AI-Agent-Arbeitsgedächtnis: Mit einer Ordnerstruktur dafür sorgen, dass AI nicht den Faden verliert

In der Branche wird gerade viel über AI Agents gesprochen. Viele Kolleginnen und Kollegen möchten Automatisierung für Kundenservice, Kalkulation oder sogar eine erste Prüfung von Druckdaten einsetzen. Die Erfahrung der meisten ist aber: AI antwortet oft am Thema vorbei. Mal merkt sie sich den Standardpreis deines Unternehmens falsch, mal verwendet sie die Markenfarbe von Kunde A im Layout für Kunde B. Am Ende verbringst du mehr Zeit mit manuellen Korrekturen, als sie dir spart

Nach meiner langjährigen Beobachtung in der Produktion und auf Kundenseite liegt die Ursache meist nicht darin, dass das AI-Modell selbst zu schwach wäre. Das Problem ist eher, dass der „Kontext (Context)“, den wir ihr geben, zu chaotisch ist. Wenn man einen AI Agent wie einen neuen Mitarbeitenden betrachtet, dann ist Context sein Arbeitshandbuch und sein aktueller Auftragszettel. Wenn du ihm alles auf einmal auf den Tisch kippst, wird er zwangsläufig ins Schwimmen geraten

Warum „vergisst“ ein AI Agent ständig Dinge?

Das „Context Window“ eines AI Agent ist wie das „Arbeitsgedächtnis (Working Memory)“ eines Menschen. Es gibt eine Obergrenze dafür, wie viele Informationen er auf einmal verarbeiten kann. Alles, was er zum Denken, Beurteilen und Antworten braucht, muss in diesen begrenzten Speicher passen

Der naive Ansatz von früher war ein endlos langer System Prompt: alle Unternehmensregeln, alle Markenrichtlinien, alle denkbaren Arbeitsanweisungen in einen einzigen Text packen. Bei einfachen Aufgaben mag das noch funktionieren. Sobald deine AI aber mehrere Aufgaben über verschiedene Kunden hinweg bearbeiten soll, versagt dieses „Alles-in-einem“-Paket sehr schnell

Der Grund ist simpel:

・Informationsrauschen: Irrelevante Informationen verwässern die Wirkung wichtiger Anweisungen. Die AI kann sich von einem alten Angebot tief in irgendeinem Ordner in die Irre führen lassen

・Kosten und Latenz: Wenn bei jedem Aufruf zehntausende Wörter aus einer Datenbasis geladen werden, steigen nicht nur die API-Token-Kosten, auch die Antwortzeit der AI wird langsamer

・Uneinheitliches Verhalten: In einem riesigen, teils widersprüchlichen Anweisungspaket gerät AI leicht durcheinander. Beim letzten Mal bestand sie noch auf CMYK, dieses Mal erzeugt sie plötzlich von sich aus eine RGB-Datei

Wie baut man ein AI-Arbeitsgedächtnis, das sich nicht verläuft?

Vor Kurzem bin ich auf einen Ansatz der ausländischen AI-Anwendungsplattform MindStudio gestoßen. Er heißt „Agentic Context Management System“. Vereinfacht gesagt: Das Arbeitsgedächtnis der AI wird systematisiert und modularisiert. Der Kerngedanke ist so intuitiv wie das Sortieren von Projektdateien in Ordnern auf dem Computer

Du brauchst dafür keine ausgefallene Vektordatenbank und keine komplizierte Architektur. Es reicht, die Informationen, die AI braucht, sauber zu kategorisieren, als einzelne Markdown-Textdateien (.md) zu speichern und in klar definierten Ordnern abzulegen

Der Schlüssel des ganzen Systems liegt darin, Informationen in zwei große Gruppen aufzuteilen und Regeln festzulegen, wann sie geladen werden:

・Statische Regeln (Static Rules): Das sind nahezu unveränderliche „Unternehmensrichtlinien“ oder die „Markenbibel“. Zum Beispiel:

・Die Standardpapiere deines Unternehmens und die Kalkulationsformeln

・Das Corporate Identity System (CIS) eines Filialmarken-Kunden, inklusive definierter Farbcodes, Logo-Schutzzonen, Hausschriften usw

・Eine Checkliste mit 10 Punkten, die vor der Reinzeichnung geprüft werden müssen

・Dynamischer Kontext (Dynamic Context): Das ist der „Arbeitsauftrag“ für jede einzelne Aufgabe. Zum Beispiel:

・Die konkrete Frage, die der Kunde diesmal per E-Mail stellt

・Sonderanforderungen dieses Auftrags, etwa Lieferung zwei Tage früher

・Das Thema und die Materialien, zu denen der Designer diesmal AI um Unterstützung bei Texten bittet

Wenn eine Aufgabe startet, injiziert das System nur die relevanten Dateien „nach Bedarf“ in das Arbeitsgedächtnis der AI. Geht es etwa um die Aufgabe „Angebot für einen A4-Katalog von STARLUX Airlines erstellen“, lädt das System nur „Markenrichtlinien_STARLUX.md“, „Kalkulationsformel_A4_Katalogdruck.md“ und „Kundenmail.txt“. Nicht geladen werden Daten von EVA Air oder die Kalkulationslogik für Plakate. So kann die AI fokussiert und präzise arbeiten

Was bringt das Druckereien und Designern konkret?

