Digitaler Zwilling als Dateisystem 2026: Warum Markdown-Skills dich KI-modellunabhängig machen

Die Lock-in-Falle: Dein KI-Wissen verschwindet mit jedem Anbieterwechsel

Stell dir vor, du hast monatelang mit einem KI-Assistenten gearbeitet. Du hast ihm beigebracht, wie du E-Mails schreibst, wie dein Unternehmen funktioniert, welche Kunden wichtig sind. Der Assistent kennt deine Vorlieben, deine Abkürzungen, deine Arbeitsweise. Dann kommt ein neues Modell auf den Markt. Besser, schneller, günstiger. Du wechselst. Und alles beginnt von vorn.

Das ist die Realität für die meisten Menschen, die heute mit KI arbeiten. Ihr gesamtes Wissen lebt in Chat-Verläufen. In Konversationen, die an ein bestimmtes Produkt gebunden sind. Neues Abo? Neuer Anbieter? Alles weg. Deine Prompts, dein Kontext, deine mühsam aufgebauten Präferenzen, verschwunden wie eine gelöschte Datei.

Ich nenne das die Lock-in-Falle. Und sie betrifft nicht nur Einzelpersonen, sondern ganze Unternehmen. Teams, die ihr Prozesswissen in ChatGPT-Threads verstecken. Abteilungen, die ihre besten Prompts in Slack-Nachrichten vergraben. Führungskräfte, die nicht einmal wissen, welches KI-Wissen in ihrem Unternehmen existiert, weil es nirgendwo dokumentiert ist.

Es gibt einen besseren Weg.

Der File-First-Ansatz: Dein Wissen gehört in Dateien, nicht in Chats

Bei neuroflash haben wir vor über einem Jahr angefangen, unser KI-System fundamental anders aufzubauen. Statt unser Wissen in Chat-Verläufen zu speichern, legen wir alles als Markdown-Dateien in Ordnern ab. Klingt simpel? Ist es auch. Und genau das ist der Punkt.

Die Struktur sieht so aus:

• CLAUDE.md: deine persönliche Bedienungsanleitung. Wer du bist, wie du arbeitest, welche Regeln gelten. Wenn die KI diese Datei liest, weiss sie sofort, mit wem sie es zu tun hat.
• skills/: jeder Arbeitsablauf ist ein Ordner mit einer SKILL.md und optionalen Skripten. Blog schreiben? Skill. LinkedIn-Post erstellen? Skill. Rechnung prüfen? Skill.
• entities/: Menschen, Unternehmen, Projekte als strukturierte .md-Dateien. Dein CRM in Textform.
• memory/: was die KI über die Zusammenarbeit mit dir gelernt hat. Korrekturen, Präferenzen, Erkenntnisse.

Das sind einfach Textdateien. Keine Datenbank. Kein proprietäres Format. Kein Vendor-Lock-in. Du kannst sie mit jedem Texteditor öffnen, mit Git versionieren und per Dropbox synchronisieren.

Andrej Karpathy: ehemaliger KI-Chef bei Tesla und einer der einflussreichsten Köpfe der KI-Forschung: hat es kürzlich auf den Punkt gebracht: Die Zukunft gehört Systemen, in denen Menschen und KI gemeinsam an Dateien arbeiten. Nicht Systeme, in denen die KI alles im Verborgenen macht.

Warum dich das modellunabhängig macht

Heute läuft unser System auf Claude Code von Anthropic. Morgen könnte es GPT-5, Gemini 3 oder ein Open-Source-Modell auf eigenen Servern sein. Der Wechsel? Motor austauschen, Dateien behalten.

Skills bleiben. Entities bleiben. Memories bleiben. Null Migrationskosten.

Das ist kein theoretisches Szenario. Wir haben es schon gemacht. Als wir von einem Modell zum anderen gewechselt haben, hat es keine 30 Minuten gedauert. Ordner kopieren, Konfiguration anpassen, weiterarbeiten. Alles Wissen, die hunderten Skills, die tausenden Entities, die gesammelten Erinnerungen, alles war sofort verfügbar.

Vergleich das mit dem üblichen Ansatz: Du wechselst von ChatGPT zu Claude und fängst bei null an. Kein Kontext. Keine Präferenzen. Keine gelernten Muster. Als würdest du einen neuen Mitarbeiter einstellen, der noch nie von deinem Unternehmen gehört hat.

Software (Claude Code), Dateien (PAI) und mentales Modell (Butler) gehören zusammen, aber sind austauschbar, nur die Dateien gehören dauerhaft dir.

Du wirst zum digitalen Zwilling

Hier wird es richtig interessant. Wenn du dokumentierst, wie du arbeitest, wen du kennst, was du gelernt hast und welchen Prozessen du folgst, dann erstellst du eine maschinenlesbare Version von dir selbst. Einen digitalen Zwilling deiner Arbeit.

Nicht im gruseligen Überwachungs-Sinne. Sondern im praktischen: Jede KI, die deine Dateien liest, kann in deinem Namen handeln. Mit deinem Kontext. Nach deinen Regeln. Sie weiss, dass du E-Mails lieber kurz hältst, dass du bei Blog-Artikeln immer eine SEO-Analyse brauchst, dass du mittwochs nie Termine vor 10 Uhr haben willst.

Die Forschung zu digitalen Zwillingen: ursprünglich aus dem industriellen Kontext (Tao et al., 2017), beschreibt genau dieses Prinzip: ein virtuelles Abbild, das den Zustand und das Verhalten seines realen Gegenstücks widerspiegelt. Wir übertragen das auf die Wissensarbeit.

