Stop Building AI Agents. Use This Folder System Instead.

Summary

In diesem Video erklärt der Sprecher, wie man mit einer strukturierten Ordnersystematik und Markdown-Dateien effizient in der Zusammenarbeit mit KI arbeitet. Er stellt ein dreischichtiges System vor, das es ermöglicht, verschiedene Arbeitsbereiche wie Schreiben, Produktion und Community zu verwalten und zu optimieren. Durch die Verwendung von KI-Tools wie Claude werden Aufgaben gezielt und ressourcenschonend erledigt. Der Sprecher prognostiziert, dass diese Methode in den kommenden Jahren weit verbreitet sein wird und für verschiedene Berufsgruppen angepasst werden kann. Er betont die Bedeutung von Automatisierung und maßgeschneiderter Arbeitsorganisation für die Zukunft.

Takeaways

• 😀 Ordne deine Arbeitsabläufe durch ein strukturiertes Ordnersystem: Die Verwendung von Ordnern und Markdown-Dateien hilft, Aufgaben effizient zu organisieren und mit KI zu arbeiten.
• 😀 Drei-Ebenen-System: Das System besteht aus einer Karte (Schicht 1), spezifischen Aufgaben (Schicht 2) und tatsächlichen Arbeitsbereichen (Schicht 3), die es dem AI ermöglichen, schnell und gezielt zu arbeiten.
• 😀 KI als Aufgabenagent: Anstatt für jede Aufgabe einen eigenen Agenten zu erstellen, wird Claude als zentraler Agent verwendet, der je nach Kontext unterschiedlich agiert.
• 😀 Token-Effizienz: Die Begrenzung der Token-Nutzung ist entscheidend, um KI effizient zu nutzen. Statt eine große Datei zu laden, werden kleinere, spezifische Aufgaben bearbeitet.
• 😀 Natürliches Routing in natürlicher Sprache: Anstatt komplexe Prompts zu erstellen, wird einfaches Routing verwendet, um der KI zu sagen, was sie tun soll und wo sie die notwendigen Informationen finden kann.
• 😀 Anpassbarkeit an verschiedene Arbeitsbereiche: Das System kann für jede Branche oder jeden Arbeitsbereich (z.B. Content-Erstellung oder Softwareentwicklung) angepasst werden.
• 😀 Skalierbarkeit: Das System kann skaliert werden, um große Projekte oder kleinere Aufgaben effizient zu bearbeiten, indem man KI einfach über Ordnerstrukturen steuert.
• 😀 Automatisierung durch Datei- und Ordnerstrukturen: Anstatt mit einzelnen Agenten für jede Aufgabe zu arbeiten, wird das gesamte System durch Dateinamen, Ordnerstrukturen und Konventionen organisiert.
• 😀 Die Zukunft der Arbeitsabläufe: In Zukunft wird KI in jeden Arbeitsbereich integriert, um die Arbeitsabläufe zu automatisieren und zu optimieren.
• 😀 Das System ist keine komplexe Infrastruktur, sondern eine einfache Sammlung von Ordnern, Markdown-Dateien und klaren Arbeitsabläufen, die AI zur Effizienzsteigerung verwenden.

Q & A

Was ist die zentrale Idee hinter dem Konzept „Folder as a Workspace“, das im Video erklärt wird?

Die zentrale Idee ist, dass Ordnerstrukturen und Markdown-Dateien als primäre Arbeitsumgebung für KI dienen. Anstatt alles in einem Chat oder Prompt zu bündeln, werden Aufgaben, Kontext und Dateien in klar strukturierte Ordner aufgeteilt. Dadurch kann die KI gezielt auf relevante Informationen zugreifen, effizienter arbeiten und langfristig skalierbare Workflows ermöglichen.

Warum ist es problematisch, alle Informationen in einer einzigen Datei oder einem einzigen Prompt zu bündeln?

KI-Modelle arbeiten mit sogenannten Tokens und besitzen ein begrenztes Kontextfenster. Wenn zu viele Informationen gleichzeitig geladen werden, verbraucht das unnötige Tokens, verlangsamt den Prozess und kann dazu führen, dass wichtige Inhalte übersehen werden oder die KI falsche Annahmen trifft.

