Zuletzt aktualisiert: 27. Juli 2026
Ein Notion Knowledge Agent sollte mehr tun als Fragen beantworten. Das beste Setup verwandelt jede Frage in eine Chance, deine Dokumentation zu verbessern — Lücken finden, Korrekturen weiterleiten und dein Unternehmens-Wiki nützlich halten, während dein Team wächst.
Das ist die Idee hinter Nimbus, dem Knowledge Agent, den ich für diesen Workflow gebaut habe.
Auf den ersten Blick sieht es wie ein einfacher Ask-Anything-Bot aus. Darunter verbindet es einen Custom Agent, wiederverwendbare Skills und vier verbundene Datenbanken zu einer sich selbst verstärkenden Wissensschleife.
Hier ist, wie das System funktioniert, warum ich es so gebaut habe und was du beim Erstellen deines eigenen beachten solltest.
Warum reicht ein einfacher Ask-Anything-Bot nicht aus?
Ein einfacher Ask-Anything-Bot ruft Informationen ab und gibt dir eine Antwort. Ein richtiger Knowledge Agent bemerkt auch, wenn die Antwort fehlt, unsicher oder veraltet ist — und startet den Prozess, das zu beheben.
Dieser Unterschied ist wichtig, weil die meisten Unternehmens-Wikis unvollständig sind.
Manche Informationen sind veröffentlicht und geprüft. Andere stecken in einem unfertigen Entwurf. Wieder andere existieren nur in einem Produktsystem, einem Slack-Gespräch oder im Kopf eines Teammitglieds.
Dein Agent muss diese Unterschiede erkennen, statt jede Quelle mit derselben Zuversicht zu präsentieren.
Nimbus übernimmt daher drei Aufgaben:
- Wissen beantworten und zitieren aus dem Unternehmens-Wiki.
- Operative Systeme prüfen, wenn das Wiki keine aktuelle Antwort liefern kann.
- Das Wiki verbessern, indem es sichere Korrekturen vornimmt oder Tasks für fehlende Dokumentation erstellt.
Das Ziel ist nicht nur schnellere Suche. Es ist ein System, in dem jede echte Frage die Wissensbasis besser macht.
Was sollte ein Notion Knowledge Agent wirklich tun?
Ein Notion Knowledge Agent sollte die Frage beantworten, die Qualität seiner Belege erklären und dem Nutzenden einen klaren nächsten Schritt geben, wenn die Abdeckung unvollständig ist.
Stell dir vor, jemand fragt, ob der Vertrieb eine Reaktionszeit von zwei Stunden versprechen kann.
Wenn der Agent eine veröffentlichte, geprüfte Richtlinie findet, kann er zuversichtlich antworten und diese Quelle zitieren. Findet er nur einen nicht geprüften Entwurf, sollte er trotzdem helfen — aber klar darauf hinweisen, dass die Richtlinie noch nicht genehmigt wurde.
Wenn keine nützliche Antwort existiert, sollte der Agent das sagen und vorschlagen, einen Knowledge Task zu erstellen.
Das gibt jeder Antwort einen einfachen Vertrag:
- Antwort: Was sagt die verfügbare Evidenz?
- Abdeckung: Wie vollständig und vertrauenswürdig ist diese Evidenz?
- Quellen: Welche Dokumente oder Systeme stützen die Antwort?
- Nächster Schritt: Muss etwas korrigiert, recherchiert oder dokumentiert werden?
Ich protokolliere außerdem jede Frage. Das schafft einen nützlichen Datensatz, um zu analysieren, wo das Wiki funktioniert und wo dein Team immer wieder steckenbleibt.
Mit der Zeit solltest du weniger unbeantwortete Fragen und weniger Follow-up-Tasks sehen. Eine Abdeckungsrate von 80–90 % ist ein sinnvolles Ziel, wenn das System konsequent genutzt und gepflegt wird — kein garantierter Benchmark von Tag eins.
Ein Agent oder mehrere Agents?
Nutze einen Agent, wenn dein Team von einem einzigen, offensichtlichen Einstiegspunkt profitiert. Verteile die Arbeit auf mehrere Agents, wenn die Aufgaben unterschiedliche Verantwortliche, Berechtigungen oder Trigger erfordern.
