Du lieferst die Quellen. Der Agent schreibt das Wiki.

Füge eine URL ein oder lade ein PDF hoch. Der Agent liest die Quelle, fasst das Wesentliche auf einer Seite zusammen, verknüpft sie mit passenden Seiten und aktualisiert die Übersicht. Cursor, Claude Code, Claude.ai und ChatGPT greifen über MCP auf dasselbe Wiki zu – lesend mit einem Reader-Zugang, schreibend nur mit einem eigens berechtigten Librarian-Zugang. Wissen bleibt nicht in einzelnen Chats stecken.

Eigene Installation einrichten

Mit Docker Compose und PostgreSQL auf eigener Infrastruktur betreiben. Ein Modellanbieter ist nur für den optionalen Web-Agenten nötig.

Konten gibt es nur auf Einladung: Die erste Admin-Person entsteht bei der Einrichtung und lädt alle weiteren ein. Schon eingeladen? Melde dich in deiner Installation an.

Die kurze Tour ansehen

Eine vom Agenten erstellte Wiki-Seite mit Titel, dem Namen des verfassenden Agenten, Text und Rückverweis auf die Quelle. — Ein Agent hat diese Seite aus einem Webartikel erstellt: In 51 Sekunden entstanden eine Zusammenfassung, vier Rückverweise und eine aktualisierte Übersicht.

Das LLM-Wiki-Muster von Andrej Karpathy aus dem Jahr 2026 – drei Ebenen, drei Arbeitsabläufe und ein von KI gepflegtes Markdown-Wiki. Central LLM Wiki macht es selbst hostbar und verbindet es mit den Agenten, die du bereits nutzt. Karpathys Original lesen · Unsere Umsetzung

Was geschieht, wenn eine Quelle hinzukommt?

Die Quelle wird nicht einfach abgelegt, damit die KI bei jeder Frage ein paar Textstellen heraussucht. Der Agent liest sie vollständig, erstellt eine Zusammenfassung, legt Seiten für neue Konzepte und Personen an, markiert Widersprüche und aktualisiert anschließend Übersicht und Protokoll. Spätere Antworten stützen sich auf dieses ausgearbeitete Wissen und nennen die verwendeten Seiten.

[2026-09-04] ingest | Andrej Karpathy: llm-wiki

Quelle: raw/sources/llm-wiki.md
Quellenzusammenfassung erstellt: wiki/sources/karpathy2026llmwiki.md
Konzeptseite erstellt: wiki/concepts/llm-wiki-pattern.md
Konzeptindex aktualisiert: wiki/concepts/README.md
Bestehende Themenseite aktualisiert: wiki/llm-wiki-pattern.md
Inhaltsverzeichnis aktualisiert: wiki/index.md

18 Schritte · 51 s · ca. 0,08 US-Dollar

Ein echter Durchlauf mit google/gemini-flash. Der Agent hat diesen Eintrag selbst in wiki/log.md geschrieben.

Die nächste Quelle ergänzt das Wiki, statt neu anzufangen

Aus dem ersten Artikel entstand eine Seite über Google Taiwan. Neun Minuten später kam ein weiterer Bericht hinzu. Der Agent fand die vorhandene Seite, ergänzte zwei Abschnitte und sieben Punkte und fügte 16 Links hinzu. Aus v1 wurde v2 – und v1 blieb erhalten. Je mehr Quellen hinzukommen, desto gehaltvoller werden die Seiten. So wächst Wissen mit jeder Ergänzung, statt bei jeder Suche wieder von vorn zu beginnen.

v1Nach der ersten Quelle · 5. September, 23:02

Version 1 der Seite „Google Taiwan“: Einführung und Abschnitt zu größeren Investitionen und Standorten.

v2Nach der zweiten Quelle · 5. September, 23:11

Version 2 derselben Seite mit zusätzlichen Abschnitten zum Rechenzentrum in Changhua und zur Wassernutzung.

Diese Demo-Wissensdatenbank: 11 Quellen → 39 Seiten → 216 Links.

Wissen wird zu einem Graphen

Jeder [[Link]] und jedes [@Zitat] bildet eine Kante im Graphen. Mit jeder Quelle treten zentrale Seiten deutlicher hervor: Welche Themen werden durch mehrere Quellen gestützt, und welche stehen noch allein? Die Zeitachse zeigt, wie das Wiki gewachsen ist.

Graph der Demo-Wissensdatenbank mit mehreren Clustern; dicht verbundene Knoten sind Seiten, auf die viele Quellen verweisen.

