Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com7. Juli 2026 · Q010901

I Tested 5 ‘LLM Wiki’ Implementations So You Don’t Have To

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor testete fünf junge „LLM Wiki“-Werkzeuge eine Woche lang mit denselben zehn Quellen und fünf Fragen. Er lobt besonders klare Schemas, sorgfältige Quellenaufnahme und zugängliche Darstellung; seine Favoriten sind Obsidian-llm-wiki für bestehende Obsidian-Nutzer und engram für technisch versierte Anwender. Die Einschätzung beruht auf einem persönlichen Test: Alle Werkzeuge seien noch früh, verursachten teils Reibung und benötigten weiterhin manuell zugeführte Quellen.

Mittel

Der Autor vergleicht fünf frühe Umsetzungen von Karpathys „LLM Wiki“-Muster: unveränderte Originalquellen werden von einem Sprachmodell in verknüpfte Notizseiten überführt und anhand eines Schemas gepflegt. Für alle Werkzeuge nutzte er dieselben zehn Quellen und fünf Fragen, darunter eine quellenübergreifende; bewertet wurden Einrichtung, Aufnahmequalität, Antwortgenauigkeit und Nutzung am siebten Tag. Es handelt sich um einen persönlichen einwöchigen Praxistest.

Engram überzeugte den Autor mit strenger Prüfung und gepflegten Verknüpfungen, erfordere aber Terminalkenntnisse. Tome machte die Sammlung als Website gut zugänglich, ließ laut Test jedoch in zwei Zusammenfassungen Punkte aus. Obsidian-llm-wiki sei für bestehende Obsidian-Nutzer besonders passend; die Videoaufnahme gefiel dem Autor, allerdings sei das Werkzeug auf Cursor ausgerichtet. pm-llm-wiki lieferte seiner Einschätzung nach dank seines Produktmanagement-Schemas besonders nützliche Fachantworten. jarvis-vault wurde wegen unerwünschter und mehrfacher Ablage verworfen.

Der Autor folgert, dass klare Fachregeln und gute Quellenaufnahme entscheidend seien und eine browsbare Darstellung zur regelmäßigen Nutzung beitragen könne. Er betont zugleich, dass alle Projekte sehr jung seien, Quellen weiterhin manuell zugeführt werden müssten und intensive Nutzung laut Bericht zwei bis vier Dollar API-Kosten am Tag verursachen könne. Für Menschen mit einem funktionierenden Notizsystem sieht er keinen zwingenden Wechselgrund.

Ausführlich lesen

Der Bericht schildert den einwöchigen Praxistest des Autors mit fünf frühen Umsetzungen von Andrej Karpathys „LLM Wiki“-Muster. Gemeint ist eine Wissenssammlung aus unveränderten Originalquellen, verknüpften Markdown-Seiten, die ein Sprachmodell pflegt, und einer Schema-Datei mit Regeln für diese Arbeit. Der Autor beschreibt drei zentrale Abläufe: Quellen aufnehmen, Fragen stellen und die Sammlung aufräumen lassen. Seine These: Neue Quellen können vorhandenes Wissen ergänzen und neu verknüpfen, sofern das Modell durch klare Regeln geführt wird.

Für den Vergleich gab der Autor allen fünf Werkzeugen dieselben zehn Quellen: vier Artikel, drei YouTube-Transkripte, zwei X-Beiträge und ein PDF. Anschließend stellte er fünf identische Fragen mit steigendem Schwierigkeitsgrad, darunter eine, die eine Verbindung zwischen zwei zunächst unabhängigen Quellen erforderte. Bewertet wurden Einrichtungsaufwand, Qualität der Aufnahme, Genauigkeit beim Abruf und die Funktionsfähigkeit am siebten Tag. Die Ergebnisse beruhen auf diesem persönlichen Test und sind keine umfassende oder unabhängige Produktbewertung.

Engram erhielt das beste Urteil für technische Disziplin: Laut Autor prüft ein Kommandozeilenwerkzeug Metadaten, Suchindizes und Verknüpfungen, während der Agent die inhaltliche Arbeit übernimmt. Nach zehn Quellen seien keine verwaisten Seiten oder defekten Links aufgetreten. Die Einrichtung setze jedoch Terminal- und npm-Kenntnisse voraus. Tome überzeugte den Autor durch eine veröffentlichbare Website mit Rückverweisen und Graphansicht, die zum Stöbern einlade; bei zwei längeren Transkripten hätten Zusammenfassungen wichtige Punkte ausgelassen.

Für Menschen mit bestehendem Obsidian-Vault empfiehlt der Autor obsidian-llm-wiki als besonders einfachen Einstieg. Als stärkste Einzelfunktion nennt er „video2wiki“: Aus einem 40-minütigen Vortrag seien eine Zusammenfassung, vier Konzeptseiten und Verknüpfungen zu vorhandenen Notizen entstanden. Das Werkzeug sei jedoch auf Cursor ausgerichtet; Nutzer anderer Agenten müssten die Fähigkeiten anpassen. pm-llm-wiki, auf Produktmanagement zugeschnitten, habe besonders nützliche Antworten zu Entscheidungen, Risiken und Beteiligten geliefert. Der Autor führt das auf das Fachschema zurück und empfiehlt, die Struktur an den eigenen Arbeitsbereich anzupassen. jarvis-vault habe dagegen zu viel automatische Ablage versprochen: Der Autor berichtet von einer unerwünschten Ordnerstruktur und mehrfach abgelegten Inhalten und löschte es während des Tests.

Als übergreifende Erkenntnisse hebt der Autor die Bedeutung des Schemas, eine sorgfältige Quellenaufnahme und eine ansprechende Darstellung hervor. Strenge Regeln hätten seiner Einschätzung nach verlässlichere Ergebnisse erbracht als weitgehend automatische Organisation; die Qualität der Aufnahme sei für schwierige, quellenübergreifende Fragen wichtiger gewesen als raffinierter Abruf. Zugleich seien alle fünf Projekte weniger als zwei Wochen alt gewesen, hätten Reibungspunkte und könnten an intensiven Aufnahmetagen laut Bericht zwei bis vier Dollar an API-Kosten verursachen. Quellen müsse man weiterhin selbst zuführen. Wer bereits ein funktionierendes Notizsystem regelmäßig nutzt, brauche diese Werkzeuge nach Ansicht des Autors nicht unbedingt. Sein persönlicher Favorit für den Alltag ist obsidian-llm-wiki; engram will er weiter beobachten und die fachbezogene Schema-Idee von pm-llm-wiki übernehmen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist ein Medium-Praxistest von fünf Werkzeugen rund um Karpathys „LLM Wiki“-Muster für persönliche Notizen. Er hat kaum Bezug zu den Sicherheitsfragen. Lunas Zusammenfassung ist im Kern treu, lässt aber das Drei-Ebenen-Modell und die Erkenntnis zur Ingest-Qualität aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die drei Ebenen des Musters (Rohquellen, vom LLM gepflegte Seiten, Schemadatei) sowie die Operationen ingest, query und lint
  • Die Kernerkenntnis des Autors, dass die Qualität der Quellenaufnahme (ingest) für Antworten auf schwierige, quellenübergreifende Fragen wichtiger ist als raffinierte Abfragetechnik

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 43 %beantwortet teilweise oder widerspricht
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 20 %beantwortet teilweise oder widerspricht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %beantwortet teilweise oder widerspricht
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →