Jeder, der ernsthaft mit mehreren KI-Tools arbeitet, kennt das Problem: Der Wechsel kostet nicht nur Zeit, sondern Gedächtnis. Mit jedem neuen Chat, jedem Agenten und jeder neuen Oberfläche beginnt dieselbe Wiederholung. Wer bin ich, woran arbeite ich, wie entscheide ich, was ist mir wichtig? Genau diese Reibung greift Nathaniel Whittemore bei *The AI Daily Brief* auf, und er trifft damit einen wunden Punkt der aktuellen KI-Nutzung.
Der eigentliche Engpass liegt oft nicht im Modell, sondern im fehlenden Arbeitsgedächtnis. Solange Systeme den Menschen nicht kennen, für den sie arbeiten sollen, bleiben Ergebnisse generisch, Tonalität kippt, Präferenzen gehen verloren und jeder neue Assistent beginnt faktisch als Fremder. Genau deshalb ist ein Personal Context Portfolio keine Komfortidee, sondern eine infrastrukturelle Antwort. Gemeint ist ein portables, modular aufgebautes Kontextpaket aus Rolle, Projekten, Arbeitsstil, Entscheidungslogik und wiederkehrenden Regeln.
Das Transcript macht dabei etwas klar, das über den Begriff hinausgeht: Diese ständige Wiederholung ist eine Kontext-Wiederholungssteuer, also eine versteckte Abgabe auf produktive KI-Nutzung. Wer sein Arbeitsgedächtnis nur innerhalb eines Produkts aufbaut, landet schnell in einer Form von Memory-Lock-in, also praktischer Abhängigkeit vom bisherigen Tool. Portabler Kontext ist deshalb nicht nur nützlich, sondern ein Mittel gegen Trägheit und Abhängigkeit.
Für KI-Enablement ist das der wichtigere Hebel als noch ein Prompt-Workshop. Wer Menschen nur zeigt, wie man besser fragt, verbessert die nächste Interaktion. Wer ihnen hilft, den eigenen Kontext sauber zu strukturieren, verbessert viele Interaktionen hintereinander. Erst dann entsteht aus individueller Nutzung eine belastbare Wissensinfrastruktur.
Besonders aufschlussreich ist, welche Teile dieses Portfolios wirklich tragen. `current-projects` ist vermutlich die lebendigste Datei, weil sich Prioritäten, Arbeitsstände und Relevanzen laufend verschieben. `decision-log` ist womöglich die unterschätzteste, weil frühere Entscheidungen samt Begründung für gute KI-Unterstützung oft wertvoller sind als reine Stammdaten. Genau dort beginnt der Unterschied zwischen einem netten Chatbot und einem anschlussfähigen Arbeitssystem.
Die eigentliche Frage der nächsten KI-Phase lautet deshalb nicht zuerst, welches Modell wir einsetzen. Entscheidend ist, ob unsere Arbeit so beschrieben ist, dass ein System sie sinnvoll unterstützen kann. Wer diesen Punkt übersieht, kauft immer neue Werkzeuge und wundert sich, warum Hilfe trotzdem jedes Mal wieder bei null beginnt.