Was sind Tokens und warum sind sie wichtig für die Arbeit mit KI?

Tokens sind kleine Einheiten von Text, meist Teile eines Wortes oder ganze Wörter. KI-Modelle verarbeiten Sprache in Form dieser Tokens. Da das Kontextfenster einer KI nur eine begrenzte Anzahl von Tokens gleichzeitig verarbeiten kann, ist eine effiziente Organisation von Informationen entscheidend.

Welche drei Hauptschichten (Layers) beschreibt der Sprecher in seinem Workspace-System?

Die drei Hauptschichten sind: Erstens die „Map“ (z. B. eine zentrale Markdown-Datei wie claude.md), die der KI erklärt, wie die Struktur funktioniert. Zweitens die Kontext- oder Raumebene, die festlegt, welche Dateien und Regeln für bestimmte Aufgaben relevant sind. Drittens der eigentliche Workspace, in dem die konkreten Dateien, Projekte und Ergebnisse liegen.

Welche Rolle spielt die Datei „claude.md“ im System?

Die Datei „claude.md“ fungiert als zentrale Karte oder Leitfaden für die KI. Sie enthält Informationen über die Ordnerstruktur, Namenskonventionen und Arbeitsabläufe. Wenn die KI diese Datei liest, versteht sie sofort, wie der Workspace organisiert ist und wo sie relevante Dateien finden kann.

Warum werden Markdown-Dateien in diesem System verwendet?

Markdown-Dateien sind leicht lesbare Textdateien mit einfacher Formatierung. Sie können sowohl von Menschen als auch von KI problemlos verstanden werden. Dadurch eignen sie sich ideal, um Anweisungen, Kontext und Dokumentation strukturiert zu speichern.

Wie hilft eine klare Ordnerstruktur dabei, den Token-Verbrauch der KI zu reduzieren?

Durch eine strukturierte Ordnerorganisation liest die KI nur die Dateien, die für eine bestimmte Aufgabe relevant sind. Dadurch wird verhindert, dass unnötige Informationen geladen werden, was Tokens spart und die Effizienz erhöht.

Welche Rolle spielen Skills und MCP-Server im beschriebenen System?

Skills sind vorgefertigte Prozesse oder Fähigkeiten, die der KI helfen, bestimmte Aufgaben zu erledigen. MCP-Server (Model Context Protocol) ermöglichen der KI, einfacher mit externen Anwendungen oder Services zu kommunizieren. Beide können gezielt in bestimmten Workspaces oder Kontextdateien eingebunden werden.

Warum bezeichnet der Sprecher den Ordner selbst als eine Art Benutzeroberfläche (UI)?

Weil der gesamte Arbeitsprozess über eine klare Ordnerstruktur gesteuert wird. Anstatt komplexe Software oder Datenbanken zu nutzen, fungiert die Ordnerstruktur selbst als Interface, über das die KI Aufgaben organisiert, Dateien findet und Ergebnisse speichert.

Wie können mehrere KI-Instanzen gleichzeitig in unterschiedlichen Bereichen eines Projekts arbeiten?

Da jede Instanz auf einen bestimmten Workspace oder Ordner zugreifen kann, können mehrere KI-Sitzungen parallel arbeiten. Eine könnte beispielsweise im „Writing Room“ Texte erstellen, während eine andere im „Production“-Ordner Inhalte weiterverarbeitet.

Welche Vorteile bietet dieses System im Vergleich zu klassischen KI-Agenten oder komplexen Automatisierungs-Frameworks?

Das System benötigt kaum zusätzlichen Code, keine komplexen Datenbanken und keine speziellen Frameworks. Stattdessen basiert alles auf verständlicher Sprache, Ordnerstrukturen und einfachen Textdateien, was es flexibler, transparenter und leichter anpassbar macht.

Wie kann dieses Workspace-Konzept an unterschiedliche Branchen oder Berufe angepasst werden?

Die Struktur kann leicht verändert werden, indem man Ordner und Prozesse anpasst. Ein Content Creator könnte beispielsweise „Writing Room“ in „Script Lab“ umbenennen, während ein Entwickler Bereiche wie „Engineering“, „Docs“ oder „Deployment“ nutzt. Das Grundprinzip der drei Ebenen bleibt dabei gleich.