faktwerk

Warum faktwerk

Je mehr KI ein Team einsetzt, desto mehr Ergebnisse entstehen: Entwürfe, Zusammenfassungen, Erklärungen zu Code, zerlegte Tickets, Risikoschätzungen. Sie wachsen schneller, als jemand sie lesen kann. Wer den Überblick behalten will, muss wissen, woher jede Aussage stammt, ob sie noch stimmt und was eine Änderung weiter oben bedeutet.

Am schwersten trifft es die, die nicht aus dem Fach kommen. Das Marketing will wissen, was drei Dutzend Pull Requests für die nächste Kampagne heißen – ohne den Code zu lesen. Die Geschäftsführung braucht eine Seite, die Entwicklung alle Details. Am Ende gibt es drei Dokumente, und keiner weiß, ob die Zahlen darin noch zueinander passen.

faktwerk dreht das um: Jede Aussage gibt es genau einmal, als Fakt. Alles andere ist nur eine Sicht darauf.

Ein Fakt, viele Sichten

Ein Fakt ist die kleinste Einheit Wissen – eine Beschreibung, eine Kennzahl, ein Feature aus einem Pull Request. Er weiß, aus welchem System er kommt und wie man dorthin zurückfindet. Fakten entstehen aus den Werkzeugen, die ein Team ohnehin nutzt: GitHub, GitLab, Jira oder freie Dokumente.

Eine Sicht stellt Fakten für eine Rolle oder einen Arbeitsablauf zusammen, wie ein Inhaltsverzeichnis. Dieselben Fakten erscheinen in vielen Sichten, jeweils anders sortiert, gruppiert und unterschiedlich tief. Als Bericht zum Lesen, als Tabelle mit Kennzahlen und später als räumliches Modell für eine Brille.

Ändert sich ein Fakt, zeigt jede Sicht sofort den neuen Stand. Kopiert wird nichts.

Hineinzoomen statt alles lesen

Fakten liegen auf Ebenen. Ganz unten steht die Quelle, etwa ein Pull Request oder ein Ticket. Darüber stehen Fakten, die daraus abgeleitet sind: die einzelnen Features, ihre fachliche und technische Beschreibung. Ganz oben eine Zusammenfassung, die die Ebenen darunter in wenigen Sätzen erklärt.

Jede Sicht startet oben und bleibt verständlich. Wer mehr wissen will, zoomt hinein – muss aber nicht. Und jeder Fakt kennt seine Eltern: Von jeder Zusammenfassung führt ein Weg zurück bis zur Zeile im Quellsystem.

Wenn sich unten etwas ändert

Ein Pull Request wird nachgebessert, und plötzlich stimmt der Release-Bericht nicht mehr. Heute merkt das niemand. faktwerk überschreibt dann nichts, sondern legt neben jeden betroffenen Fakt einen Vorschlag. Ein Mensch vergleicht, übernimmt oder verwirft ihn. Erst ein übernommener Vorschlag wandert eine Ebene weiter nach oben.

So bleibt die Zusammenfassung ehrlich, ohne dass jemand suchen muss, was alles angepasst werden muss.

Wie sich das anfühlt

1. Fakten entstehen. Ein neuer Pull Request kommt herein. faktwerk zerlegt ihn in einzelne Features und beschreibt jedes fachlich und technisch, mit Kennzahlen wie geänderten Zeilen oder geschätztem Risiko.
2. Ein Mensch prüft. In einem Formular der passenden Sicht wird der Entwurf gelesen und korrigiert. Ungeprüftes geht nicht weiter.
3. Die Sichten sind fertig. Jede Rolle sieht dieselben Fakten in ihrer eigenen Zusammenstellung.
4. Entscheidungen gehen zurück. Eine Freigabe oder ein Kommentar in der Sicht landet wieder im Quellsystem, zum Beispiel am Pull Request.

KI entwirft, Menschen entscheiden

KI hilft in faktwerk nur beim Entwerfen. Jeder Entwurf ist ein Vorschlag, bis ihn jemand freigibt. Danach ist alles fest: Sichten und Rückmeldungen an die Quelle entstehen aus denselben Daten immer gleich, nachvollziehbar und prüfbar. Nichts wird ungeprüft in ein anderes System zurückgeschrieben.

Woraus faktwerk besteht

Ein kleiner Satz klar getrennter Bausteine um eine einzige Datenquelle:

• Ein Kern hält alle Fakten in einem festen Datenmodell. Ein Ticket aus GitHub sieht dort genauso aus wie eins aus Jira und lässt sich direkt vergleichen.
• Importer, einer pro Quellsystem, übersetzen die Daten in dieses Modell. Eine neue Quelle braucht nur einen neuen Importer.
• Arbeitsabläufe beschreiben Schritte: was gezeigt wird, was automatisch passiert und wo ein Mensch entscheidet. Eine Workflow-Engine führt sie aus und wartet, bis jemand gehandelt hat.
• Eine Oberfläche zeigt jede Sicht und jedes Formular, ohne eigenen Code pro Arbeitsablauf.

Das feste Datenmodell ist Absicht: Niemand muss vorher ein Schema für sein Projekt bauen, faktwerk soll ohne Konfiguration starten.

Für wen

Für alle, die mit KI in komplexen Systemen arbeiten und viele KI-Ergebnisse im Blick behalten müssen. Zuerst Software-Teams, die mit der Review-Last von KI-Pull-Requests kämpfen. Dann Produkt- und Projektmanagement, die eine gemeinsame Wahrheit für alle Rollen brauchen. Und Branchen, in denen jede Aussage eine nachweisbare Herkunft und eine Freigabe braucht.

faktwerk, monsterbrain und deciwa

monsterbrain ordnet das Wissen einer Person oder eines Teams in Ordnern und Markdown-Dateien. faktwerk ist eine Datenbank für sehr viele Objekte aus vielen Quellsystemen. deciwa macht einzelne KI-Änderungen sichtbar und bewertbar.

Stand

Ein Konzept. Die Architektur ist durchgeplant, gebaut ist noch nichts. Bevor es losgeht, will ich wissen, wo der Schmerz am größten ist: in Gesprächen mit Teams, die viele KI-Pull-Requests prüfen müssen. “faktwerk” ist ein Arbeitstitel.

Interesse an diesem Tool? Lass uns reden.