Zuletzt aktualisiert: 1. September 2026
Notion AI ein perfektes Gedächtnis zu geben klingt nach einem unmöglichen Versprechen. Schließlich kann sich jeder neue Chat anfühlen, als wäre dein Agent gerade mit Amnesie aufgewacht – aber mit dem richtigen Projektgedächtnis-System kannst Du ihm einen zuverlässigen Snapshot des Wesentlichen geben, ohne alles erneut erklären zu müssen.
Der Trick liegt nicht darin, noch mehr Informationen in jeden Prompt zu packen. Sondern darin, eine kleine Sammlung lebender Dokumente zu pflegen, die deinem Agent sagen, was das Projekt ist, wo es steht, wie es dorthin gekommen ist und was als nächstes passieren soll.
Ich habe verschiedene Versionen dieses Systems in aktiver Beratungsarbeit, internen Projekten und KI-gestützter Entwicklung getestet. Das Framework, bei dem ich gelandet bin, nutzt einen Skill, vier Kerndokumente und eine optionale Projekt-Timeline.
Warum vergisst Notion AI Deine Projekte immer wieder?
Notion AI kann deinen Workspace und verbundene Tools durchsuchen – aber Zugriff ist nicht dasselbe wie Gedächtnis. Wenn dein Agent die Geschichte eines Projekts jedes Mal aus verstreuten Meeting-Notizen, Aufgaben, Slack-Threads und Dokumenten rekonstruieren muss, beginnt jedes neue Gespräch mit teurer Detektivarbeit.
Notion bestätigt, dass sein Agent Kontext aus deinem Workspace und verbundenen Apps nutzen kann, einschließlich Tools wie Slack und Google Drive.[1] Das ist mächtig – aber es erzeugt nicht automatisch ein präzises, verlässliches Bild des aktuellen Projektstands.
Das führt zu drei häufigen Problemen:
- Du erklärst dieselbe Ausgangssituation immer wieder, bevor nützliche Arbeit beginnen kann.
- Verschiedene Menschen geben der KI unterschiedliche Ausschnitte der Projekthistorie.
- Alte Entscheidungen und veraltete Pläne konkurrieren mit dem, was heute wahr ist.
Die Lösung ist eine kuratierte Gedächtnisschicht zwischen deinen Rohdaten und dem Agent. Anstatt alles zu lesen, startet der Agent mit einer kleinen Menge kanonischer Projektdokumente.
Was sind die drei Ebenen nützlichen KI-Kontexts?
Nützlicher KI-Kontext hat drei verschiedene Ebenen: Instructions, Skills und Memory. Jede löst ein anderes Problem – und wenn Du sie vermischst, wird das System schwerer zu pflegen.
1. Instructions definieren, wie sich der Agent verhalten soll
Instructions enthalten die stabilen, übergeordneten Regeln, denen dein Agent in jedem Gespräch folgen soll. Das kann Ton, bevorzugte Formate, Arbeitsprinzipien und Workspace-Konventionen umfassen.
Notion beschreibt Instructions als den richtigen Ort für immer aktive, persönliche und wartungsarme Präferenzen.[2] Deine Unternehmensprinzipien oder dein Schreibstil passen hierher. Der aktuelle Status eines Kundenprojekts nicht.
2. Skills definieren, was der Agent tun soll
Skills sind wiederverwendbare Prozesse. Sie erklären, wie eine Aktion ausgeführt wird – zum Beispiel ein Meeting vorbereiten, ein Transkript in Aufgaben umwandeln oder Projektkontext aktualisieren.
Eine Team-Skills-Datenbank gibt Dir einen zentralen Ort, um diese Prozesse zu verwalten, und Notion Agent kann einen Skill automatisch nutzen, wenn seine Beschreibung zur Anfrage passt.[3]
3. Memory definiert, was gerade wahr ist
Memory enthält die aktuellen Fakten und Interpretationen, die der Agent braucht, um sinnvoll zu arbeiten. Sie beantwortet Fragen wie:
- Was wollen wir erreichen?
- Was ist bereits passiert?
- Welche Entscheidungen gelten noch?
- Was ist blockiert?
- Was soll als nächstes passieren?
- Was bedeuten projektspezifische Begriffe?
Diese dritte Ebene fehlt in den meisten KI-Workspaces.
Warum reicht ein KI-Wiki für aktive Projekte nicht aus?
Ein KI-Wiki eignet sich hervorragend für Wissen, das sich langsam verändert – aber aktive Projekte brauchen ein schnelleres Gedächtnissystem. Ein Wiki verhält sich wie ein See; Projektkontext eher wie ein Fluss.