In drei Schritten zum ersten Ergebnis

Quelle hinzufügen
URL einfügen, PDF oder Word-Datei hochladen, Text einfügen oder eine .bib-Datei importieren. Originalquellen liegen unverändert unter raw/.
Vom Agenten ausarbeiten lassen (Ingest)
Mit „Prompt für Remote-Agenten kopieren“ übergibst du die Quelle an deinen verbundenen Librarian-Agenten, etwa in Cursor oder Claude Code. Optional erledigt das auch die lokale KI im Browser mit deinem eigenen API-Schlüssel – meist in etwa einer Minute.
Fragen, suchen und prüfen
Antworten im Chat (Query) verweisen auf die verwendeten Seiten; gute Antworten lassen sich im Wiki speichern. Die Prüfung (Lint) findet verwaiste Seiten, defekte Links und Widersprüche.

In 15 Sekunden: Quelle einfügen, neue Seite ansehen und eine Frage stellen.

Deine Agenten können direkt mit dem Wiki arbeiten

Ein MCP-Server ist bereits integriert. Cursor und Claude Code verbindest du mit einem Token; Claude.ai und ChatGPT über eine Anmeldung (OAuth, nur lesend). Verbundene Agenten können die für ihre Zugangsdaten verfügbaren Projekte entdecken und innerhalb ihrer Berechtigungen arbeiten. Schreibwerkzeuge gibt es nur mit ausdrücklich berechtigten Librarian-Zugangsdaten; der Server prüft jeden Aufruf. Gleichzeitige Änderungen gehen nicht verloren – wer später speichert, erhält die aktuelle Version.

{
  "mcpServers": {
    "central-llm-wiki": {
      "url": "https://orakel.marcobartsch.de/mcp",
      "headers": {
        "Authorization": "Bearer clw_live_… (in den Einstellungen erstellt)"
      }
    }
  }
}

Einstellungen → Agent verbinden erstellt einen Reader-Zugang und genau diese Konfiguration für mcp.json.

Für die Forschung: Zitate mit automatisch erstelltem Literaturverzeichnis

Füge die URL oder DOI eines Artikels ein; bibliografische Angaben werden über Crossref, arXiv oder PubMed ergänzt. Ein [@citekey] im Wiki wird als (Autor, Jahr) angezeigt und mit der Quelle verknüpft. Am Seitenende entsteht automatisch ein Literaturverzeichnis. BibTeX und CSL-JSON lassen sich importieren und exportieren. Die Forschervorlage weist den Agenten an, dieses Zitierformat zu verwenden.

Wiki-Seite mit dem Zitat [@fauchie2023the], dargestellt als (Fauchié, 2023), und automatisch erstelltem Literaturverzeichnis.

Von Grund auf selbst hostbar

Docker Compose startet die Anwendung und PostgreSQL – auf einem eigenen Docker-Host hinter HTTPS oder in Coolify.
Du verwaltest Einladungen, Rollen, Projekte, Datenbank, Verschlüsselungsschlüssel und Sicherungen.
Den KI-Anbieter für den optionalen Web-Agenten wählst du selbst; die Nutzung rechnet er direkt mit dir ab.

Unter Apache-2.0 quelloffen. Quellcode und Installationsanleitung: GitHub

Open Source. Deine Daten bleiben deine.

Der Quellcode steht auf GitHub unter der Apache-2.0. Dein Wiki liegt in deiner eigenen Installation und lässt sich jederzeit als Obsidian-kompatibles Markdown-ZIP exportieren; die Literatur kannst du als .bib ausgeben. Die Oberfläche ist auf Deutsch und Englisch verfügbar, die Inhalte können in jeder Sprache verfasst sein.

Häufige Fragen

Brauche ich einen API-Schlüssel?: Nicht unbedingt. Bei Cursor, Claude oder einem anderen MCP-Client läuft der Agent mit dem dort eingerichteten Modellanbieter. Nur der optionale Web-Agent im Browser benötigt einen API-Schlüssel, den du in den Einstellungen hinterlegst.
Wie bekomme ich ein Konto?: Central LLM Wiki hat keine offene Registrierung. Wer eine Installation betreibt, legt bei der Einrichtung die erste Admin-Person an; Admins laden weitere Personen als Admin oder Editor ein und legen fest, welche Projekte sie lesen oder bearbeiten dürfen. Einrichtung
Was, wenn der Agent einen Fehler macht?: Jede Änderung erhält eine Version, die du mit einem Klick wiederherstellen kannst. Du kannst die Seite auch selbst bearbeiten, den Agenten im Chat korrigieren oder die Regel unter schema/ festhalten.
Wie unterscheidet sich das von NotebookLM?: NotebookLM durchsucht bei jeder Frage die Quellen erneut. Central LLM Wiki arbeitet sie zu dauerhaften Seiten aus, die Cursor und Claude lesen und – mit einem Librarian-Zugang – auch bearbeiten können. Vergleich ansehen
Kann ich meine Daten mitnehmen?: Jederzeit. In den Einstellungen kannst du das Wiki als Markdown-ZIP und die Literatur als .bib exportieren. Alle Daten liegen ohnehin in deiner eigenen PostgreSQL-Datenbank; der Quellcode ist offen.