Nimbus übernimmt mehrere Aufgaben, weil ein Knowledge Agent einfacher einzuführen ist, als alle zu fragen, zwischen separaten Such-, Produkt- und Dokumentations-Agents zu wählen.
Aber es gibt eine Falle: Ein Agent kann schnell zu einem riesigen Prompt werden.
Je länger der Prompt wird, desto schwerer wird es für das Modell, alle Anweisungen zuverlässig zu befolgen. Ich nenne das den Fluch der Anweisungen: Mehr Regeln können den Agent schlechter darin machen, einer einzelnen Regel zu folgen.
Die Lösung ist, den Agent als Koordinator zu behandeln, nicht als Enzyklopädie.
Seine Kernanweisungen bleiben schlank. Sie helfen ihm zu entscheiden, welche Aufgabe passt:
- Das Wiki durchsuchen und eine Frage beantworten
- Ein externes Produktsystem prüfen
- Bestehende Informationen korrigieren
- Eine Wissenslücke protokollieren
- Neu genehmigtes Wissen einpflegen
Sobald der Agent die Aufgabe verstanden hat, lädt er den relevanten Skill und Kontext.
Das ist Progressive Context Disclosure: Gib dem Agent nur die Anweisungen, die er für den aktuellen Schritt benötigt, statt alle möglichen Anweisungen vorab zu laden.
Wie verbessern Skills die Agent-Architektur?
Skills verwandeln wiederholbare Workflows in wiederverwendbare Anleitungsseiten. Sowohl Custom Agents als auch dein persönlicher Notion Agent können sie nutzen, sodass du denselben Prozess nicht in mehreren Prompts duplizieren musst.
Die offizielle Notion Skills-Dokumentation bestätigt, dass Skills reguläre Seiten sind, die für den KI-Einsatz markiert wurden. Du kannst sie mit deinem Team teilen, sie im Agent-Chat erwähnen und Custom Agents Zugriff darauf gewähren.
Für dieses System sind nützliche Skills:
- Eine Wissensfrage beantworten — die verfügbare Evidenz suchen, bewerten und zitieren
- Einen Knowledge Task anlegen — die Lücke, den Kontext, die Priorität und die verantwortliche Person erfassen
- Eine kleine Korrektur vornehmen — ein sicher identifiziertes Dokumentationsstück aktualisieren
- Neues Wissen einpflegen — die kanonische Dokumentation erstellen oder aktualisieren und alte Referenzen bereinigen
Der Agent kann einen Skill automatisch auswählen, aber eine Person kann denselben Skill auch aufrufen, während sie bereits mit Notion Agent arbeitet.
Dieser zweite Weg ist wichtig.
Manchmal soll KI wie eine Kollegin funktionieren: Stelle ihr eine Frage und lass sie die gesamte Schleife steuern. Zu anderen Zeiten löst du das Problem bereits selbst und möchtest nur, dass deine persönliche KI das Ergebnis dokumentiert, ohne alles erneut erklären zu müssen.
Eine gemeinsame Skill-Bibliothek unterstützt beide Modi.
Pro-Tipp: Halte Agent-Zugriff und Skill-Verantwortung getrennt. Der Knowledge Agent braucht normalerweise die Berechtigung, die Skill-Anweisungen zu lesen, nicht neu zu schreiben.
Wie funktioniert die sich selbst verstärkende Wissensschleife?
Die Wissensschleife verwandelt eine Frage in eine Antwort, eine Evidenzprüfung und — wenn nötig — eine dokumentierte Verbesserung.
Ein typischer Durchlauf sieht so aus:
- Nutzende stellen Nimbus eine Frage in Notion oder Slack.
- Nimbus durchsucht die genehmigten Wissensquellen.
- Er bewertet, ob die Abdeckung vollständig, teilweise oder fehlend ist.
- Er gibt eine Antwort mit Quellen und einer Vertrauenswarnung zurück, wo nötig.
- Er protokolliert die Frage und ihre Abdeckungsbewertung.
