ChatGPT zu Obsidian – ein kompletter Workflow

Umbrabits · 5. Mai 2026 · 3 Min. Lesezeit

chatgptobsidianmarkdownworkflow

Wenn du in Obsidian lebst, ist jede langes ChatGPT-Gespräch eine Notiz, die in deinem Vault existieren will. Hier ist der Workflow, der die Reibung rausnimmt.

Der Endzustand

Jede ChatGPT-Unterhaltung, die es wert ist, behalten zu werden, wird zu:

Einer .md-Datei in ~/vault/AI/ChatGPT/ (oder wo du willst).
Dateiname wie 2026-05-09 - rust async pitfalls.md.
YAML-Frontmatter: Titel, Modell, Datum, Plattform, Tags.
Korrekt verschachtelte Überschriften, Code-Fences mit Sprachangaben, mathematische Begrenzer bleiben erhalten.
Verlinkt mit deinen anderen Notizen über Obsidian-Backlinks.
Durchsuchbar über Obsidians Volltextsuche.

Die Werkzeuge

Obsidian – der Vault.
ChatExport AI – Chrome-Erweiterung, die ChatGPT-Unterhaltungen in sauberes CommonMark-Markdown exportiert.
Drei optionale Obsidian-Plugins (nur das erste ist essenziell):
- Templater – für das Dateibenennungs- und Frontmatter-Ritual.
- Dataview – durchsuche deine KI-Notizen nach Tag, Modell, Datum.
- Smart Connections – semantische Suche in deinen KI-Notizen.

Schritt-für-Schritt

Schritt 1: Die Unterhaltung als Markdown exportieren

Öffne die ChatGPT-Unterhaltung. Klicke auf das ChatExport AI-Toolbar-Symbol. Die Export-Seitenleiste öffnet sich.

Wähle Markdown (.md). Aktiviere Frontmatter, damit der Export YAML oben enthält.

Klicke auf Export. Die .md wird heruntergeladen.

Schritt 2: In deinen Vault einfügen

Verschiebe die Datei nach ~/vault/AI/ChatGPT/ oder in eine beliebige Ordnerstruktur.

Der Standard-Dateiname ist chatgpt-2026-05-09-12-34-56.md. Du kannst ihn in etwas Durchsuchbares umbenennen wie 2026-05-09 - rust async pitfalls.md. Templater kann dies automatisieren.

Schritt 3: Das Frontmatter, das ChatExport AI hinzufügt

---
title: "Rust async pitfalls – Tokio runtime questions"
platform: ChatGPT
model: GPT-5
exported: 2026-05-09T12:34:56Z
url: https://chatgpt.com/c/abc123...
tags: [ai, chatgpt, rust]
---

Das Tags-Feld beginnt mit [ai, chatgpt]. Füge deine eigenen hinzu (rust, async, tokio), damit Dataview später verwandte Notizen finden kann.

Schritt 4: Überprüfen und kürzen

Lange ChatGPT-Unterhaltungen haben Sackgassen. Öffne die Notiz in Obsidian, lösche die Sackgassen-Wortwechsel und behalte die Substanz.

Oder mache das vor dem Export – ChatExport AI ermöglicht dir, Nachrichten über eine Checkbox pro Nachricht auszuwählen. Der Pfad „vor dem Export kürzen“ spart dir den Bearbeitungsschritt in Obsidian.

Schritt 5: Mit anderen Notizen verlinken

Verwende Obisidans [[wikilink]]-Syntax, um die KI-Notiz mit deinen Projektnotizen zu verbinden:

Das kam auf, während ich an [[Project Helios]] arbeitete – siehe auch
[[Tokio runtime variants]] und die ursprüngliche
[[2026-05-08 ChatGPT - tokio task::spawn_blocking notes]].

Nach zwei oder drei Wochen werden die KI-Notizen zu einem verbundenen Netz, nicht zu einem Friedhof von einmaligen Chats.

Power-Moves

Automatisches Umbenennen mit Templater

Templater-Skript, das eine Datei basierend auf ihrem YAML-Frontmatter umbenennt:

<%* 
const file = tp.file.find_tfile(tp.file.path(true));
const meta = app.metadataCache.getFileCache(file)?.frontmatter;
if (meta?.title && meta?.exported) {
  const date = meta.exported.slice(0, 10);
  const slug = meta.title
    .toLowerCase()
    .replace(/[^a-z0-9]+/g, '-')
    .replace(/^-|-$/g, '')
    .slice(0, 60);
  await tp.file.rename(`${date} - ${slug}`);
}
%>

KI-Notizen mit Dataview abfragen

TABLE platform, model, exported
FROM "AI"
WHERE platform != null
SORT exported DESC
LIMIT 25

Jetzt hast du ein Dashboard deiner letzten 25 KI-Unterhaltungen, sortiert nach Datum und filterbar nach Plattform.

Semantische Suche über KI-Notizen hinweg

Smart Connections embeddet deine Notizen und ermöglicht semantische Suche. Nützlich, wenn du dich an den Kern einer Unterhaltung erinnerst, aber nicht an den Titel.

Was ist mit Claude, Gemini usw.?

Gleicher Workflow. ChatExport AI exportiert Claude, Gemini, Perplexity und elf andere KI-Plattformen alle nach Markdown. Das YAML-Feld platform sagt dir, welche KI die Antwort gegeben hat.

Warum sich das Einrichten lohnt

Der erste Monat ist Investition. Nach drei Monaten hast du eine persönliche KI-Wissensdatenbank – jede Recherchelinie, jede Debugging-Sitzung, jedes Brainstorming – durchsuchbar, verlinkt und dein. Die Unterhaltungen laufen nicht ab, wenn der Verlauf des ChatGPT-Free-Tiers überrollt wird. Die Argumentation lebt in deinem Vault.