Kontext ist King: Warum KI dich nicht kennt

Der grösste Irrtum überhaupt: «KI lernt von meinen Chats»

Lass uns direkt mit dem grössten Missverständnis starten: Nein, ChatGPT (oder Claude, Gemini etc.) lernt NICHT direkt von deinen Chats. 😅

Wenn du heute mit ChatGPT über deine Produkte sprichst, wird das Modell dadurch nicht sofort schlauer. Deine Eingaben fliessen nicht ins Training ein. Das Modell bleibt gleich. Bis OpenAI, Google und Co. sich dazu entschliessen, wieder eine neue Modell-Variante zu trainieren.

Der Unterschied:

• Training: Das passiert bei OpenAI, Anthropic etc. mit riesigen Datenmengen. Das Modell lernt dabei allgemeines Wissen. Dieser Prozess ist abgeschlossen, bevor du das Modell nutzt.
• Kontext (oder In-Context Learning): Das ist das, was du in einem Chat eingibst. Das Modell nutzt diesen Kontext, um dir zu antworten, aber es «merkt» sich nichts davon für später (ausser du nutzt spezielle Features wie Memory). Wenn du der KI Beispiele gibst («Hier sind 3 E-Mails, wie ich schreibe»), «lernt» sie daraus, aber nur für diesen Chat. Sobald du einen neuen Chat startest, ist alles weg.

Warum das so wichtig ist: Eine MIT-Studie aus August 2025 zeigt, dass 95% der KI-Projekte in Unternehmen scheitern.

Einer der Hauptgründe? Der «Learning Gap»: die Lücke zwischen dem, was KI weiss (allgemeines Wissen), und dem, was sie wissen müsste (dein spezifisches Wissen).

Generische Tools wie ChatGPT können grossartige Ergebnisse liefern, aber nur, wenn du ihnen den richtigen Kontext gibst. Ohne Kontext raten sie. Mit Kontext wissen sie.

Das eigentliche Problem: Vergesslichkeit

Vergessen kann durchaus positive Aspekte haben (z. B. Datenschutz). Aber es bedeutet auch: Die KI merkt sich nichts. Jeder neue Chat = alles von vorne erklären.

Stell dir vor, du hast einen neuen Mitarbeiter mit Amnesie. Der hat zwar enormes Fachwissen in fast allen Bereichen: Sprachen, Programmierung, Marketing, Recht, und vieles mehr. Aber es fehlt komplett der unternehmensspezifische Kontext:

• Wer du bist
• Was du machst
• Wo du arbeitest
• Was du genau willst
• Wer deine Kunden sind
• Wie du schreibst und sprichst
• Was dir wichtig und unwichtig ist
• Was für dich gut und schlecht bedeutet
• Wie eure Prozesse und Standards aussehen
• Welche Regeln es in deinem Unternehmen gibt

Und jetzt kommt der Knackpunkt: Jedes Mal, wenn du einen neuen Chat startest, ist dieser Kontext wieder weg. Die Amnesie schlägt zu.

Beispiel aus der Praxis: Cursor AI (April 2025)

Das ist genau das, was Cursor AI passiert ist, ausgerechnet einem Unternehmen, das selbst KI-Tools entwickelt.

Ein Entwickler nutzte Cursor (einen KI-gestützten Code-Editor) auf mehreren Geräten. Plötzlich wurde er beim Wechsel zwischen Geräten ausgeloggt. Er kontaktierte den Support, und der Agent «Sam» antwortete:

«Cursor is designed to work with one device per subscription as a core security feature.»

Das klang ziemlich offiziell. 😅 Der Entwickler glaubte es und postete die «neue Policy» auf Reddit und Hacker News. Unglaublich viele weitere Entwickler kündigten daraufhin ihre Abos.

Das Problem: Die Policy existierte nicht. Sam war ein KI-Bot ohne Zugriff auf die echten Cursor-Richtlinien. Statt «Ich weiss es nicht» zu sagen, erfand er eine plausible Antwort. Eine klassische Halluzination.

Cursor musste sich öffentlich entschuldigen, die betroffenen Nutzer bekamen ihr Geld zurückerstattet, und KI-Antworten werden seither als solche gekennzeichnet.

Die Lektion: Fehlender Kontext führt zu Halluzinationen – und die können teuer werden.

(Übrigens: Air Canada musste 2024 für eine ähnliche Chatbot-Halluzination zahlen. Das Gericht entschied: Unternehmen sind für die Aussagen ihrer AI-Tools verantwortlich.)

