Was ist ein Kontextspeicher für KI?

Ein Kontextspeicher für KI ist ein System, das den fachlichen und operativen Kontext hält und zustellt, den ein Modell der KI braucht, um die Daten einer Organisation zu verstehen, also die Definitionen, Beziehungen, die Lineage, die Verantwortung und die Regeln für den Zugriff, die einem Agenten der KI nicht nur sagen, was ein Stück Daten ist, sondern was es bedeutet, wie es zusammenhängt und ob man ihm trauen kann. Wenn ein Agent der KI eine Frage über Unternehmensdaten beantwortet, fragt er den Kontextspeicher ab, um seine Antwort in gesteuertem Wissen zu erden, statt aus rohen Schemata oder seinen Trainingsdaten zu raten.

Das zählt, weil der mit Abstand häufigste Grund für das Scheitern von Projekten mit KI im Unternehmen der fehlende Kontext ist. Ein LLM, das flüssiges SQL schreiben kann, weiß trotzdem nicht, dass „Umsatz“ in Ihrem Unternehmen konzerninterne Verkäufe ausschließt, dass eine Spalte namens cust_t1 „Kunde der ersten Stufe“ bedeutet oder dass eine Tabelle veraltet ist und man ihr nicht trauen soll. Gartner hat vorausgesagt, dass ein großer Anteil der Projekte mit GenAI nach dem Machbarkeitsnachweis aufgegeben wird, und der häufigste Grund ist das Fehlen gesteuerten fachlichen Kontexts. Ein Kontextspeicher ist die architektonische Antwort darauf: eine einzige Stelle, an der dieser Kontext lebt, gesteuert und abfragbar, bereit, jedem Agenten der KI zugestellt zu werden.

Kontextspeicher im Überblick

Der Begriff beschreibt eine Funktion und kein einzelnes Produkt: irgendwo den Kontext zu speichern, den KI braucht, und ihn auf Abruf zu liefern. Wo eine Datenbank Daten speichert und ein Vektorspeicher Einbettungen, speichert ein Kontextspeicher die Schicht der Bedeutung um die Daten herum, also das menschliche und organisatorische Wissen, das aus rohen Tabellen etwas macht, über das eine KI richtig schließen kann.

Entscheidend ist, dass ein Kontextspeicher gesteuert ist. Der Kontext, den er liefert, ist keine Halde aus freiem Text; er ist kuratiert, verantwortet, versioniert und zugriffsbeschränkt, sodass die Antworten, die eine KI darauf erdet, selbst gesteuert und prüfbar sind. Genau das unterscheidet einen Kontextspeicher davon, ein LLM einfach auf ein Wiki zu richten: Der Speicher liefert vertrauenswürdigen Kontext mit Herkunft und nicht das, was zufällig aufgeschrieben wurde.

Was er speichert

Ein Kontextspeicher hält die Arten von Wissen, die Menschen oft unbewusst nutzen, um Daten richtig zu deuten, ausdrücklich gemacht und maschinenlesbar:

• Fachliche Definitionen. Was jeder Begriff und jede Kennzahl bedeutet, also das Business Glossary („aktiver Kunde“, „Nettoumsatz“).
• Beziehungen. Wie Datensätze, Begriffe und Konzepte zusammenhängen, oft als Knowledge Graph oder Kontextgraph.
• Lineage. Woher Daten kamen und wie sie umgeformt wurden, also eine Data Lineage, die KI beurteilen lässt, ob man ihnen trauen kann, und eine Zahl bis zu ihrer Quelle verfolgt.
• Verantwortung und Governance. Wem jeder Bestand gehört, dazu seine Qualität, seine Klassifizierung und seine Regeln für den Zugriff, damit KI Berechtigungen achtet und nur vertrauenswürdige Daten zeigt.
• Dokumentation. Die Beschreibungen, Vorbehalte und Hinweise zur Nutzung, die Daten ihre Bedeutung in der Praxis geben.

