Persönliche Wissensdatenbank

Erstellen Sie eine durchsuchbare, semantische Wissensdatenbank aus allem, was Sie lesen — Artikel, Tweets, YouTube-Transkripte, PDFs — alles importiert und abrufbar per natürlichsprachlichem Chat mit OpenClaw Ultra.

Systemübersicht

Dieses System verwandelt den Speicher Ihres Agenten in eine persönliche Forschungsbibliothek. Werfen Sie eine URL oder Datei in den Chat, und sie wird automatisch importiert, aufgeteilt und für die semantische Suche indexiert. Stellen Sie später Fragen und erhalten Sie bewertete Ergebnisse mit Quellenangabe — keine verlorenen Lesezeichen mehr.

Systemebene	Kernfunktion	Ausgabe
Importebene	URL-Abruf, Inhaltsextraktion, Formatnormalisierung	Sauberer, strukturierter Text mit Metadaten
Verarbeitungsebene	Aufteilung, Embedding-Generierung, Vektor-Indexierung	Semantisch durchsuchbarer Wissensspeicher
Abrufebene	Hybride Suche (semantisch + Schlüsselwörter), Relevanzbewertung	Bewertete Ergebnisse mit Quellenkontext
Speicherebene	Sitzungsübergreifende Persistenz, automatische Tagging, Deduplizierung	Wachsende, nicht duplizierende Wissensdatenbank
Integrationsebene	Einspeisung in andere Workflows (SEO, Soziale Medien, Meeting-Vorbereitung)	Wiederverwendbare Recherche für alle Agentenaufgaben

Voraussetzungen

Element	Anforderung
OpenClaw Ultra	Installiert und ausgeführt
Knowledge Base Skill	Aus ClawHub installieren — nach "knowledge-base" suchen
Importkanal	Telegram-Thema oder Slack-Kanal (für automatischen Import empfohlen)

Schritt 0 — Wissensdatenbank-System initialisieren

Richten Sie OpenClaw Ultra als Ihre persönliche Wissensmanagement-Engine ein.

Vorgehen

1. Öffnen Sie eine neue Chat-Sitzung in OpenClaw Ultra
2. Installieren Sie das knowledge-base Skill
3. Erstellen Sie ein dediziertes Telegram-Thema namens "knowledge-base" (oder verwenden Sie einen Slack-Kanal)
4. Fügen Sie den Initialisierungs-Prompt ein

Fertiger Prompt

Agieren Sie als mein persönliches Wissensdatenbank-System.

Ich möchte alles speichern, was ich wertvoll finde — Artikel, Tweets, YouTube-Videos, PDFs, Code-Snippets — und sie per Konversation durchsuchen können.

Erstellen Sie ein System, das:
- Inhalte von URLs importiert, die ich in den Chat werfe
- den vollständigen Inhalt extrahiert und indexiert
- natürlichsprachliche Abfragen über gespeichertes Wissen unterstützt
- Inhalte automatisch dedupliziert und taggt
- eine Verbindung zu anderen Workflows herstellt, wenn diese Forschungskontext benötigen

Schritt 1 — Automatischen Import-Pipeline einrichten

Konfigurieren Sie den Agenten, um automatisch jede URL oder Datei zu verarbeiten, die Sie senden.

1.1 Importkanal konfigurieren

Prompt

Richten Sie das Thema "knowledge-base" für den automatischen Inhaltsimport ein.

Wenn ich eine URL in dieses Thema werfe:
1. Rufen Sie den vollständigen Inhalt ab (Artikel, Tweet-Thread, YouTube-Transkript, PDF)
2. Extrahieren Sie sauberen Text mit Metadaten: Titel, URL, Datum, Inhaltstyp
3. Teilen Sie ihn in semantische Segmente mit Embeddings auf
4. Indexieren Sie ihn mit Tags: Quelltyp, Thema, Schlüsselentitäten
5. Antworten Sie mit: was importiert wurde, Anzahl der Segmente, vorgeschlagene Tags

Unterstützte Quellen:
- Web-Artikel (beliebige URL)
- YouTube-Videos (automatischer Transkript-Abruf)
- Tweets und X-Threads
- PDF-Dokumente (per Datei-Upload)
- GitHub-READMEs und Dokumentationen

1.2 Vorhandene Lesezeichen stapelweise importieren

Prompt

Ich habe eine Sammlung gespeicherter Links, die ich importieren möchte:

[URLs oder Exportdatei auflisten]

Verarbeiten Sie jeden durch die Import-Pipeline.
Melden Sie den Fortschritt: [X/N] importiert, fehlgeschlagene URLs mit Fehlergründen.

INFO

Ihre Wissensdatenbank wächst ab jetzt automatisch — jeden interessanten Link, den Sie finden, werfen Sie einfach in das Thema.