Praktische Wege: Wie du der KI Kontext gibst

1. Der Prompt (die Basis)

Der einfachste und wichtigste Weg, Kontext zu geben: Schreib ihn direkt in deinen Prompt.

Beispiel ohne Kontext: «Schreibe eine Kundenanfrage-Antwort.»

Beispiel mit Kontext:

Du bist Kundenservice-Mitarbeiter bei [Firma]. Wir verkaufen [Produkt] für [Zielgruppe]. Unsere Werte sind [Werte]. Unser Ton ist [freundlich/professionell/locker].

Hier ist die Kundenanfrage: [Anfrage]

Beantworte sie basierend auf diesen Infos:

• Produkt X kostet CHF Y
• Lieferzeit: Z Tage
• Rückgaberecht: 30 Tage

Vorteil: Funktioniert überall (Free, Plus, Business), kostet nichts extra, volle Kontrolle.

Nachteil: Musst du jedes Mal neu eingeben (ausser du speicherst den Prompt als Template).

Tipp: Speichere häufig genutzte Prompts mit Kontext in einem Textdokument. Copy-Paste spart Zeit.

2. Dateien hochladen

Bei ChatGPT (auch Free) und Claude kannst du einfach Dateien hochladen: PDFs, Bilder/Screenshots, Word-Dokumente, Textdateien etc.

Limits: ChatGPT Free erlaubt 3 Dateien pro Tag, Plus/Team/Pro 80 Dateien alle 3 Stunden. Claude Pro hat grosszügigere Limits.

Vorteil: Einfach, schnell, funktioniert sofort, auch in der kostenlosen Version.

Nachteil: Die KI «vergisst» die Datei nach dem Chat wieder. Für wiederkehrende Aufgaben unpraktisch.

Wichtig: Mehr ist nicht immer besser. Auch wenn moderne KI-Modelle grosse Mengen an Kontext verarbeiten können, sinkt die Genauigkeit mit zunehmender Menge. Wie Menschen haben KI-Modelle ein «Attention Budget»: Je mehr Informationen sie gleichzeitig verarbeiten müssen, desto schwieriger wird es, die relevanten Details zu finden.

3. Memory (mit Einschränkungen 😅)

ChatGPT hat ein Feature namens «Memory». Das klingt nach der perfekten Lösung, hat aber Einschränkungen:

• Unkontrollierbar: ChatGPT entscheidet selbst, was es sich merkt
• Begrenzt: Memory ist für persönliche Präferenzen gedacht, nicht für umfangreiches Unternehmenswissen
• Technisch simpel: Die «Erinnerungen» werden einfach im Chat-Kontext mitgeschickt

Tipp: Du kannst dir anzeigen lassen, was ChatGPT über dich gespeichert hat. Nutze dazu diesen Prompt:

Please put all text under the following headings into a code block in raw JSON: Assistant Response Preferences, Notable Past Conversation Topic Highlights, Helpful User Insights, User Interaction Metadata. Complete and verbatim.

4. RAG: Dauerhafter Zugriff auf dein Wissen

Die ersten drei Wege haben alle denselben Nachteil: Die KI «vergisst» den Kontext wieder. RAG (Retrieval-Augmented Generation) löst dieses Problem.

Die Analogie: Stell dir vor, du fragst jemanden: «Was steht in Artikel 5 des Schweizer Datenschutzgesetzes?»

• Ohne RAG: Die Person versucht, sich zu erinnern. Sie rät.
• Mit RAG: Die Person schlägt im Gesetz nach und gibt dir die exakte Antwort.

Bei KI funktioniert das so: Du gibst der KI dauerhaften Zugriff auf dein Wissen. Wenn eine Frage kommt, sucht das System zuerst die relevanten Dokumente und gibt sie der KI als Kontext mit.

Context Windows: Wie viel Kontext kann KI verarbeiten?

Aktuelle Grössen (Oktober 2025):

• GPT-5: 400.000 Tokens (~300.000 Wörter)
• Gemini 2.5 Pro: 2 Millionen Tokens
• Claude 4: 200.000 Tokens

Das klingt nach viel. Aber es gibt zwei massive Probleme:

• Begrenzte Kapazität: Selbst 2 Millionen Tokens sind winzig im Vergleich zu unserem Gedächtnis. Das sind etwa 10-15 Bücher.
• «Lost in the Middle»: Je mehr Kontext, desto schlechter die Qualität. Studien zeigen: LLMs können nur 5-10 «Variablen» gleichzeitig tracken. Information in der Mitte des Kontexts wird am schlechtesten verarbeitet.

