Wie wir Metapad mit Metapad entwickeln: Dialogbasierte Modellierung als Arbeitsweise

Die meisten Unterhaltungen mit einem LLM enden, sobald der Tab geschlossen wird. Was auch immer Sie dort herausgefunden haben – der neue Begriff, den Sie geprägt haben, die Struktur, die Sie durchgesprochen haben, der Kompromiss, den Sie endlich verstanden haben – existiert nur im Chatverlauf, bis Sie daran denken, es an einen sinnvollen Ort zu kopieren. Dieser Ort ist meist ein Google Doc, eine Notion-Seite oder ein Slack-Thread. Nichts davon kann ein LLM beim nächsten Start einer neuen Unterhaltung auf strukturierte Weise wiederlesen.

Wir haben Metapad unter anderem entwickelt, um dieses Problem zu beheben. Und wir nutzen Metapad, um Metapad zu entwickeln. In diesem Beitrag geht es darum, wie dieser Kreislauf tatsächlich funktioniert.

Das Problem mit dem reinen Chat

Behandeln Sie ein LLM wie einen Denkpartner, und Sie werden schnell etwas feststellen: Das Denken ist gut, aber die Beständigkeit ist schlecht.

Ein typisches Gespräch könnte so aussehen:

Fünf neue Begriffe prägen, die Sie wiederverwenden möchten
Drei Entscheidungen treffen, deren Begründung Sie sich merken müssen
Acht Beziehungen zwischen Konzepten aufzeigen, die Ihnen vorher nicht bewusst waren
Zu einer strukturellen Erkenntnis gelangen, die Sie mit dem Team teilen möchten

Dann endet die Unterhaltung und fast nichts davon bleibt in nutzbarer Form erhalten. Die nächste Sitzung beginnt von vorne. Ihr Teamkollege, der nicht im Chat war, hat keine Ahnung, dass all das passiert ist.

Sie können ein Transkript in ein Wiki einfügen. Sie können das Gespräch in einem Dokument zusammenfassen. Beides ist besser als nichts. Keines von beiden ist strukturiert genug, damit die nächste LLM-Sitzung Ihre früheren Überlegungen nachlesen kann, ohne alles von Grund auf neu einlesen zu müssen – und keines hilft Ihrem Team bei der Frage „Was haben wir zu X beschlossen?“, ohne sich durch einen Berg an Text scrollen zu müssen.

Der Kreislauf: Gespräch → Metamodell → Graph

Hier ist der Arbeitskreislauf, auf den wir uns geeinigt haben.

1. Führen Sie das Gespräch

Öffnen Sie einen Chat mit dem LLM. Besprechen Sie alles, was Sie klären möchten – eine Positionierungsstrategie, einen Projektplan, ein Fachgebiet, das Sie gerade lernen, eine Architektur, die Sie entwerfen.

Das ist dasselbe wie zuvor. Das LLM ist gut darin. Nutzen Sie es.

2. Achten Sie auf die sich abzeichnende Struktur

Nach ein paar Austauschrunden beginnt sich eine Struktur abzuzeichnen. Das Gespräch enthält:

Dinge – Entitäten, Konzepte, Komponenten, Personen, Entscheidungen
Eigenschaften dieser Dinge – Status, Verantwortlicher, Frist, Begründung
Beziehungen zwischen ihnen – hängt ab von, unterstützt, widerspricht, ersetzt

Das ist der Moment, in dem Sie innehalten und die Form dessen erfassen sollten, worüber Sie sprechen. Keine Absätze. Typen.

Sie sagen zum LLM: „Lass uns ein Metamodell dafür erstellen. Welche Knotentypen brauchen wir? Welche Beziehungstypen? Welche Verbindungen sollten erlaubt sein?“

Das LLM ist auch darin gut. Es wird Typen vorschlagen, sie benennen und seine Auswahl begründen. Sie widersprechen. Sie führen zusammen. Sie benennen um. Nach ein paar Minuten haben Sie ein kleines, eigenwilliges Schema für den Bereich, an dem Sie arbeiten.

3. Füllen Sie den Graphen

Nutzen Sie nun das LLM, um den Graphen zu füllen. Jedes Element im Gespräch wird zu einem typisierten Knoten. Jede Beziehung wird zu einer typisierten Kante. Eigenschaften werden ausgefüllt. Beschreibungen erfassen die Erzählung, die nicht in ein Eigenschaftsfeld passt.

In Metapad erledigt das LLM dies direkt über MCP. Es ruft create_nodes, create_relationships, update_nodes auf – und baut das Modell in Echtzeit auf, während Sie zusehen. Sie korrigieren es währenddessen. Sie fügen Details hinzu, wo der Text wichtig ist, und kürzt, wo es nicht nötig ist.

Am Ende der Sitzung ist das, was als Chat begann, ein strukturierter, abfragbarer Graph. Die Begriffe haben Definitionen. Die Entscheidungen haben Begründungen. Die Beziehungen sind explizit.

4. Die nächste Sitzung beginnt im Kontext

Öffnen Sie morgen einen neuen Chat. Öffnen Sie Metapad. Verbinden Sie das LLM über MCP mit dem Modell.

Fragen Sie: „Was haben wir letzte Woche bezüglich X beschlossen?“ Das LLM muss sich nicht daran erinnern – das Modell schon. Es ruft search_nodes und get_relationships auf und liest zurück, wozu Sie sich tatsächlich verpflichtet haben.

Fragen Sie: „Wo steht diese neue Idee im Widerspruch zu dem, was wir bereits haben?“ Das LLM kann antworten, weil der bestehende Graph typisiert ist, nicht nur Prosa. Es kann strukturell erkennen, wo die neue Idee passt oder nicht passt.

