> ## Documentation Index
> Fetch the complete documentation index at: https://docs.crisisiq.de/llms.txt
> Use this file to discover all available pages before exploring further.

# Knowledge Augmentation

> Wie der Creator KRITIS/NIS-2 Fachwissen erhält

## Übersicht

Das System injiziert Fachwissen über KRITIS-Regulierungen, NIS-2-Richtlinien und Krisenprozesse in den AI-Prompt, damit Szenarien realistischer und regulierungskonform werden.

## Problem & Lösung

**Problem**: Claude hat generelles Wissen, aber keine tiefe Domain-Expertise in KRITIS-Schwellenwerten, BSI-Meldepflichten, sektor-spezifischen Response-Abläufen und professionellem Storytelling.

**Lösung**: Wissensbasen als Markdown-Dateien, die basierend auf Nutzer-Auswahl (Sektor, Regulierung, Vorfallstyp) in den Prompt geladen werden.

## Wissensbasen-Struktur

```
/knowledge/
├── regulatory/          # KRITIS, NIS-2, GDPR
├── protocols/          # 10 Sektor-Protokolle (Energy, Health, IT, ...)
├── incidents/          # 7 Vorfallstypen (Cyber, Physical, Operational, ...)
├── storytelling/       # Narrative Techniken (immer geladen)
└── examples/           # 20+ vollständige Beispiel-Szenarien
```

## Selective Loading

Statt alle Dateien (\~203K Tokens) zu laden, werden nur relevante geladen:

**Beispiel**: `formData` enthält `industry_sector: "healthcare_hospitals"`, `regulatory_context: "nis2"`, `incident_category: "cyber"`

**Geladen wird**:

* `regulatory/nis2.md` (\~50K Tokens)
* `protocols/health.md` (\~3.5K Tokens)
* `incidents/cyber.md` (\~2.5K Tokens)
* `storytelling/*.md` (\~10K Tokens, immer)
* `examples/health-cyber-*.md` (\~15K Tokens, gefiltert)

**Ergebnis**: \~71K Tokens (statt \~203K)

## Prompt Caching

**Cache Key**: `hash(regulatory_context + sector + incident_category)`

**Ökonomie**:

* First Request: \$0.27 (Cache Write)
* Subsequent Requests: \$0.021 (Cache Read) → **90% Ersparnis**
* Break-Even: \~2 Szenarien

**Cache Kombinationen**: \~420 möglich, \~20-50 häufige decken 80% ab

## Integration

Das Wissen wird als `<knowledge_base>` Block in den System Prompt injiziert, mit Prompt Caching markers:

```xml theme={null}
<system>
  <identity>Sie sind ein KRITIS-Szenario-Experte...</identity>

  <knowledge_base selection="nis2_health_cyber">
    <!-- Geladene Wissensbasen hier -->
    <!-- cache_control: { type: "ephemeral", ttl: "1h" } -->
  </knowledge_base>

  <output_format>...</output_format>
  <rules>...</rules>
</system>
```

## Ergebnis

**Vorher**:

* Generische Krisen ohne KRITIS-Details
* Keine regulatorischen Referenzen
* Variable Qualität

**Nachher**:

* Realistische KRITIS-Szenarien mit Schwellenwerten, BSI-Meldungen
* Events referenzieren 24h/72h Fristen
* Konsistente narrative Qualität durch Beispiele
* Authentisches Fachvokabular

## Wartung

* Markdown-Dateien in `/knowledge/` bearbeiten
* Deployen (keine Code-Änderungen nötig)
* Cache refresht automatisch nach TTL

**Update-Frequenz**:

* Regulierungen: Quartalsweise
* Protokolle: Nach Bedarf
* Beispiele: Monatlich