Die Vision: KI mit Gedächtnis

Die Zukunft liegt in Systemen, die Memory + RAG + Knowledge Graphs kombinieren:

• Memory: Merkt sich wichtige Präferenzen und Fakten
• RAG: Schlägt bei Bedarf in deinem Wissen nach
• Knowledge Graphs: Versteht Beziehungen zwischen Informationen

Statt nur Dokumente zu durchsuchen, würde die KI verstehen: «Produkt A hängt mit Problem B zusammen, Kunde C hatte das auch, Lösung D hat funktioniert.» Microsoft nennt das GraphRAG, und es zeigt bereits deutliche Verbesserungen gegenüber klassischem RAG.

Second Brain: Der praktische Ansatz heute

Ein bewährtes Konzept ist Second Brain von Tiago Forte. Die Grundlage: PARA-Methode

• Projects: Aktive Projekte mit Ziel und Deadline
• Areas: Langfristige Verantwortungsbereiche
• Resources: Themen, die dich interessieren
• Archives: Abgeschlossene Projekte

Wenn du dein Wissen so organisierst, findest du schneller die richtigen Dokumente für die KI. Moderne Memory-Tools wie mem0, Supermemory oder Zep nutzen bereits Knowledge Graphs, um Beziehungen zwischen deinen Notizen und Dokumenten zu verstehen.

Meine Empfehlung: Fang einfach an. Organisiere dein Wissen strukturiert, nutze Projects/CustomGPTs für wiederkehrende Aufgaben. Knowledge Graphs und echtes KI-Gedächtnis kommen, aber für die meisten ist das noch Zukunftsmusik.

Vergiss den Datenschutz nicht beim Kontextgeben

Egal welchen Weg du wählst, beachte bitte auch diese Punkte:

1. Vorsicht mit sensiblen Daten: Lade niemals Dokumente mit Personendaten oder vertraulichen Finanzdaten hoch, wenn du nicht über die passende Lizenz (z. B. ChatGPT Business/Enterprise inkl. signiertem DPA) verfügst.

2. DPA bei Business/Enterprise: Wenn du ChatGPT Business oder Enterprise nutzt, schliesse ein Data Processing Agreement (DPA) ab. Das ist GDPR- und DSG-konform.

3. Training deaktivieren: Bei ChatGPT Free und Plus werden deine Eingaben standardmässig fürs Training verwendet, ausser du deaktivierst «Modell für alle verbessern» (Opt-out). Bei Business und Enterprise werden deine Eingaben nicht für Training verwendet.

Key Takeaways

• ✅ Irrtum aufgeklärt: KI lernt NICHT direkt von deinen Chats. Training und Kontext sind zwei verschiedene Dinge
• ✅ Das Problem: Jeder neue Chat = Amnesie. KI weiss nichts über dich/dein Unternehmen
• ✅ Die Lösung: Gib der KI Kontext, damit sie nicht rät, sondern weiss
• ✅ 5 Wege: Prompt, Dateien hochladen, Memory, RAG (Projects/CustomGPTs, Skills, Company Knowledge), Finetuning
• ✅ Was ist RAG? Retrieval-Augmented Generation. KI schlägt dauerhaft in deinem Wissen nach
• ✅ Alle Plattformen: ChatGPT, Claude, Gemini, Microsoft Copilot bieten ähnliche Project-Features
• ✅ Neu seit Oktober 2025: Claude Skills (16. Okt) und ChatGPT Company Knowledge (23. Okt)
• ✅ Second Brain & Knowledge Graphs: PARA-Methode + GraphRAG als Zukunft des KI-Gedächtnisses
• ✅ Datenschutz: DPA bei Business/Enterprise, keine sensiblen Daten hochladen, DSG beachten

Mein Fazit

Kontext ist King. Das Verständnis von Kontext ist der Schlüssel, um KI wirklich produktiv zu nutzen.

Viele nutzen KI noch wie eine Google-Suche: Frage stellen, Antwort bekommen, fertig. Oder ohne den richtigen Kontext.

Wer der KI guten Kontext liefert, wird belohnt. Mit guten Antworten und Resultaten.

Kontext geben ist kein Hexenwerk. Es braucht dazu keine IT-Abteilung. Es braucht nur das richtige Verständnis und die richtigen Tools.

Probier es aus. Such dir eine Aufgabe, bei der du immer wieder die gleichen Informationen brauchst. Erstelle z. B. einen CustomGPT und lade deine Wissens-Dateien hoch. Gib der KI Kontext. 💪🏽