- Wenn Wissen fehlt, schlägt er einen Task oder eine Korrektur vor.
- Ein Mensch genehmigt jede Schreibaktion.
- Der Task wird von einer Person, einem persönlichen KI-Workflow oder einem anderen Agent erledigt.
- Das neue Wissen wird hinzugefügt, verknüpft und gegen bestehende Seiten geprüft.
Der menschliche Genehmigungsschritt ist bewusst gewählt.
Besonders während der Einführung möchtest du nicht, dass ein enthusiastischer Agent Hunderte von Tasks mit minderer Qualität erstellt oder Dokumentation ohne Überprüfung umschreibt. Beginne mit Bestätigungs-Gates und lockere sie nur für enge, bewährte Aktionen.
Das entspricht Notions aktuellem Sicherheitsmodell: Schreibwerkzeuge, die über MCP verbunden sind, erfordern standardmäßig Bestätigung, während Read-Only-Tools automatisch laufen dürfen.
Welche Datenbanken treiben einen Notion Knowledge Agent an?
Ein praktischer Knowledge Agent braucht vier Datenbanken: Docs, Questions, Skills und Tasks. Jede Datenbank speichert ein anderes Objekt und schafft eine klare Übergabe zwischen Menschen und Agents.
1. Docs
Das ist das kanonische Unternehmens-Wiki.
Behalte eine globale Datenbank für die Unternehmensdokumentation, statt für jede Abteilung ein separates Wiki zu erstellen. Nutze Properties und Relations, um Thema, Verantwortliche, Status und zuständiges Team anzuzeigen.
2. Question Log
Speichere jede Frage, die an den Agent gestellt wird, zusammen mit ihrer Abdeckungsbewertung und den verwendeten Quellen.
Das verwandelt verstreute Gespräche in messbare Nachfrage. Du siehst, welche Themen immer wieder für Verwirrung sorgen und ob das Wiki sich im Laufe der Zeit verbessert.
3. Skills
Speichere wiederverwendbare KI-Workflows in einer zentralen Bibliothek.
Eine gemeinsame Skills-Datenbank verhindert, dass jeder Agent eine leicht abweichende Kopie derselben Anweisungen trägt. Sie ermöglicht außerdem, dass mehrere Agents und Menschen denselben Einpflege- oder Dokumentations-Workflow wiederverwenden.
4. Tasks
Erstelle einen Task, wenn das System Recherche, eine Korrektur, einen neuen Artikel oder eine größere Umstrukturierung benötigt.
Wenn du bereits eine unternehmensweite Task-Datenbank hast, nutze sie. Du brauchst keinen speziellen Task-Tracker für jeden KI-Workflow.
Entscheidend ist der Kontext, der dem Task beigefügt wird: die ursprüngliche Frage, die bereits gefundene Evidenz, die Zieldokumentation und der empfohlene nächste Skill.
So beginnt die nächste Person nicht auf einem leeren Blatt.
Wo sollte der Agent seine Informationen beziehen?
Unternehmensinformationen befinden sich meist an einem von drei Orten: nativ in Notion, aus einem anderen System gespiegelt oder in einem externen Tool gespeichert und bei Bedarf abgefragt.
Diese Unterscheidung hilft dir zu entscheiden, wo die Single Source of Truth liegen sollte und wie der Agent sie erreichen soll.
| Datenmuster | Am besten für | So nutzt der Agent es | Beispiel |
|---|---|---|---|
| Nativ in Notion | Dokumentation und strukturierte Workflows, die Notion gehören | Liest oder aktualisiert Seiten und Datenbanken direkt | Richtlinien, Projektdaten, Kampagnenpläne |
| Nach Notion gespiegelt | Externe Datensätze, die von First-Class-Notion-Zugriff profitieren | Fragt eine einseitig synchronisierte Notion-Datenbank ab, während das Originalsystem maßgeblich bleibt | Salesforce-Accounts, Intercom-Tickets |
| Extern abgefragt | Spezialisierte oder hochvolumige Systeme, die außerhalb von Notion bleiben sollten | Nutzt eine MCP-Verbindung oder einen Notion Worker, um Live-Informationen abzurufen | GitHub-Repositories, Snowflake-Tabellen |
Nativ in Notion
Nutze native Notion-Seiten und Datenbanken, wenn Notion den Workflow oder die Dokumentation besitzt.
