Dokumente KI-tauglich machen — was heißt das konkret?
KI-tauglich heißt: maschinenlesbar, eindeutig, strukturiert und aktuell. Ein gescanntes PDF ist für ein KI-System ein Bild ohne Inhalt. Vierzehn Versionen desselben Angebots sind vierzehn widersprüchliche Wahrheiten. Beides muss vor dem ersten KI-Projekt geklärt sein, nicht danach.
Warum das der eigentliche Engpass ist
Die Technik für Wissenssysteme ist inzwischen Standardware. Was Projekte scheitern lässt, ist fast immer der Zustand der Unterlagen. Ein System, das auf einem unsortierten Laufwerk läuft, gibt Antworten aus veralteten Dokumenten, widerspricht sich zwischen zwei Versionen und findet die wichtigste Datei nicht, weil sie ein Scan ist.
Der Betrieb schließt daraus nicht „unsere Ablage ist unordentlich“, sondern „KI funktioniert bei uns nicht“. Danach ist das Thema für zwei Jahre verbrannt.
Die vier Eigenschaften im Einzelnen
Maschinenlesbar
Ein Scan ist ein Bild. Erst Texterkennung macht daraus durchsuchbaren Text. Das betrifft in der Praxis vor allem alte Verträge, Zeichnungen, Protokolle und alles, was jemals durch einen Kopierer gelaufen ist. Tabellen in Bildform sind ein Sonderfall — da geht bei schlechter Erkennung genau die Zahl verloren, auf die es ankommt.
Eindeutig
Für jede Frage darf es genau eine gültige Antwort geben. Angebot_final_v3_NEU_final2.docx ist keine. Praktisch heißt das: eine kanonische Fassung pro Dokument, alte Stände nachvollziehbar archiviert statt danebengelegt, und ein erkennbares Datum.
Strukturiert
Überschriften, die Überschriften sind, und nicht fettgedruckter Fließtext. Das klingt nach Formalie, entscheidet aber darüber, ob ein System ein Dokument sinnvoll zerlegen kann. Dazu ein Minimum an Metadaten: Wer, wann, für welchen Kunden, welches Projekt.
Aktuell
Ein Bestand, den niemand pflegt, ist nach einem Jahr wieder da, wo er war. Deshalb gehört zu jedem Aufräumen die Frage, wer künftig wofür zuständig ist — und eine Ablageregel, die einfach genug ist, dass sie eingehalten wird.
In welcher Reihenfolge man vorgeht
- Bestand sichten, nicht sortieren. Erst herausfinden, was es gibt und was davon überhaupt gebraucht wird. Erfahrungsgemäß ist ein großer Teil eines Laufwerks tot.
- Einen Bereich auswählen. Nicht das ganze Unternehmen — ein Bereich, in dem die Fragen häufig sind und die Unterlagen überschaubar.
- Diesen Bereich aufbereiten. Texterkennung, Dubletten klären, Struktur und Metadaten ergänzen.
- Darauf das System aufsetzen — und im Alltag prüfen, ob es benutzt wird.
- Erst dann ausweiten. Was im ersten Bereich funktioniert hat, überträgt sich; was nicht, hätte man sonst zehnfach falsch gemacht.
Woran man den Fortschritt misst
Digitalisierungsprojekte verlaufen sich, weil niemand sagen kann, wann sie fertig sind. Drei Größen, die sich tatsächlich zählen lassen:
- Anteil durchsuchbarer Dokumente im gewählten Bereich — eine Zahl, die vor und nach der Texterkennung vergleichbar ist.
- Anzahl konkurrierender Fassungen pro Vorgang. Ziel ist eins.
- Zeit bis zur Antwort bei den fünf häufigsten Fragen — vorher gemessen, nachher gemessen. Das ist die Zahl, die im Betrieb überzeugt.
Was wir dabei übernehmen
Wir sichten den Bestand mit Ihnen, richten die Aufbereitung ein und automatisieren, was sich automatisieren lässt — Texterkennung, Dublettensuche, Metadaten aus vorhandenen Systemen ziehen. Was Fachkenntnis braucht, etwa die Entscheidung, welche Fassung gilt, bleibt bei Ihnen; wir bereiten diese Entscheidungen so auf, dass sie schnell zu treffen sind.
Und wenn sich zeigt, dass Ihr Bestand für ein Wissenssystem noch nicht trägt, sagen wir das im Audit — bevor Sie einen Piloten bezahlen.