genau eine Sache: seinen Kontext. Also das, was er im gegenwärtigen Moment geladen hat, den Text, den er in dieser Sekunde vor sich hat. Der Rest existiert für ihn nicht. Ihre hundert Dateien sind da, in Reichweite, aber solange sie nicht zur richtigen Zeit in seinem Fenster landen, sind sie so gut wie auf einem anderen Planeten.
Deshalb ist KI oft super... am Anfang. Und danach deutlich weniger.
Warum sie zum Start glänzt
Zu Beginn eines Projekts hat der Assistent einen enormen Vorteil: Er muss fast nichts laden. Alles, was zählt, passt in ein Taschentuch. Ein paar Nachrichten, eine klare Anweisung, zwei Dateien, und der richtige Kontext liegt gleichzeitig vor ihm.
Es ist ein bisschen wie ein leerer Schreibtisch. Solange drei Ordner darauf liegen, greifen Sie den richtigen in einer Sekunde. Das Problem zeigt sich nicht hier. Es zeigt sich, wenn sich der Schreibtisch mit Stapeln bedeckt.
Je größer der Korpus, desto komplizierter
Hier liegt der Knoten, und er ist kontraintuitiv. Je mehr Material Sie Ihrem Assistenten geben, desto schwerer wird es für ihn, die richtige Information im richtigen Moment zu greifen. Das Gedächtnis, das sich Woche für Woche ansammelt, die Dateien, die sich vervielfachen, die Dokumentation, die anschwillt: Alles, was helfen sollte, verstopft am Ende.
Und im agentischen Modus wird es schwindelerregend. Ein einfacher Chat wird schon im Lauf des Gesprächs schwerer. Aber wenn Sie die KI Ihre Werkzeuge steuern lassen, hat ihr Referenzkorpus keine wirkliche Grenze mehr: Sie öffnet Ihr Code-Repository, liest Seiten von Dokumentation, verschlingt die Ausgabe jedes Befehls, den sie startet, stapelt die Spur der vorherigen Schritte. Der Chat erleidet das Phänomen. Das Agentische erlebt es zehnfach.
Das ist keine Stammtisch-Intuition, es ist gemessen. Eine im Juli 2025 veröffentlichte Chroma-Studie testete 18 der fortschrittlichsten Modelle, darunter GPT-4.1, Claude 4 und Gemini 2.5. Ihr Fazit passt in einen Satz: Modelle nutzen ihren Kontext nicht gleichmäßig und werden zunehmend unberechenbar, je größer die Eingabe wird. Selbst bei einfachen Aufgaben.
Schlimmer noch: Was in der Mitte eines langen Kontexts steht, wird schlecht genutzt. Die Arbeiten von Liu und Kollegen (Stanford, 2024) zeigten eine U-förmige Kurve: Ein Modell erkennt eine Information am Anfang oder am Ende gut, aber seine Genauigkeit sinkt um mehr als 30 %, wenn sie in der Mitte vergraben ist. Eine früh im Gespräch geschriebene Anweisung wird später fast unsichtbar.
Es ist nicht nur eine Frage der Größe
Man könnte meinen, ein größeres Kontextfenster löse alles. Falsch. Eine Forschungsarbeit von Ende 2025 zeigt, dass allein die Kontextlänge die Leistung mindert, selbst wenn das Modell die gesuchte Information einwandfrei findet. Das Volumen selbst wiegt schwer.
Das Ergebnis sind in der Praxis immer dieselben Szenen. Der Assistent stellt eine bereits entschiedene Frage erneut. Er schlägt wieder einen Ansatz vor, den man verworfen hatte. Man muss denselben Fehler zum dritten Mal korrigieren. Das Projekt kommt voran, der Korpus schwillt an, und die Zuverlässigkeit geht zurück.
"Man muss aufräumen", nur räumt niemand auf
Die natürliche Reaktion ist, sich zu sagen, man müsse Ordnung schaffen. Sortieren, zusammenfassen, archivieren, seine Ordner sauber halten, damit der Assistent die richtige Datei findet. Auf dem Papier funktioniert das.
Im echten Leben nicht. Regelmäßig aufzuräumen ist eine Disziplin, die fast niemand einhält. Der Beweis passt in ein Wort: Wiki. Unternehmen bezahlen seit zwanzig Jahren interne Wikis, und sie sind nie aktuell.
Die Seite existiert, aber sie stammt von vor zwei Umstrukturierungen. Das Aufräumen, behandelt als separate Pflicht, zusätzlich zur Arbeitslast, verliert immer gegen die Dringlichkeit des Augenblicks.
Das System muss das Aufräumen sein
Die wahre Frage lautet also nicht "wie zwinge ich mich zum Aufräumen". Sondern: Was, wenn das Aufräumen keine zusätzliche Aufgabe wäre, sondern das Nebenprodukt der Arbeit selbst?
Ein Bild bringt es gut auf den Punkt, solange man es nicht wörtlich nimmt. Auf altem Windows musste man seine Festplatte defragmentieren: eine separate Wartung, eine Pflicht, die man abends startete und um Monate aufschob. Unter Linux räumt das System beim Schreiben auf: Je mehr Sie die Festplatte nutzen, desto besser bleibt sie organisiert, ohne dass Sie daran denken.
Die technischen Details sind nuancierter als dieses Bild, aber es trifft ins Ziel. Im einen Fall ist das Aufräumen eine separate Handlung, die man vergisst. Im anderen ist es an die Nutzung genäht.
Genau das gilt es bei der KI anzustreben. Nicht nachträglich aufräumen, sondern ein System, in dem das Arbeiten bereits Ordnung erzeugt. In dem jede getroffene Entscheidung ohne zusätzlichen Aufwand am richtigen Ort landet, bereit, im richtigen Moment neu geladen zu werden.
Was wir bei uns bauen
Das ist das Problem, das wir für uns lösen wollten. Ein Medium, ein Kanal und ein Framework, die gleichzeitig laufen sollen, auf Dauer: sich auf das Gedächtnis einer Sitzung zu verlassen, war nicht tragbar.
Also haben wir Manence gebaut, unsere Art, den Assistenten zuverlässig zu halten, wenn ein Projekt andauert. Die Leitidee passt in einen Satz: Das System ist das Aufräumen.
Eine Wissensbasis für stabile Fakten. Ein datiertes Journal der Entscheidungen, in dem nichts gelöscht wird. Arbeitsordner für laufende Aufgaben. Das Ganze füllt sich beim Arbeiten, nicht in einer Archivierungspflicht am Freitagabend.
Wir sagen es offen: Es ist unser Produkt. Die Website www.manence.ai ist seit heute online, mit einem Versprechen, das alles zusammenfasst: Ihre KI auf Projekten, die dauern, zuverlässig machen.
Das Framework kommt als Open Source auf GitHub; in der Zwischenzeit können Sie sich auf manence.ai eintragen, um benachrichtigt zu werden, sobald es verfügbar ist.
Aber die Idee gilt auch ohne uns, ab sofort. Verlassen Sie sich nicht auf den Kontext der Sitzung: Geben Sie Ihrem Assistenten ein Außen, in dem Informationen leben, und sorgen Sie dafür, dass dieses Außen sich durch die Nutzung von selbst aktuell hält. Ein Assistent, der zum Start glänzt, beweist nichts über die lange Strecke. Was ein Projekt trägt, ist nicht das Gedächtnis der Maschine, sondern das Aufräumen, das Ihr System an Ihrer Stelle erledigt.