Richtlinien, Betriebsabläufe, Projekte und Meeting-Wissen sind natürliche Beispiele. Der Agent erhält First-Class-Zugriff, ohne eine weitere Integration pflegen zu müssen.
Extern gespiegelte Daten
Spiegel externe Datensätze, wenn der operative Workflow woanders bleibt, die Daten aber einfach genug sind, um sie in einer Notion-Datenbank darzustellen.
Eine Einweg-Synchronisierung kann Salesforce-Accounts oder Intercom-Tickets in Notion bringen, während diese Tools die Single Source of Truth bleiben. Dein Agent kann dann die gespiegelten Daten neben dem Rest deines Workspace abfragen.
Extern live abgefragte Daten
Behalte spezialisierte Daten in ihrem Originalsystem, wenn eine Duplizierung mehr Probleme schafft, als sie löst.
GitHub-Repositories gehören zu GitHub. Große Analysedatensätze gehören in Tools, die für Millionen von Datensätzen gebaut sind. Dein Knowledge Agent kann sie trotzdem über MCP-Verbindungen oder Workers nutzen.
Notion unterstützt derzeit Custom Agent-Verbindungen zu Tools wie GitHub, Figma und anderen Diensten, während benutzerdefinierte MCP-Server zusätzliche Lese- und Schreibwerkzeuge bereitstellen können. Der offizielle Custom Agents-Leitfaden macht auch einen wichtigen Sicherheitshinweis: Ein Agent greift nur auf die Seiten, Datenbanken und externen Apps zu, die ihm explizit gewährt werden.
Wie sollte neues Wissen dem Wiki hinzugefügt werden?
Neues Wissen hinzuzufügen sollte den gesamten Informationsgraph aktualisieren — nicht eine weitere isolierte Seite erstellen.
Der Einpflege-Skill folgt einem Ansatz ähnlich dem LLM Wiki-Muster von Andrej Karpathy: Neue Quellinhalte in strukturierte, verknüpfte Dokumentation umwandeln, die ein Agent navigieren kann.
Wenn neue Informationen eintreffen, sollte der Skill:
- Das genehmigte Quellmaterial lesen.
- Die kanonische Seite identifizieren, die die Informationen enthalten sollte.
- Diese Dokumentation erstellen oder aktualisieren.
- Links zu verwandten Konzepten, Teams und Prozessen hinzufügen.
- Bestehende Seiten auf veraltete oder widersprüchliche Aussagen prüfen.
- Den ursprünglichen Knowledge Task aktualisieren und den Evidenzpfad bewahren.
Den fünften Schritt übersieht man leicht.
Wenn eine alte Seite sagt “Wir haben die Sachkostenpauschale noch nicht festgelegt”, reicht es nicht, eine neue Richtlinie zu erstellen. Die alte Aussage muss ebenfalls entfernt oder korrigiert werden.
Menschen überspringen diesen Durchlauf oft, weil sie in Eile sind. Ein dedizierter Skill kann ihn jedes Mal konsequent ausführen.
Warum sind menschliche Überprüfung und Verantwortung noch wichtig?
KI kann Wissensarbeit ausführen und weiterleiten, aber jedes wichtige Dokument sollte noch einen menschlichen Verantwortlichen haben.
Setze eine Owner-Property auf Dokumente und Tasks, idealerweise mit der erstellenden Person als Standard. Dann weiß der Agent immer, wer eine Aussage verifizieren, eine Änderung genehmigen oder die Verantwortung für eine Lücke übernehmen kann.
Menschliche Überprüfung ist besonders wichtig für:
- Richtlinien und vertragliche Verpflichtungen
- Nicht geprüfte Entwürfe
- Änderungen auf Basis mehrdeutiger Evidenz
- Schreibaktionen in externen Systemen
- Dokumentation, die einem anderen Team gehört
Du kannst mehr automatisieren, sobald der Workflow stabil ist. Entferne Verantwortlichkeit nicht einfach, weil der Agent in der Lage ist, zu handeln.