Das Gespräch ist nicht mehr flüchtig. Es summiert sich.

Was dies zeigt

Dieser Kreislauf ist auch eine stille Demonstration von drei Dingen, die wir für Modellierungstools im Jahr 2026 für wichtig halten.

Modelle, mit denen Sie sprechen können

Jedes Metapad-Modell verfügt über eine eingebettete KI-Schnittstelle. Die KI liest den typisierten Graphen und stützt ihre Antworten auf das, was tatsächlich vorhanden ist, anstatt sich an unstrukturierter Prosa zu orientieren. Der Unterschied ist in der Praxis groß. Eine KI, die über ein Modell spricht, irrt sich oft in den Details. Eine KI, die mit einem Modell spricht, tut dies selten – sie kann die Antwort nachschlagen.

Modellierung als Mannschaftssport

Sobald das Modell in Metapad existiert, ist es nicht mehr an Ihre Chat-Sitzung gebunden. Ihr Teamkollege kann es öffnen, den Graphen durchsuchen, einen Knoten kommentieren, eine fehlende Beziehung vorschlagen. Der Reader Workspace macht das Modell auch für Leute lesbar, die selbst nicht modellieren. Die Unterhaltung, aus der der Graph hervorgegangen ist, ist kein privates Artefakt mehr, sondern wird zu gemeinsamer Infrastruktur.

Modelle, die rechnen

Der Graph ist über eine API abfragbar. Daraus werden Diagramme gerendert. Daraus werden Berichte generiert. Wenn es die Domäne erfordert, laufen Simulationen darauf. Das Modell ist die Quelle der Wahrheit; alles andere ist eine Projektion.

Ein konkretes Beispiel: Unsere eigene Positionierung modellieren

Wir haben diesen Kreislauf kürzlich genutzt, um Metapads eigene Positionierung zu klären.

Die Unterhaltung begann recht locker: „Wozu dient Metapad eigentlich? Für wen ist es gedacht? Warum sind die Leute verwirrt, wenn wir von ‚Business Prototyping‘ sprechen?“

Nach ein paar Stunden des Hin und Her kristallisierte sich eine Struktur heraus. Wir hatten Marken, Angebote, Zielgruppen, Kanäle, Assets, strategische Schritte, Ziele – und die Beziehungen zwischen ihnen. Wir bauten ein Metamodell. Wir füllten ein Diagramm aus. Wir nannten das Modell metapad-marketing.

Dieses Modell befindet sich nun in Metapad. Wenn wir eine neue Unterhaltung über Marketing beginnen – eine neue Kampagne, eine neue Zielgruppe, einen neuen Kompromiss – fangen wir nicht bei Null an. Wir öffnen das Modell und die KI liest es. Die nächste Unterhaltung baut auf dem auf, was in der letzten beschlossen wurde.

Wir werden in einem späteren Beitrag ausführlich über dieses Modell schreiben. Im Moment geht es nur um Folgendes: Die Unterhaltung, aus der die Positionierung hervorgegangen ist, wurde als Diagramm gespeichert und ist nicht im Chat-Verlauf verloren gegangen. Wir können es hinterfragen, weiterentwickeln und mit dem Team teilen.

Warum das besser ist als die Alternativen

Drei Gewohnheiten, auf die Leute zurückgreifen, wenn sie wollen, dass LLM-Denken Bestand hat, und warum keine davon ganz richtig ist:

Transkripte in ein Wiki einfügen. Erfasst den Text, verliert aber die Struktur. Das nächste LLM muss das Ganze erneut lesen, um etwas zu finden. Ihr Teamkollege auch.

In ein Dokument zusammenfassen. Erfasst die Struktur, wie Sie sie damals gesehen haben, aber die Struktur ist nicht durchsuchbar. „Zeig mir alles, was wir über Zielgruppe X beschlossen haben“ wird zu einer Strg-F-Übung.

Benutzerdefinierte GPTs / Speicherfunktionen. Persönlich. An ein Tool gebunden. Für Teamkollegen unsichtbar. Was auch immer sich das LLM „merkt“, ist kein gemeinsames Artefakt, das Sie lesen, bearbeiten oder weitergeben können.

Ein typisierter Graph in Metapad ist nichts davon. Es ist ein erstklassiges Artefakt – lesbar, abfragbar, bearbeitbar, teilbar und mit jedem LLM verbindbar, das MCP spricht.

Probieren Sie den Loop aus

Sie brauchen keine Unternehmensumstellung, um das auszuprobieren. Suchen Sie sich etwas aus, worüber Sie gerade nachdenken – einen Projektplan, eine Forschungsfrage, ein Fachgebiet, das Sie gerade lernen. Öffnen Sie Metapad. Starten Sie eine Unterhaltung. Lassen Sie eine Struktur entstehen. Halten Sie sie fest.

Die Vorgehensweise ist etwas gewöhnungsbedürftig. Es ist verlockend, im reinen Prosa-Modus zu bleiben, weil es sich im Moment schneller anfühlt. Aber die Nachteile zeigen sich, sobald Sie den Gedankengang ein zweites Mal nutzen wollen – und in dem Moment, in dem ein Teamkollege Ihre Arbeit lesen muss, ohne die ursprüngliche Unterhaltung mitverfolgt zu haben.

Ihr nächstes Gespräch sollte auf dem letzten aufbauen.

Möchten Sie das Konversationsmodellieren selbst ausprobieren? Erstellen Sie ein kostenloses Metapad-Konto und verbinden Sie Ihr bevorzugtes LLM über MCP.