Diese Methode klingt technisch, bringt aber im Alltag der Druck- und Designbranche sehr greifbare Verbesserungen. AI ist dann nicht mehr das anstrengende Werkzeug, das ständig beaufsichtigt werden muss, sondern ein verlässlicher Helfer, der wirklich in den Produktionsablauf passt

・Genauere und schnellere Kalkulationen: Ein AI-Kalkulationsagent kann gezielt die aktuelle Preisliste und die passenden Berechnungsregeln für Weiterverarbeitung abrufen. Er greift nicht mehr versehentlich auf Dateien von vor drei Jahren zu. Wenn ein Vertriebsmitarbeiter spätabends eine Anfrage erhält, kann er auf dem Handy von AI eine schon ziemlich treffsichere Kostenschätzung erstellen lassen und sie am nächsten Arbeitstag nur noch final prüfen

・Kundenkommunikation ohne Gedächtnislücken: Eine Service-AI kann vor der Antwort zuerst „historische_auftraege.md“ und „besondere_vorlieben.md“ dieses Kunden lesen. Sie merkt sich dann: „Herr Lee sagte beim letzten Mal, dass er kein zu grelles Gelb mag.“ Der Kunde fühlt sich ernst genommen und nicht so, als würde er mit einem vergesslichen Bot sprechen

・Zuverlässigere Automatisierung der Designprüfung: Für Markenkunden mit langfristigen Verträgen und strengen Vorgaben lässt sich ein eigener „Markenrichtlinien-Agent“ aufbauen. Nach der Reinzeichnung lässt der Designer den Agent einmal automatisch prüfen, ob alle Logos, Schriften, Farben und Layoutregeln den peniblen Anforderungen des Kunden entsprechen. Das reduziert Schleifen, Nacharbeit und Zeitaufwand deutlich

・Mehr Varianten in der Designpräsentation: Designer können für ein Gestaltungskonzept eine Datei „kernregeln.md“ anlegen und den AI Agent anschließend auf Basis dieser Regeln verschiedene „produktbilder.md“ und „marketingtexte.md“ kombinieren lassen. In kurzer Zeit entstehen Dutzende Layoutvarianten für Kundenauswahl oder internes Brainstorming

Am Ende hängt die Intelligenz eines AI Agent zu einem großen Teil davon ab, wie solide und ordentlich die Wissensbasis ist, die wir für ihn vorbereiten. Statt immer nur nach größeren, stärkeren Modellen zu suchen, sollte man zuerst das eigene Unternehmenswissen sauber strukturieren. Das ist der erste Schritt, damit AI wirklich in der Praxis ankommt

・Das Arbeitsgedächtnis eines AI Agent ist wie der Schreibtisch eines neuen Mitarbeitenden. Gibst du ihm das ganze Archiv, entsteht Chaos. Entscheidend ist, ihm je nach Aufgabe genau die richtigen Ordner zu geben

・Informationen in „statische Regeln“ wie Markenleitfäden und Kalkulationsformeln sowie „dynamischen Kontext“ wie aktuelle Kundenanforderungen aufzuteilen, ist der Kern eines guten AI-Context-Managements

・Das wirksamste AI-Context-Management-System ist oft einfach eine gut organisierte Sammlung von Markdown-Dateien, keine teure und komplizierte Datenbank

・Das präzise „Injizieren“ relevanter Informationen kann die Antwortgenauigkeit von AI stark verbessern, Betriebskosten senken und ein konsistentes Verhalten sichern

・Statt auf ein noch stärkeres AI-Modell zu warten, sollte man zuerst Wissen und Prozesse im eigenen Unternehmen in Dateien bringen und strukturieren. Das ist der pragmatische erste Schritt zur AI-Einführung

Aus Sicht einer Druckerei ist diese Denkweise eines „Context-Management-Systems“ viel wertvoller, als nur einen Chatbot anzubinden. Im Grunde baut man damit ein digitales „Meisterwissen“ für den Betrieb auf

Früher steckte viel Druck-Know-how und viel Gefühl für Kundenbesonderheiten im Kopf erfahrener Drucker oder langjähriger Vertriebsleute. Heute können wir dieses implizite Wissen durch einzelne Markdown-Dateien sichtbar und strukturiert machen. Zum Beispiel: „Beim Verpackungskarton dieses Pharma-Kunden ist Blau besonders kritisch, beim Proof 5% mehr Cyan berücksichtigen.“ So ein Satz kann direkt in client-pharma-brand.md stehen

Wenn AI eine passende Aufgabe bearbeitet, wird diese Datei automatisch geladen. So bleiben wichtiges Produktionswissen und Kundenpräferenzen auch bei Personalwechsel erhalten und ausführbar. Gerade weil Edge Computing immer leistungsfähiger wird, können Druckereien künftig sogar eigene AI Agents auf dem eigenen Server betreiben. Kombiniert mit einem dateibasierten Context-System lassen sich Datensicherheit und Privatsphäre wahren und trotzdem wirklich individuelle, effiziente automatische Kalkulationen, Druckdatenprüfungen und Kundenservices umsetzen. Das ist der pragmatische Weg, AI einzuführen

Für Designer bedeutet das: Du kannst einen AI-Designassistenten trainieren, der wirklich zu dir oder deinem Team passt. Deine Designprinzipien, bevorzugten Layoutstile, typischen Schriftkombinationen, alles wird zu deiner persönlichen Style-Context-Bibliothek. Bei neuen Projekten kann AI dann auf Basis deines Stils schnell viele Entwurfsskizzen erzeugen. Du wirst von wiederholenden Arbeiten entlastet und kannst dich stärker auf die eigentliche kreative Idee konzentrieren

・Wie man das „Arbeitsgedächtnis“ eines AI Agent gestaltet: Ein Agentic Context Management System verhindert, dass Automatisierungsprozesse sich verlaufen