Ein lokaler Wissensgraph für meine Game-Design-Ideen. Konzepte, Mechaniken und Monetarisierungs-Muster landen als verknüpfte Knoten in einer Graph-Datenbank, werden semantisch durchsuchbar und Claude liest, schreibt und verbindet sie direkt über einen MCP-Server.
Beim Nachdenken über Spiele sammeln sich ständig Ideen an: eine Mechanik aus einem Screenshot, ein Monetarisierungs-Trick aus einem YouTube-Video, ein Loop aus irgendeinem Roguelike. Normalerweise landen die in einer Notiz und sind drei Wochen später weg oder zumindest nicht mehr auffindbar. Ich wollte ein Gedächtnis dafür, das die Ideen nicht nur speichert, sondern auch miteinander verbindet — und in dem ich nachschauen kann, ob ich sowas schon mal hatte, ohne den exakten Begriff zu kennen.
Jedes Konzept wird ein Knoten im Graphen und bekommt von einem lokalen Embedding-Modell einen Bedeutungs-Fingerabdruck aus 768 Zahlen. Dadurch finde ich später per semantischer Suche auch verwandte Ideen, die ganz anders formuliert sind — die Frage „haben wir schon was mit Stages und Gates?" trifft dann auch ein Konzept, das ich „Level-Progression" genannt habe. Die Knoten verknüpfe ich über typisierte Kanten wie kombiniert sich mit, ist Variante von, monetarisiert oder inspiriert von, sodass beim Durchklicken neue Kombinationen sichtbar werden, an die ich vorher nicht gedacht hatte.
Gefüttert wird der Graph über mehrere kleine Claude-Skills: einer zieht Konzepte aus Screenshots (Shops, Skill-Trees, HUDs), einer aus Gameplay-Videos und Trailern, und ein eigener Trend-Scout kippt virale Roblox-Memes und klonbare Steam-Loops automatisch rein. Ein weiterer Skill fragt nur nach — „gibt es schon ein Konzept für X?" — bevor ich was doppelt anlege. Claude redet dabei per MCP-Server direkt mit der Datenbank und übersetzt meine Anweisungen in Graph- und Vektor-Abfragen.
Alles außer Claude läuft lokal auf meinem Homelab: Postgres mit Apache AGE hält den Graphen, pgvector speichert die Embeddings und rechnet Ähnlichkeiten, Ollama erzeugt die Embeddings offline. Eine read-only Visualisierung zeigt den ganzen Graphen im Browser, Kanten nach Beziehungstyp eingefärbt — mittlerweile sind das 462 Konzepte und 887 Beziehungen. Der Wissensgraph bleibt damit komplett bei mir.
Tech-Stack: PostgreSQL 16, Apache AGE, pgvector, Ollama (nomic-embed-text), MCP-Server (TypeScript), Docker