Eine unternehmerische Entscheidung braucht ein Gedächtnis

Die Investitionsvorlage liegt in einer Tabelle. Eine wichtige Kundenaussage steckt in einer E-Mail. Der Einwand, der die Entscheidung verändert, kommt mitten im Gespräch. Wenn das Team einen Monat später auf die Frage zurückkommt, muss jemand die Begründung wieder zusammensuchen.

An diesem Problem möchte ich mit Decision Ground arbeiten. Ich entwickle einen Arbeitsraum für Unternehmer und ihre Teams, der Fragen, Belege, Optionen und Entscheidungen zusammenhält. Ein erster Prototyp entsteht gerade. Im Pitch zeige ich, was wir als Nächstes erproben wollen.

Was gibt es zu entscheiden?

Nehmen wir ein fiktives KMU, das seine Angebotsvorbereitung mit KI unterstützen möchte. «Welches Modell kaufen wir?» ist nur ein Teil der Diskussion. Zuerst sollten wir wissen, welcher Arbeitsschritt Schwierigkeiten bereitet, welche Daten verwendet werden dürfen und wer ein brauchbares Ergebnis beurteilen kann.

Ein begrenzter Versuch kann mehr klären als eine weitere allgemeine Präsentation. Das Team könnte Bearbeitungszeit, Korrekturen und tatsächliche Nutzung vergleichen, bevor es über eine Fortsetzung entscheidet. Die Kriterien gehören vor dem Versuch in die Akte.

Recherche soll Lücken sichtbar machen

Die geplante Deep-Research-Funktion beginnt mit einer klaren Frage und einem begrenzten Umfang. Sie soll passende Quellen zusammentragen, Gegenargumente erhalten und zeigen, wo die Belege dünn sind. Ein gutes Dossier lässt sich prüfen. Eine schwache Quelle darf durch schöne Formulierungen nicht zu einer sicheren Empfehlung werden.

Das gilt auch für das Entscheidungsbarometer. Jev von TypeSafe möchte ich für strukturierte, graduelle Einordnungen einsetzen: Zielbeitrag, Beleglage oder Reversibilität. Das sind unterschiedliche Dimensionen. Daraus sollte keine eindrucksvolle, aber unbelegte Erfolgsquote werden. Das Modell muss für unsere Aufgaben und Sprache erst geprüft werden.

Ein Second Brain, das mitlernt und aktuell bleibt

Wissen hilft mehr, wenn ein Team es mit tatsächlichen Ergebnissen verbinden kann. Es kann aber auch irreführen, wenn eine alte Annahme immer wieder als Tatsache auftaucht.

Das geplante Second Brain soll neue Belege, Entscheidungen und spätere Ergebnisse aufnehmen, damit der Wissensstand aktuell bleibt. Es zeigt, wo eine alte Annahme nicht mehr trägt. Persönliche Notizen bleiben privat. Für das gemeinsame Wiki schlägt das System Änderungen mit Quelle und Datum vor; das Team prüft sie, bevor alle darauf bauen. So lernt es aus Erfahrung, ohne heimlich ein Persönlichkeitsprofil anzulegen.

Den Zugang offen halten

Die gleiche Entscheidungsakte soll aus kompatiblen KI-Anwendungen erreichbar werden: Mistral Vibe, ChatGPT, Claude, Copilot Studio und offene lokale Modelle über Ollama. MCP ist als Verbindung vorgesehen. Was jeweils möglich ist, hängt von Anwendung und Freigaben ab.

Deutsches Hosting und kontrollierte Datenwege sind Anforderungen an die Entwicklung. Sie sind noch keine Aussage über einen bereits verfügbaren Dienst. Lokale Modelle möchte ich besonders für Unternehmen erproben, die sensible Informationen auf eigenen Rechnern behalten wollen. Ein Cloud-Entscheidungsmodell und ein lokales Modell müssen jeweils separat bewertet werden.

Was der nächste Versuch zeigen soll

Der wichtige Test ist ein vollständiger Entscheidungszyklus: eine offene Frage, ein geprüfter Beschluss und später der Blick auf das Ergebnis. Danach eine zweite Entscheidung, bei der das festgehaltene Wissen helfen soll. Dass das Produkt Entscheidungen verbessert, ist noch nicht nachgewiesen.

Die Fragen gehen weit über Technik hinaus: ein Angebot, eine Partnerschaft, ein Ablauf oder eine Investition.

Hier findest du den Prototyp und den Pitch zu Decision Ground. Was beschäftigt dich als Unternehmer? Auf der Seite kannst du ein 30-minütiges Gespräch mit mir buchen.