Für Unternehmen ist das noch maerchtiger. Wenn die Skills und Entities jedes Teammitglieds in eine gemeinsame Bibliothek fliessen, wird das Unternehmen selbst zum digitalen Zwilling. Neuer Mitarbeiter? Er erbt das kollektive Wissen am ersten Tag. Er klont das Skill-Repository, lässt den Onboarding-Skill laufen und ist innerhalb von Stunden produktiv.

Eine SKILL.md-Datei ist im Grunde eine API-Spezifikation für einen menschlichen Arbeitsablauf. Jede hinreichend leistungsfähige KI kann sie lesen und ausführen. Das ist dein digitaler Zwilling in Aktion.

Der Lernkreislauf: Dateien vergessen nicht

Das Schöne an diesem System ist der Lernkreislauf. Jedes Mal, wenn du die KI korrigierst, kannst du diese Korrektur als Memory speichern. Jedes Mal, wenn du ein neues Problem löst, kannst du es als Skill dokumentieren. Die Dateien wachsen. Der Zwilling wird vollständiger.

Der Lernkreislauf macht aus jeder Korrektur eine dauerhafte Memory-Datei, anders als ein Modell, das zwischen Sitzungen vergisst, wächst dein digitaler Zwilling mit jeder Interaktion.

Und anders als ein trainiertes Modell, das zwischen Sitzungen vergisst: Dateien vergessen nicht.

Ein Beispiel aus unserem Alltag: Letzte Woche hat die KI einen LinkedIn-Post mit einem bestimmten Tonfall geschrieben, der mir nicht gefiel. Ich habe sie korrigiert, und die Korrektur wurde automatisch in einer Memory-Datei gespeichert. Ab jetzt, egal ob ich morgen, nächste Woche oder in drei Monaten einen LinkedIn-Post schreibe. Wird diese Präferenz berücksichtigt. Nicht weil das Modell “gelernt” hat, sondern weil die Datei es weiss.

Dieses Prinzip skaliert. Nach Monaten der Nutzung enthält unser System hunderte solcher Korrekturen und Erkenntnisse. Jede einzelne ist ein kleines Stück dokumentiertes Wissen, das den digitalen Zwilling präziser macht. Und jede einzelne überlebt jeden Modellwechsel.

Drei praktische Beispiele

1. Modellwechsel in 30 Minuten

Als wir von einem KI-Modell zu einem anderen gewechselt haben, war der Prozess trivial: Ordner kopieren, Engine-Konfiguration anpassen, fertig. Alle Skills, alle Entities, alle Memories, sofort verfügbar. Kein Retraining, kein Prompt-Engineering von Grund auf, kein Wissensverlust. Der neue Motor hat die gleichen Dateien gelesen und konnte sofort arbeiten.

2. Onboarding am ersten Tag

Wenn ein neues Teammitglied bei uns anfängt, klont es das gemeinsame Skill-Repository. Dort findet es dokumentierte Arbeitsabläufe für alles: wie wir Blog-Artikel schreiben, wie wir Rechnungen prüfen, wie wir Kundendaten pflegen. Es gibt einen Onboarding-Skill, der Schritt für Schritt durch die Einrichtung führt. Statt wochenlanger Einarbeitung ist die Person innerhalb von Stunden produktiv, weil der digitale Zwilling des Unternehmens ihr alles erklärt.

3. Versionskontrolle für Prozesse

Weil unsere Skills in Git liegen, können wir sehen, wie sich Prozesse über die Zeit entwickelt haben. Wir können Fehler zurückrollen. Wir können an Verbesserungen zusammenarbeiten, genau wie Entwickler an Code. Eine SKILL.md-Datei hat eine Git-History. Ein Chat-Verlauf nicht.

Häufig gestellte Fragen

Die Software ist austauschbar. Deine Dateien sind es nicht.

Das ist die zentrale Erkenntnis, die ich dir mitgeben möchte: Du trainierst keine KI. Du baust einen digitalen Zwilling davon, wie du arbeitest. Und jede KI kann diesen Zwilling bewohnen.

Claude Code, Copilot, was auch immer als nächstes kommt: das ist die Software. Sie ist austauschbar. Deine Dateien, die Skills, die Entities, die Memories, die Instruktionen, das sind du. Das ist dein Unternehmen. Das ist das eigentliche geistige Eigentum.

Nicht in jemandes Kopf eingesperrt. Nicht in einem proprietären Tool vergraben. In einfachen Textdateien, die jeder lesen, versionieren und teilen kann.

Wenn du morgen anfangen willst: Erstelle einen Ordner. Schreib eine CLAUDE.md (oder wie auch immer du sie nennen willst) mit einer Beschreibung von dir und deiner Arbeit. Dokumentiere deinen ersten Arbeitsablauf als Skill. Lege eine Entity für dein wichtigstes Projekt an. Das sind vielleicht 30 Minuten Arbeit.

Aber diese 30 Minuten machen dich unabhängig. Von jedem Modell. Von jedem Anbieter. Von jeder Mode, die morgen in der KI-Welt kommt und übermorgen wieder verschwindet.

Dein digitaler Zwilling gehört dir. Sorge dafür, dass er in Dateien lebt, nicht in fremden Chats.

Quellen & weiterführende Artikel

• Claude Code, Anthropic Dokumentation
• Andrej Karpathy, KI-Forschung und Perspektiven
• Tao et al. (2017): Digital twin shop-floor. CIRP Annals
• Vom Chatbot zum AI Operating System (interner Artikel)
• KI-Onboarding in 10 Schritten (interner Artikel)
• KI-Keynote-Speaker Kosten 2026 (interner Artikel)
• Der Einfluss von Emotionen auf Kaufentscheidungen (interner Artikel)