Wenn Du Wissen über Produktivität sammelst, Unternehmensrichtlinien dokumentierst oder eine stabile Wissensbasis aufbaust, macht ein LLM-freundliches Wiki Sinn. Du organisierst einen großen Wissenskörper so, dass sowohl Menschen als auch KI ihn später abrufen können.
Projektarbeit bewegt sich anders. Ein Kunde ändert die Richtung. Ein technischer Test schlägt fehl. Ein Stakeholder definiert neu, was “Launch” bedeutet. Die gestrige nächste Aktion wird zur heutigen Sackgasse.
Ein Wiki-ähnliches Summary ständig neu aufzubauen ist zu langsam. Stattdessen brauchst Du einen kompakten Snapshot von:
- Wo Du gerade stehst
- Wie Du dorthin gekommen bist
- Was noch offen ist
- Welche Sprache und Entscheidungen die Arbeit prägen
Pro-Tipp: Halte dauerhaftes Wissen und Projektgedächtnis getrennt. Das eine erfasst, was generell wahr ist; das andere, was für dieses Projekt jetzt wahr ist.
Welche vier Dokumente geben Notion AI ein perfektes Gedächtnis?
Vier Dokumente geben Notion AI ein praktisches Projektgedächtnis: ein Project Brief, Where We Are, Decisions und Domain Language. Zusammen decken sie stabilen Zweck, aktuellen Stand, historische Begründungen und gemeinsames Vokabular ab.
| Dokument | Was es enthält | Wie es sich verändert | Wann die KI es liest |
|---|---|---|---|
| Project Brief | Outcome, Scope, Prinzipien und Erfolgskriterien | Selten; nur wenn sich die Grundlagen des Projekts ändern | Bei der Orientierung oder beim Prüfen der strategischen Ausrichtung |
| Where We Are | Aktueller Stand, Risiken, offene Punkte und nächste Schritte | Wird neu geschrieben, wenn sich der Stand wesentlich ändert | Zu Beginn fast jeder Arbeitssession |
| Decisions | Datierte Entscheidungen, Begründungen und überholte Entscheidungen | Wird ergänzt, wenn folgenreiche Entscheidungen getroffen werden | Bei der Planung, Hinterfragung oder Überprüfung einer Entscheidung |
| Domain Language | Projektspezifische Begriffe, Definitionen und Unterscheidungen | Wird gezielt aktualisiert, wenn das Vokabular sich entwickelt | Immer wenn präzise Interpretation wichtig ist |
Was gehört in den Project Brief?
Der Project Brief erklärt Zweck und Grenzen des Projekts. Er sollte den gewünschten Outcome, den Scope, wichtige Prinzipien, Erfolgskriterien und wesentliche Constraints enthalten.
Das ist Dein am langsamsten veränderliches Dokument. Es jede Woche zu überarbeiten würde es als Anker unbrauchbar machen – aber Du solltest es aktualisieren, wenn sich die Grundlagen des Projekts wirklich ändern.
Was gehört in Where We Are?
Where We Are ist das Übergabe-Briefing für die nächste Person oder KI-Session. Es erfasst den aktuellen Stand, jüngste Fortschritte, aktive Risiken, offene Fragen und unmittelbare nächste Schritte.
Mach aus dieser Seite kein Tagebuch. Schreibe sie so, dass jemand, der heute dazukommt, das Projekt versteht – ohne jede historische Aktualisierung gelesen zu haben.
Was gehört in Decisions?
Decisions ist eine datierte Aufzeichnung folgenreicher Entscheidungen und ihrer Begründungen. Wenn eine spätere Entscheidung eine frühere aufhebt, bewahre beide und markiere die Beziehung explizit.
Das verhindert, dass dein Agent jede alte Aussage als gleich aktuell behandelt. Es gibt zukünftigen Teammitgliedern auch die Begründung hinter der Projektrichtung – nicht nur die endgültige Antwort.
Was gehört in Domain Language?
Domain Language definiert Begriffe, die innerhalb des Projekts eine spezifische Bedeutung haben. Die Worte “Projekt”, “Kunde”, “genehmigt” oder “Launch” können in zwei Teams völlig unterschiedliche Dinge bedeuten.
Diese Definitionen zu erfassen verhindert subtile Missverständnisse. Das ist besonders wertvoll, wenn mehrere Stakeholder, Abteilungen oder KI-Tools am selben Projekt arbeiten.
Wie funktioniert der Seed–Retrieve–Update-Workflow?
Das Projektgedächtnis-System läuft über drei Aktionen: Seed, Retrieve und Update. Die Dokumente sind wichtig – aber die Gewohnheit darum herum ist es, was das Gedächtnis verlässlich hält.
