Im April 2026 hat Andrej Karpathy eine einzelne Markdown-Datei auf GitHub gestellt: ein sogenanntes GitHub Gist. Keinen Code, kein Produkt. Eine Idee. 16 Millionen Aufrufe später baut die halbe KI-Szene Second Brains nach seinem Muster.
Karpathy ist Gründungsmitglied von OpenAI und war Director of AI bei Tesla. Einer der nüchternsten Köpfe im Feld. Wenn er etwas als nützlich markiert, lohnt das Hinsehen. Sein Ansatz ist schon wegen seiner Einfacheit überzeugend.
Das Muster, das gerade alle nachbauen
Die meisten nutzen LLMs als Suchschicht. Du lädst Dokumente hoch, stellst eine Frage, bekommst eine Antwort, gehst weiter. Das System merkt sich nichts. Bei der nächsten Frage fängt es wieder bei null an und kramt sich die Fragmente neu zusammen. Klassisches RAG.
Karpathys Muster dreht die Rolle des Modells um. Das Modell baut und pflegt ein eigenes Wiki zwischen Dir und den Rohquellen.
So läuft das: Du legst eine neue Quelle ab, einen Artikel, ein Protokoll, eine Mitschrift. Das Modell liest sie, zieht das Wesentliche heraus und arbeitet es in bestehende Seiten ein. Es aktualisiert Stichwortseiten, schärft Zusammenfassungen, markiert, wo neue Daten alten widersprechen. Eine einzige Quelle berührt schnell zehn bis fünfzehn Wiki-Seiten. Das Wissen wird einmal verdichtet und danach aktuell gehalten.
Das Ergebnis ist ein Speicher, der mit jeder Quelle wächst. Die Querverweise stehen schon da. Die Widersprüche sind schon markiert. Du kuratierst Quellen und stellst Fragen. Die Fleißarbeit übernimmt das Modell.
Karpathy fasst es in einem Satz: Obsidian ist die IDE, das LLM ist der Programmierer, das Wiki ist der Code.
Die Architektur hat drei Schichten. Die Rohquellen, unveränderlich, Deine Wahrheit. Das Wiki, vom Modell geschrieben und gepflegt. Und eine Schema-Datei, die dem Modell sagt, wie das Wiki aufgebaut ist und nach welchen Regeln es arbeitet. Drei Operationen halten es am Laufen: einpflegen, abfragen, prüfen.
So weit das Muster. Es ist stark. Für einen einzelnen Forscher mit seinen eigenen Notizen ist es nahezu perfekt.
Die Frage, die Karpathy offenlässt
Was passiert, wenn die Quellen keine privaten Notizen sind, sondern Kundengespräche, Verträge, Personaldaten, das Architekturwissen Deines wichtigsten Entwicklers?
Karpathys Gist kennt keine Freigabe. Keinen Datenschutz, keine Pseudonymisierung. Und keine Instanz, die entscheidet, was ins Firmenhirn darf und was draußen bleibt. Für eine Person am eigenen Rechner ist das egal. Für ein Unternehmen ist genau das die ganze Frage.
Ich formuliere es so: Wer das Womit optimiert, ohne das Wofür zu klären, baut teure Automatismen, die keinem mehr gehören.
Karpathy hat das Womit gelöst, die Fleißarbeit der Pflege. Das Wofür und die Eigentumsfrage bleiben offen.
Ein Beispiel aus der Praxis. Dein Leitentwickler trägt die halbe Systemarchitektur im Kopf. Dokumentiert ist wenig. Im Sommer geht er in Rente. Mit ihm geht das Wissen aus der Tür. Ein selbstgebautes LLM-Wiki nach Karpathy-Muster saugt jetzt alles auf, was Du hineinwirfst, auch das, was unter keinen Umständen ungefiltert ins zentrale Wissen gehört. Niemand hat geprüft, was rein darf. Niemand besitzt am Ende klar, was drinsteht.
Wo KBS-BRAIN ansetzt
Genau an dieser Lücke arbeitet KBS-BRAIN. Dasselbe Fundament: Claude Code, Git, lokal auf Deinen Rechnern, strukturiertes Markdown. Du behältst die Hoheit über Deine Daten, weil sie Deine Maschinen nie verlassen.
Der Unterschied liegt in der Schicht, die das Gist nicht hat. Drei Punkte zählen.
Erstens ein Dreischichtfilter nach der NKU-Logik. Jede Quelle läuft durch drei Lesarten, bevor sie ins Wiki einzieht: neutral, kritisch, unterstützend. Das Wiki bewertet, bevor es speichert.
Zweitens ein Freigabe-Tor beim Einpflegen. Nicht alles, was abgelegt wird, landet automatisch im Firmenhirn. Es gibt eine Station, an der entschieden wird, was hineindarf.
Drittens die Wissenshoheit. Lokal, in Git, versioniert, nachvollziehbar. Du siehst jede Änderung. Du besitzt jede Seite. Kein fremder Server liest mit.
Das Ziel ist klar: strukturiertes, geprüftes Firmenwissen in 90 Tagen. Ein System, das Dein Unternehmen behält, auch wenn der Leitentwickler in Rente geht.
Was das für Dich heißt
Karpathy hat gezeigt, dass die Kategorie funktioniert. Das ist die gute Nachricht für jeden, der über sein eigenes Wissen nachdenkt. Die Frage für Unternehmen beginnt eine Schicht tiefer, bei Freigabe, Datenschutz und Eigentum.
Wenn Du das Karpathy-Muster gesehen hast und Dich fragst, wie es den Kontakt mit echten Firmendaten überlebt, dann lass uns 30 Minuten darüber sprechen: 30 Minuten KBS-BRAIN-Gespräch buchen.
Quelle der zugrunde liegenden Idee: Andrej Karpathy, „LLM Wiki“ (GitHub Gist, April 2026). gist.github.com/karpathy