Kontextspeicher, Vektorspeicher und Feature Store

Der Kontextspeicher wird oft mit zwei anderen Speichern im Stapel der KI verwechselt, doch sie halten grundverschiedene Dinge und ergänzen einander, statt zu konkurrieren:

• Vektorspeicher. Hält Einbettungen, also numerische Darstellungen von Text oder Daten für die Suche nach semantischer Ähnlichkeit, die Abrufmaschine hinter RAG. Er findet einschlägige Inhalte, trägt aber keine gesteuerte Bedeutung von sich aus.
• Feature Store. Hält kuratierte Merkmale für das Trainieren und Ausliefern von Modellen des maschinellen Lernens, also konstruierte numerische Eingaben und keine fachliche Bedeutung.
• Kontextspeicher. Hält Bedeutung und Governance, also was Daten bedeuten, wie sie zusammenhängen, woher sie kamen und wer sie nutzen darf. Er ist das, was die Ausgabe eines Vektorspeichers oder eines LLM vertrauenswürdig macht.

In einer reifen Architektur der KI arbeiten sie zusammen: Ein Vektorspeicher findet Daten in Frage kommende Daten, und der Kontextspeicher sagt der KI, was diese Daten tatsächlich bedeuten und ob man ihnen trauen kann. Der Kontextspeicher ist die Schicht mit Blick für die Governance, die den anderen fehlt.

Warum KI einen braucht

Ein LLM ist sprachgewandt, aber über Ihr Unternehmen ohne Kontext. Es wird selbstsicher eine Antwort erzeugen, ob es Ihre Definitionen versteht oder nicht, und eine selbstsicher falsche Antwort ist schlimmer als gar keine, weil man ihr traut und danach handelt. Ein Kontextspeicher schließt diese Lücke auf drei Wegen: Er gibt der KI die Definitionen, um Daten richtig zu deuten, die Lineage, um zu beurteilen, ob Daten vertrauenswürdig sind, und die Regel, um zu achten, wer was sehen darf. Das Ergebnis ist der Unterschied zwischen einer KI, die rät, und einer KI, deren jede Antwort sich auf gesteuertes, verantwortetes Wissen zurückverfolgen lässt. Auch deshalb zählt das Model Context Protocol: Es ist der offene Standard, über den ein Kontextspeicher diesen Kontext jedem Agenten tatsächlich in Echtzeit zustellt.

Wie Dawiso ihn bereitstellt

Ein Kontextspeicher ist kein neues Silo, das von Grund auf zu bauen wäre: Er ist das, was ein gesteuerter Datenkatalog wird, sobald er mit KI verbunden ist. Dawiso setzt den Kontextspeicher aus den Metadaten zusammen, die es ohnehin steuert: Das Business Glossary liefert die Definitionen, die Lineage liefert Vertrauen und Herkunft, Klassifizierung und Verantwortung liefern die Regel, und eine KI-gestützte Anreicherung macht aus rohen Metadaten selbsttätig gesteuertes Wissen. Der Context Layer packt all das zusammen und stellt es über den Dawiso MCP Server jedem Agenten der KI zu, sodass ein LLM oder ein Agent Ihren gesteuerten Kontext in Echtzeit abfragt und mit geprüften Fakten aus Ihrem Katalog antwortet statt mit Vermutungen. Der Speicher wird von Menschen gesteuert, von Maschinen verbraucht und in den Daten geerdet, die Sie bereits haben.

Fazit

Ein Kontextspeicher für KI ist die Stelle, an der die Bedeutung einer Organisation in einer Form lebt, die Maschinen nutzen können: Definitionen, Beziehungen, Lineage und Regeln, gesteuert und auf Abruf geliefert. Er ist kein Vektorspeicher und kein Feature Store, sondern die Schicht vertrauenswürdigen Kontexts, die alles andere im Stapel der KI verlässlich macht, und er verwandelt ein sprachgewandtes, aber ratendes Modell in eines, dessen Antworten geerdet und nachvollziehbar sind. Während Unternehmen von Versuchen mit KI zu KI im Betrieb übergehen, hört der Kontextspeicher auf, freiwillig zu sein: Er ist der Unterschied zwischen einer KI, der Sie eine Entscheidung anvertrauen können, und einer, die Sie nachprüfen müssen. Bauen Sie ihn auf gesteuerten Metadaten, stellen Sie ihn über MCP zu, und Ihre KI versteht endlich Ihr Unternehmen.