IdeaGraph — Was ist das, wie ist es aufgebaut

Es gibt viele Tools für Projektmanagement. Jira, Azure DevOps, GitHub Projects, Notion — die Liste ist lang. Warum also noch eines?

Weil keines davon die eigentliche Frage beantwortet: Warum ist diese Aufgabe entstanden?

IdeaGraph ist mein Versuch, genau das zu ändern.

Die Ausgangssituation

Wer in der Softwareentwicklung arbeitet, kennt das Problem: Wissen ist überall verteilt. Die ursprüngliche Idee steht in einer E-Mail, die Entscheidung dazu in einem Slack-Chat, die Aufgabe in Jira, der Code in GitHub und die Dokumentation — wenn überhaupt — irgendwo in Confluence. Jedes Werkzeug für sich funktioniert. Aber keines weiß, was die anderen wissen.

Das Ergebnis: Kontext geht verloren. Entwickler suchen mehr als sie entwickeln. Und jedes neue Projektmitglied beginnt praktisch bei null.

IdeaGraph ist aus der Überzeugung entstanden, dass das nicht so sein muss.

Was IdeaGraph ist

IdeaGraph ist eine KI-gestützte Plattform, die Ideen, Wissen, Aufgaben und Kommunikation semantisch miteinander verknüpft. Kein klassisches Ticketsystem, kein reines Dokumentationswerkzeug — sondern ein lernendes System, das den gesamten Software-Lifecycle begleitet.

Der Kerngedanke ist einfach: Alles hängt zusammen. Eine Idee führt zu einer Aufgabe, die Aufgabe zu Code, der Code zu einem Deployment, das Deployment zu einem Feedback. IdeaGraph macht diese Kette sichtbar — und durchsuchbar.

Das Ziel: von der Idee zur Implementierung in Echtzeit, ohne Medienbrüche, ohne redundante Dokumentation, ohne Meetings die nur dazu dienen, Informationen zu übertragen die eigentlich schon irgendwo stehen.

Wie IdeaGraph aufgebaut ist

Die Wissensbasis

Das Herzstück von IdeaGraph ist eine zentralisierte Wissensbasis in Weaviate — einer Vektordatenbank, die nicht nur Daten speichert, sondern semantische Zusammenhänge versteht. Alle Artefakte des Entwicklungsprozesses landen dort: Ideen, Tasks, Kommentare, E-Mails, Dokumente, GitHub Issues und Pull Requests.

Zusätzlich gibt es ChromaDB für spezifische Anwendungsfälle wie die GitHub-Issue-Integration. Das ermöglicht eine hybride Suchstrategie: semantische Vektorsuche kombiniert mit klassischer Keyword-Suche (BM25). Das System wählt automatisch die richtige Balance je nach Anfrage.

KIGate — der KI-Orchestrator

KIGate ist das Nervensystem von IdeaGraph. Es orchestriert KI-Agenten verschiedener Anbieter — OpenAI, Ollama, Gemini — und steuert, welcher Agent wann welche Aufgabe übernimmt. Vom einfachen Text-Enhancement bis zur automatischen Task-Generierung aus E-Mails läuft alles über KIGate.

Das Prinzip dahinter: Die KI entscheidet nicht. Sie strukturiert, formuliert und schlägt vor. Die Entscheidung bleibt beim Menschen.

Die RAG-Pipeline

Für kontextbezogene KI-Antworten setzt IdeaGraph auf Retrieval-Augmented Generation (RAG) — ein mehrstufiges System das relevantes Wissen aus der Wissensbasis abruft bevor die KI antwortet.

Der Kontext wird in drei Tiers aufgebaut:

• Tier A: Hochrelevante Informationen aus demselben Kontext (Score > 0,5)
• Tier B: Mittlere Relevanz aus demselben Kontext
• Tier C: Globale Informationen aus der gesamten Wissensbasis

So bekommt die KI immer den richtigen Kontext — nicht zu viel, nicht zu wenig.

Das Frontend

IdeaGraph läuft als Webanwendung auf Basis von Python, Django und HTMX. Die Oberfläche ist bewusst schlank gehalten: kein Feature-Overload, keine versteckten Optionen, keine Lernkurve die einem den ersten Tag kostet.

Der Weg einer Idee durch IdeaGraph

Um zu verstehen wie IdeaGraph in der Praxis funktioniert, folgen wir einer Idee von der Erfassung bis zur Aufgabe:

1. Erfassung: Ein Gedanke wird als Text eingegeben — kurz, unstrukturiert, wie er entsteht. IdeaGraph nimmt ihn entgegen ohne Formatvorgaben.

2. Enhancement: Der AI Enhancer analysiert den Text, normalisiert ihn, generiert einen prägnanten Titel und schlägt passende Tags vor. Die Idee bekommt Struktur — ohne dass der Autor selbst strukturieren muss.

3. Task-Generierung: Aus der strukturierten Idee leitet die KI automatisch konkrete, ausformulierte Aufgaben ab. Mit einem Klick landen diese als GitHub Issues im Repository.

4. Kontext-Vernetzung: Die Idee, die Aufgaben, der Code, die Kommentare — alles wird im Wissensgraphen miteinander verknüpft. Wer später fragt "Warum wurde das so gebaut?", bekommt eine Antwort.

Was IdeaGraph heute kann

• Semantische Suche in natürlicher Sprache über die gesamte Wissensbasis
• Automatische E-Mail-Verarbeitung — eingehende Anfragen werden analysiert, dem richtigen Projekt zugeordnet und als Tasks angelegt
• GitHub-Integration — bidirektionale Synchronisation von Issues und Pull Requests
• First AID — ein KI-Assistent der projektbezogene Fragen beantwortet, Dokumentation generiert und Lernkarten erstellt
• AI Log Analyzer — automatische Erkennung von Fehlern in Log-Dateien und Erstellung von Tasks
• Knowledge Advisor — findet ähnliche, bereits gelöste Probleme in der Wissensbasis

In einer typischen Projektwoche wurden mit IdeaGraph 135 Tasks mit einer Abschlussquote von 97,8 % erledigt. Nicht weil das Team schneller gearbeitet hat — sondern weil die Reibung fast vollständig eliminiert wurde.

Was IdeaGraph werden soll

IdeaGraph ist kein fertiges Produkt. Es ist ein wachsendes System.

Die nächsten Schritte:

• Autonome Micro-Agents für Backlog-Analyse, Code-Refactoring und Textoptimierung
• Messbare KPIs — Cycle Time, Knowledge Reuse Rate, Defect Rate
• Mandantenfähigkeit für den Einsatz in größeren Organisationen

Das langfristige Ziel ist ambitioniert: IdeaGraph soll zu einer offenen Referenzinitiative für transparente, datensouveräne KI-Systeme in der Softwareentwicklung werden. Entwickelt in Europa, on-premise betreibbar, DSGVO-konform — und trotzdem auf dem Stand der Technik.

Warum das alles?

Weil ich seit 30 Jahren in der IT arbeite und gesehen habe, wie viel Wissen verloren geht. Wie viele Entscheidungen nicht dokumentiert werden. Wie viele Fehler wiederholt werden, weil niemand mehr weiß warum man damals so entschieden hat.

IdeaGraph ist meine Antwort darauf.

Nicht als Produkt das ich verkaufen will. Sondern als System das ich selbst brauche — und das vielleicht anderen genauso nützlich ist.

Weitere Artikel zu IdeaGraph, KIGate, der RAG-Pipeline und den einzelnen Features folgen.