Wie kannst du deinen eigenen Notion Knowledge Agent bauen?
Beginne mit einer engen Frage-Antwort-Schleife und füge Verbesserungs-Workflows hinzu, nachdem du den Antworten und der Evidenzbehandlung vertrauen kannst.
Ein praktischer Rollout sieht so aus:
- Die zu erledigenden Aufgaben definieren. Entscheide, was der Agent beantworten, prüfen und verbessern soll.
- Die vier Kerndatenbanken erstellen. Docs, Questions, Skills und Tasks.
- Den Antwort-Vertrag formulieren. Verlange eine Antwort, eine Abdeckungsbewertung, Quellen und einen nächsten Schritt.
- Separate Skills erstellen. Halte Suche, Korrektur, Task-Erstellung und Einpflege modular.
- Eine Vertrauenshierarchie festlegen. Veröffentlichte und geprüfte Quellen sollten Entwürfe und informelle Notizen übertrumpfen.
- Minimalen erforderlichen Zugriff gewähren. Füge nur die Seiten, Datenbanken und Verbindungen hinzu, die für den Workflow benötigt werden.
- Menschliche Bestätigungs-Gates einbauen. Verlange Bestätigung für Tasks, Korrekturen und externe Schreibaktionen.
- Echte Fragen testen. Schließe Fälle mit vollständigen, teilweisen, fehlenden und widersprüchlichen Informationen ein.
- Abdeckung im Laufe der Zeit messen. Nutze das Question Log, um zu entscheiden, was als nächstes verbessert werden soll.
Optimiere nicht für die beeindruckendste Demo. Optimiere für eine Schleife, der dein Team vertraut und die es immer wieder nutzt.
Den vollständigen Nimbus-Workflow siehst du im Video-Walkthrough. Das herunterladbare Setup, einschließlich der Datenbanken und Skills, ist in der Videobeschreibung verlinkt.
41 kostenlose Notion-Ressourcen und den MF Consulting Newsletter holen →
Häufig gestellte Fragen
Was ist ein Notion Knowledge Agent?
Ein Notion Knowledge Agent ist ein Custom Agent, der Fragen anhand der genehmigten Informationen deines Unternehmens beantwortet und dabei hilft, diese Informationen im Laufe der Zeit zu pflegen. Ein vollständiges Setup kann auch Fragen protokollieren, fehlende Dokumentation identifizieren und Verbesserungen an Menschen oder andere Agents weiterleiten.
Kann ein Notion Custom Agent Skills nutzen?
Ja. Skills sind Notion-Seiten, die für den KI-Einsatz markiert sind, und ein Custom Agent kann sie ausführen, wenn er Zugriff auf diese Seiten hat. Damit können mehrere Agents und Menschen denselben wiederholbaren Workflow teilen, ohne Anweisungen zwischen Prompts zu kopieren.
Sollte ein Knowledge Agent Dokumentation automatisch bearbeiten dürfen?
Beginne mit menschlicher Bestätigung für Bearbeitungen und Task-Erstellungen. Sobald eine enge Aktion sich als sicher und konsistent erwiesen hat, kannst du sie automatisch laufen lassen, während du Bestätigungs-Gates für Änderungen mit höherem Risiko beibehältst.
Kann ein Notion Agent externe Tools durchsuchen?
Ja. Custom Agents können unterstützte Verbindungen und MCP-Server nutzen, um aus externen Systemen zu lesen oder in ihnen zu agieren. Du kannst auch Notion Workers verwenden, um externe Datensätze in Notion zu synchronisieren oder spezialisierte Tools für einen Agent bereitzustellen.
Welche Datenbanken braucht ein Knowledge Agent?
Ein solides Fundament nutzt vier Datenbanken: Docs, Questions, Skills und Tasks. Zusammen speichern sie das Quellwissen, verfolgen die Nachfrage, definieren wiederverwendbare Workflows und verwalten die Arbeit, die notwendig ist, um Lücken zu schließen.
