Research Engine: Claude Code, NotebookLM & Obsidian im Team

Klassische Recherche ist ein Chaos. Dutzend offene Tabs, halb gesehene YouTube-Videos, ein paar Notizzettel, und am Ende weiß man weniger als vorher. Was wäre, wenn du statt dessen einen einzigen Befehl eingibst und sechs Minuten später liegt eine strukturierte Analyse in deinem Notizarchiv? Genau das baut man mit einer Pipeline aus Claude Code, NotebookLM und Obsidian.

Drei Werkzeuge, drei Rollen. Wenn man versteht, wer was macht, ist der Rest Montage.

Die Werkzeuge & Rollen

• Claude Code (Ausführung): Eine Kommandozeilen-Engine, die Befehle ausführt, Skripte startet und Dateien lokal in deinem Obsidian-Vault verwaltet. Vault ist der Name für einen Obsidian-Ordner, der deine Notizen als Markdown-Dateien hält.
• Skill Creator (Erweiterung): Ein Plugin für Claude Code, mit dem du per natürlicher Sprache neue Befehle und Workflows generieren kannst. Du sagst, was du willst, das Plugin schreibt den Skill.
• NotebookLM (Analyse): Googles Analyse-Tool, das rechenintensive Dokumenten-Analysen, Zusammenfassungen und Querverweise auf Googles Servern ausführt. Das schonert deine eigenen API-Tokens, weil die schwere Arbeit nicht lokal läuft.
• Obsidian (Gedächtnis): Dein lokales Markdown-Archiv. Claude Code liest diese Notizen und lernt kontinuierlich deine Vorlieben und Denkstrukturen — nicht über Cloud, sondern Datei für Datei.

Schritt-für-Schritt-Setup

• Schritt 1 (Skill-Creator): Installiere den Skill-Creator in deinem Obsidian-Vault über Claude Code mit dem Befehl skill-creator.
• Schritt 2 (YouTube-Suche): Generiere eine Such-Skill mit /skill-creator I want to create a skill that searches YouTube. Dafür brauchst du yt-dlp auf deinem System, ein Kommandozeilen-Tool zum Herunterladen von YouTube-Transkripten.
• Schritt 3 (NotebookLM-Verbindung): Installiere das Open-Source-Paket notebooklm-py über dein Terminal und führe notebooklm login aus, um die Verbindung zu deinem Google-Konto herzustellen.
• Schritt 4 (NotebookLM-Skill): Bring Claude Code bei, die API zu nutzen: /skill-creator create a skill to control notebooklm-py. API bedeutet Application Programming Interface — die Schnittstelle, über die Programme miteinander reden.
• Schritt 5 (Pipeline-Skript): Kombiniere die Skills zu einer Kette: /skill-creator create a YouTube research pipeline. Ab hier ist alles ein Aufruf.

Der fertige Workflow in Aktion

Ein Beispiel-Befehl: /yt-pipeline Research emerging AI agent frameworks in 2026

Was danach automatisch passiert:

• Claude sucht die Top-10-Videos auf YouTube zum Thema.
• Die Transkripte — also die automatischen Untertitel — werden extrahiert.
• Die Transkripte landen in NotebookLM, das die Analyse ausführt.
• Die strukturierten Ergebnisse werden als Markdown-Dateien in deinem Obsidian-Vault abgelegt.

Etwa sechs Minuten später liegt eine fertige Analyse samt Infografik-Daten direkt in deinem Vault — ohne dass du ein einziges Video von Hand öffnen musst. Die Zeitersparnis ist nicht das Beste. Das Beste ist, dass du die Quellen jederzeit nachschlagen kannst, weil alles als Markdown vorliegt.