Schritt 1: Das Gedächtnis bei Projektstart befüllen (Seed)
Erstelle die vier Dokumente, wenn Du das Projekt erstellst, und verknüpfe sie mit seiner Datenbankseite. Templates können die Grundstruktur vorgeben, während ein Setup-Skill den bereits verfügbaren Kontext einfüllt.
Das kannst Du manuell tun oder in einen breiteren Projekt-Onboarding-Workflow integrieren. Das Wichtige: Jedes sinnvolle Projekt startet mit derselben Gedächtnisstruktur.
Schritt 2: Den Kontext vor der Arbeit abrufen (Retrieve)
Bevor dein Agent eine Aufgabe aufgreift, bitte ihn, sich im zugehörigen Projekt zu orientieren. Er sollte zuerst Where We Are lesen, dann bei Bedarf Brief, Decisions und Domain Language nutzen.
Das gibt Dir und dem Agent denselben Startpunkt. Du kannst eine veraltete Annahme erkennen, bevor sie in mehrere Stunden wunderschön ausgeführter falscher Arbeit mündet.
Schritt 3: Das Gedächtnis nach bedeutsamer Arbeit aktualisieren (Update)
Wenn eine Aufgabe, ein Meeting oder eine Recherche das Projekt verändert, aktualisiere die entsprechenden Gedächtnisdokumente. Tu das als Teil des Abschlusses der Arbeit – und hoffe nicht, dass sich jemand später daran erinnert.
Die Aktualisierung sollte zur Rolle des jeweiligen Dokuments passen:
- Where We Are neu schreiben, um die neue Realität widerzuspiegeln.
- Folgenreiche Entscheidungen zu Decisions hinzufügen.
- Begriffe in Domain Language ergänzen oder verfeinern.
- Den Project Brief nur überarbeiten, wenn sich die Grundlagen geändert haben.
Ich bevorzuge derzeit etwas menschlich kontrollierten Reibungswiderstand hier. Vollautomatische Gedächtnisaktualisierungen klingen attraktiv – aber eine selbstsichere KI kann auch einen flüchtigen Kommentar zu “Projektwahrheit” erheben. Der Mensch sollte bei folgenreichen Interpretationen am Steuer bleiben.
Wie sollten Meetings das Projektgedächtnis aktualisieren?
Meeting-Follow-up sollte sowohl die Ausführung als auch das Gedächtnis aktualisieren. Aufgaben zu erstellen erfasst, was Menschen vereinbart haben zu tun; den Projektkontext zu aktualisieren erfasst, was das Meeting verändert hat.
Der übliche Workflow stoppt nach dem Extrahieren von Action Items aus einem Transkript. Das lässt die nächste Person – Mensch oder KI – das Transkript erneut lesen, um die Entscheidungen, Risiken und Verschiebungen hinter diesen Aufgaben zu verstehen.
Ein stärkerer Meeting-Workflow tut zwei Dinge:
- Erstellt oder aktualisiert die vereinbarten Follow-up-Aufgaben.
- Destilliert dauerhafte Veränderungen in die vier Projektgedächtnis-Dokumente.
Das Transkript bleibt die Rohdatenquelle. Die Gedächtnisschicht wird zur aktuellen Interpretation.
Das ist besonders nützlich, wenn mehrere Menschen mit einem Kunden zusammenkommen. Teammitglied Nummer acht sollte nicht sieben Transkripte durchsuchen müssen, bevor es sinnvoll beitragen kann.
Kann dasselbe Gedächtnis für Notion AI und Claude funktionieren?
Ja. Das Gedächtnissystem lebt in Notion – aber es muss nicht ausschließlich Notion AI gehören. Jedes verbundene KI-Tool, das dieselben Seiten lesen und aktualisieren kann, kann von demselben Projektkontext aus arbeiten.
Das bedeutet: Du kannst Aufgaben und Projektdokumente in Notion verwalten, Code mit Claude Code schreiben und trotzdem Kontinuität zwischen Sessions bewahren. Am Ende der Entwicklungsarbeit aktualisiert der Coding-Agent dasselbe Projektgedächtnis, das Dein Team und Notion Agent nutzen.
Der Wert liegt nicht in “einer KI, die sich alles merkt”. Er liegt in einer gemeinsamen Gedächtnisschicht, die jeder autorisierte Mensch und jede KI nutzen kann.
Das macht auch Toolwechsel weniger schmerzhaft. Dein operativer Kontext bleibt in einem System, das Dein Team kontrolliert – anstatt in der Chat-Historie eines Modells zu verschwinden.
Solltest Du eine Projekt-Event-Timeline hinzufügen?
Eine Projekt-Events-Datenbank ist eine nützliche optionale fünfte Komponente, wenn Du nachvollziehen musst, wie sich ein Projekt entwickelt hat. Sie erfasst Meilensteine, Risiken, Learnings und bedeutsame externe Inputs jenseits formaler Entscheidungen.
