Der Autor Eivind Kjosbakken beschreibt in diesem Beitrag konkret, wie Coding Agents wie Claude Code oder OpenAI Codex genutzt werden können, um eine Knowledge Base vollautomatisch mit Informationen zu befüllen. Als Informationsquellen nennt er neben Meeting-Notizen auch Projektmanagement-Tools wie Linear sowie die Aktivitätsprotokolle von Coding Agents – also welche Aufgaben kürzlich bearbeitet oder abgeschlossen wurden. Ein zentrales Designprinzip ist die vollständige Automatisierung der Datenpipeline: Jeder manuelle Zwischenschritt – etwa das händische Einfügen von Meeting-Notizen – führt laut Kjosbakken zwangsläufig zu Lücken und untergräbt den Kernnutzen der Knowledge Base. Als Referenzbeispiele aus der Praxis verweist er auf GBrain, das Projekt des Y-Combinator-Präsidenten, sowie auf Andrej Karpathys LLM-Wiki, die beide als personalisierte LLM-gestützte Wissensdatenbanken konzipiert sind. Die Abfrageseite setzt auf einen RAG-Ansatz (Retrieval-Augmented Generation), bei dem das LLM eigenständig entscheidet, wann ein Zugriff auf die Knowledge Base sinnvoll ist – der Mensch wird aus diesem Schleifenprozess vollständig herausgelöst. Kjosbakken betont, dass Knowledge Bases auch vor der LLM-Ära nützlich waren, aber durch die neuen Abfragemöglichkeiten exponentiell an Wert gewonnen haben.