Schritt 2 — Semantische Suche und Abruf

Durchsuchen Sie Ihre Wissensdatenbank per Konversation.

2.1 Einfache Abfrage

Prompt

Durchsuchen Sie meine Wissensdatenbank nach: [Ihre Frage oder Ihr Thema]

Geben Sie zurück:
- die 5 relevantesten Ergebnisse
- für jedes: Titel, Quell-URL, Schlüsselauszug, Relevanzwert
- wenn keine guten Übereinstimmungen vorhanden sind, sagen Sie es mir explizit

2.2 Querverweis-Abfrage

Prompt

Ich arbeite an [aktuellem Projekt/Aufgabe].
Durchsuchen Sie meine Wissensdatenbank nach allem, was mit Folgendem zu tun hat:
[relevante Themen oder Schlüsselwörter auflisten]

Fassen Sie zusammen, was ich bereits weiß, welche Quellen ich habe und welche Lücken bestehen.

Ergebnis von Schritt 2

Sofortiger Zugriff auf alles, was Sie gespeichert haben, organisiert nach Relevanz.

Schritt 3 — Automatische Tagging und Organisation

Halten Sie Ihre Wissensdatenbank ohne manuellen Aufwand strukturiert.

Prompt

Konfigurieren Sie automatische Tagging-Regeln für importierte Inhalte:

Immer taggen nach:
- Inhaltstyp: article, tweet, video, pdf, code, discussion
- Domäne: der primäre Themenbereich
- Entität: erwähnte Unternehmen, Personen, Werkzeuge

Automatisch Themencluster erstellen, wenn 3+ Elemente dasselbe Tag teilen.
Doppelte oder nahezu doppelte Inhalte vor dem Import markieren.

Schritt 4 — Wissensdatenbank mit anderen Workflows verbinden

Machen Sie Ihr gespeichertes Wissen für alle Agentenaufgaben verfügbar.

4.1 In die Content-Erstellung einspeisen

Prompt

Beim Erstellen von Content-Briefings (für SEO, soziale Medien oder YouTube),
durchsuchen Sie automatisch die Wissensdatenbank nach relevanten gespeicherten Inhalten.

Fügen Sie Zitate in das Briefing ein, damit ich weiß, woher die Erkenntnisse stammen.

Verwandte Anleitung: SEO-Content-Workflow

4.2 In die Meeting-Vorbereitung einspeisen

Prompt

Vor jedem Meeting, das ich mit [Person/Unternehmen/Thema] habe,
durchsuchen Sie meine Wissensdatenbank nach gespeicherten Inhalten über sie oder ihre Branche.

Fügen Sie die Ergebnisse in das Meeting-Vorbereitungs-Briefing ein.

4.3 In Forschungsaufgaben einspeisen

Prompt

Wenn ich eine Forschungsfrage stelle, durchsuchen Sie IMMER ZUERST die Wissensdatenbank.
Durchsuchen Sie externe Quellen nur, wenn die Wissensdatenbank keine guten Ergebnisse liefert.
Melden Sie, aus welcher Quelle (WB vs. extern) die Antwort stammt.

Schritt 5 — Wartung und Überprüfung

Halten Sie die Wissensdatenbank langfristig gesund und nützlich.

Prompt

Richten Sie die wöchentliche Wissensdatenbank-Wartung ein:

Jeden Sonntag um 10 Uhr:
1. Melden Sie neue diese Woche hinzugefügte Elemente: Anzahl, Top-Tags, Top-Quellen
2. Identifizieren Sie verwaiste Elemente (nie abgerufen) — Archivierung vorschlagen
3. Führen Sie doppelte oder überlappende Einträge zusammen
4. Schlagen Sie 3 Themen vor, die basierend auf meinen letzten Abfragen mehr Abdeckung benötigen

Endgültige Systemarchitektur

URL/Datei → Inhaltsimport → Aufteilung und Embedding →
Vektor-Index → Semantische Suche → Abruf mit Kontext →
Einspeisung in SEO / Soziale Medien / Meetings / Forschungs-Workflows

Praktische Nutzungstipps

1. Machen Sie es zur Gewohnheit: Jedes Mal, wenn Sie etwas Nützliches lesen, werfen Sie den Link sofort in das knowledge-base-Thema
2. Verwenden Sie beim Suchen spezifische Fragen — "Was habe ich über RAG-Architektur gespeichert?" funktioniert besser als "erzähl mir von KI"
3. Überprüfen Sie regelmäßig den wöchentlichen Wartungsbericht, um Wissenslücken zu erkennen
4. Kombinieren Sie mit dem Reddit-Recherche-Workflow — speichern Sie Reddit-Erkenntnisse direkt in der WB zur Querverweisung