Ich würde sie nicht von Anfang an zur Pflicht machen. Die vier Dokumente lösen bereits das zentrale Orientierungsproblem, während eine Event-Timeline Pflegeaufwand erzeugt und leicht unübersichtlich werden kann.
Füge sie hinzu, wenn Du regelmäßig Folgendes brauchst:
- Detaillierte Retrospektiven durchführen
- Nachvollziehen, warum ein Projekt die Richtung geändert hat
- Meilensteine und aufkommende Risiken über die Zeit verfolgen
- Wesentlichen Input von Kunden oder Stakeholdern bewahren
- Muster über mehrere Projekte hinweg verstehen
Ich teste noch, wie viel Mehrwert die zusätzliche Timeline gegenüber dem Aufwand bringt, sie sauber zu halten. Starte mit dem Vier-Dokumente-Modell und erweitere, wenn die fehlende Historie ein echtes Problem verursacht.
Wie baust Du Dein eigenes Notion AI Gedächtnissystem?
Starte mit einem aktiven Projekt und vier einfachen Seiten. Du brauchst keine komplexe Agent-Architektur, bevor die grundlegende Gewohnheit ihren Nutzen beweist.
- Erstelle eine Relation zwischen Deinen Projects– und Documents-Datenbanken.
- Füge Templates für Project Brief, Where We Are, Decisions und Domain Language hinzu.
- Erstelle einen Seeding-Skill, der die vier Seiten generiert und verknüpft.
- Erstelle einen Curation-Skill, der den aktuellen Kontext liest und nur das aktualisiert, was sich geändert hat.
- Sage Deinen Aufgaben- und Meeting-Workflows, wann dieser Curation-Skill aufgerufen werden soll.
- Teste das System an echter Arbeit und entferne alles, was niemand nutzt.
Notions Guidance für KI-Agenten macht denselben übergeordneten Punkt: Halte den Kontext eng und weise einen Agent auf die spezifischen Seiten und Datenbanken hin, die er braucht.[4] Mehr Kontext ist nicht automatisch besserer Kontext.
Pro-Tipp: Starte mit manueller Auslösung. Sobald Du den Outputs vertraust und weißt, welche Ereignisse eine Aktualisierung auslösen sollten, kannst Du in Betracht ziehen, einen Custom Agent einzusetzen, um Teile des Workflows automatisch auszuführen.
📬 41 kostenlose Notion-Ressourcen erhalten und den Newsletter abonnieren →
💼 Brauchst Du die Unterstützung zertifizierter Notion Berater? Mein Team und ich helfen gern!
Häufig gestellte Fragen
Kann Notion AI sich an frühere Gespräche erinnern?
Notion AI kann Inhalte aus Deinem Workspace und verbundenen Apps nutzen – aber Du solltest Dich nicht auf den Chat-Verlauf als Projektquelle verlassen. Speichere dauerhaften Kontext in gepflegten Projektdokumenten, damit das nächste Gespräch mit einem expliziten, gemeinsamen Stand beginnt.
Was ist der Unterschied zwischen Notion AI Instructions und Memory?
Instructions definieren, wie sich Dein Agent über Gespräche hinweg verhalten soll, während Memory erfasst, was über ein bestimmtes Projekt wahr ist. Ton und Arbeitsregeln gehören in Instructions; Status, Risiken und Projektentscheidungen gehören in Memory.
Muss Notion AI alle vier Dokumente jedes Mal lesen?
Nein. Where We Are sollte meist das erste Orientierungsdokument sein, während die anderen Seiten geladen werden können, wenn die Aufgabe strategischen, historischen oder Terminologie-Kontext benötigt. Das hält den Abruf schnell, ohne wichtige Details zu verstecken.
Wie oft sollte das Projektgedächtnis aktualisiert werden?
Aktualisiere es, wenn Arbeit den Stand, die Richtung, die Risiken, das Vokabular oder die nächsten Schritte des Projekts wesentlich verändert. Vermeide Aktualisierungen für triviale Aktivitäten – sonst werden die Dokumente unübersichtlich und funktionieren nicht mehr als verlässliches Briefing.
Kann ein Custom Agent das Projektgedächtnis automatisch pflegen?
Ein Custom Agent kann auf Notion- oder Slack-Events reagieren und nach einem Zeitplan laufen.[5] Folgenreiche Interpretationen profitieren jedoch weiterhin von menschlicher Überprüfung. Automatisiere zunächst die Erfassung und Routineaktualisierungen; halte urteilsintensive Änderungen beaufsichtigt, bis der Workflow Dein Vertrauen verdient hat.
