Du planst mit einer KI deine Werkstatt. Platz, Werkzeug und Budget stehen im Raum, aber an der Werkzeugfrage bleibst du hängen. Daraus wird ein langes Gespräch. Irgendwann hast du mehr Klarheit – und musst selbst zusammensuchen, was das jetzt für den ursprünglichen Plan bedeutet.
Die Idee: Jede Abzweigung bekommt eine Frage, ein Ziel und einen Bezug zum bisherigen Projektstand. Bei der Rückkehr wird sichtbar, was geklärt wurde und welche Änderungen daraus folgen. Diese Ergebnisse fließen in einen gemeinsamen Arbeitsstand ein; andere Fragen bleiben offen liegen. Ob dieser Ablauf tatsächlich beim Arbeiten hilft, müssen wir noch mit einem Prototyp und echten Aufgaben prüfen.
Eine Abzweigung soll mit einem Ergebnis zurückkommen, das den gemeinsamen Arbeitsstand weiterbringt.
Was bei der Rückkehr passieren soll
Die Abzweigung zur Werkzeugfrage beginnt mit einem überschaubaren Auftrag:
Wir klären, welche Arbeiten du selbst machen möchtest. Das Ergebnis soll anschließend die Werkzeugliste und den Kostenplan aktualisieren.
Währenddessen kannst du Fragen beantworten, zusätzliche Informationen liefern und deine Vorstellung ändern. Angenommen, du entscheidest dich, das Holz beim Anbieter zuschneiden zu lassen. Bei der Rückkehr könnte der Plan so angepasst werden:
So wäre nachvollziehbar, was die Unterhaltung verändert hat. Die Begründung bleibt mit der Abzweigung verbunden. Eine beantwortete Frage kann dabei neue Aufgaben hinterlassen; sie muss nicht sämtliche Unsicherheiten beseitigen.
Die anderen Fragen bleiben liegen
Wenn du dich auf das Werkzeug konzentrierst, bleiben Platz und Budget sichtbar als offene Themen erhalten. Nach der Rückkehr lässt sich prüfen, was inzwischen mitgeklärt wurde und wo es weitergehen soll. Du musst nicht bei jeder Antwort erneut aufzählen, welche Fragen noch wichtig sind.
Auch das Ziel einer Abzweigung darf sich ändern. Vielleicht fehlt vor der Werkzeugentscheidung erst eine Vorstellung davon, was du überhaupt bauen möchtest. Dann sollte sichtbar bleiben, warum sich das Gespräch verschoben hat und was noch zur ursprünglichen Frage fehlt.
Ein gemeinsamer Arbeitsstand wächst mit
Der Projektstand hält fest, was wir erreichen wollen, was bereits entschieden ist, welche Annahmen noch gelten und welche Fragen offen sind. Gesprächsverlauf und aktueller Plan bleiben dadurch unterscheidbar. Ein ausführlicher Anfangsprompt hilft beim Einstieg; neue Anforderungen können trotzdem erst während der Arbeit entstehen.
In einem Projekt könnten Markdown-Dateien diesen Stand halten. Ein wäre ein möglicher Weg, solche Dateien zu lesen und zu aktualisieren. Wie vorhandene Projektdokumente dafür nutzbar werden, vertieft Context Engineering.
Beim Zurückführen braucht es Grenzen: Eine Vermutung darf nicht unbemerkt als Entscheidung im Plan landen. Widersprechen sich zwei Abzweigungen, muss der Widerspruch sichtbar bleiben. Und wenn beide von einem inzwischen veralteten Plan ausgehen, müssen ihre Ergebnisse am aktuellen Stand geprüft werden. Eine Zusammenfassung allein erledigt diese Arbeit nicht.
Lesekomponente und Chat-Konzept bleiben zwei Themen
Bei einem statischen Text wählst du, was du lesen möchtest. Die Kachel Lesetiefe behandelt die passende Komponente dafür. Ein nächster Versuch könnte vorab geschriebene Vertiefungen über Fragen wie „Warum?“, „Ein Beispiel?“ oder „Wann gilt das nicht?“ zugänglich machen.
Im Chat kommt etwas hinzu: Die Antworten können verändern, woran wir arbeiten und welche Ergebnisse für das Projekt gelten. Diese Kachel hält dafür eine Gestaltungsidee fest. Ein funktionierendes Chat-System oder eine automatische Zusammenführung ist damit noch nicht beschrieben oder nachgewiesen.
Was wir als Nächstes herausfinden wollen
- Wann fühlt sich eine Abzweigung ausreichend geklärt an: wenn du selbst zurückgehst oder wenn die KI eine Rückkehr vorschlägt?
- Wie sollen Änderungen am Projektstand vor der Übernahme gezeigt werden, damit Entscheidungen, Annahmen und offene Fragen erkennbar bleiben?
- Reicht eine Liste offener Fragen zur Orientierung, oder wird bei längerer Arbeit eine Übersicht der Abzweigungen nötig?
Als erster Test würde eine Frage mit einem klaren Ziel reichen. Danach prüfen wir gemeinsam, welche Änderungen wirklich in den Plan gehören und ob die übrigen Fragen noch auffindbar sind. Das wäre eine Prüfung des Arbeitsablaufs, keine Messung der Antwortqualität eines Sprachmodells.
Verwandte Ansätze und Quellen
Nichtlineare KI-Gespräche und das Ordnen ihrer Ergebnisse haben Vorläufer. Diese Quellen liefern Anknüpfungspunkte für den Entwurf; sie belegen noch nicht, dass der hier vorgeschlagene Rückweg funktioniert:
- Sensecape, UIST 2023 untersucht das Erkunden und Ordnen von Informationen auf mehreren Abstraktionsebenen; die Studie nennt auch Lernaufwand und Grenzen der kurzen Untersuchung.
- tldraw: Branching Chat zeigt Gesprächsverzweigungen auf einer Zeichenfläche, auf der mehrere Nachrichtenpfade den Kontext einer Antwort bilden können.
- MCP: Architektur und Geltungsbereich beschreibt den Austausch von Kontext, Werkzeugen und Datenquellen; wie eine Anwendung ihren Arbeitsstand verwaltet, bleibt ihre eigene Aufgabe.