Eine Suchmaske mit Dokumenttyp, Datum, Kunde und Freitext, dazu eine Volltextsuche. So sehen viele Suchoberflächen im Dokumentenmanagement noch 2026 aus, und sie funktionieren. Gestiegen ist der Anspruch. Früher wollte man ein Dokument finden. Heute erwartet die Fachabteilung eine Antwort, einen Zusammenhang und eine belastbare Grundlage für die nächste Entscheidung. Die klassische Suche wurde für eine andere Frage gebaut.
Vier Stufen der Suche
Die Suche im Dokumentenmanagement hat vier Stufen durchlaufen. Jede war ein Fortschritt, und jede hatte eine Grenze, die erst die nächste sichtbar gemacht hat.
Felder und Aktenzeichen. Am Anfang war Suche reine Verwaltungslogik mit Dokumenttyp, Aktenzahl, Vertragsnummer und Datum. Wer die richtigen Felder kannte, fand das Dokument. Wer falsch verschlagwortet hatte, fand nichts. Die Suche war genau so gut wie die Disziplin bei der Ablage, und wir wissen alle, wie es um die bestellt war (und ist).
Volltext. Mit der Volltextindexierung kam der erste echte Sprung. Gesucht werden konnte nach Begriffen im Inhalt, etwa nach allem, wo „Lieferverzug“ vorkommt. Das System fand allerdings Wörter und keine Bedeutung. Wer nach „Kündigung Liefervertrag“ suchte, fand kein Dokument über eine „Vertragsauflösung wegen Nichterfüllung“.
Relevanz und Facetten. Enterprise Search brachte Ordnung in die Trefferlisten. Relevanzmodelle sortierten das Wichtigste nach oben, Facetten und gewichtete Felder machten große Bestände beherrschbar. Volltext hatte Dokumente auffindbar gemacht, Relevanzmodelle machten sie benutzbar. Verstanden hat das System die Inhalte noch immer nicht.
Semantik. Die semantische Suche gleicht Bedeutungen ab. Sie erkennt, dass „Kündigung Liefervertrag“ und „Vertragsauflösung wegen Nichterfüllung“ dasselbe Thema betreffen. Kombiniert mit Volltext als hybride Suche ist das heute Stand der führenden Plattformen.
Suche geht in Agenten auf
Der aktuelle Umbruch geht weiter als ein Upgrade. Suche als eigene Funktion verschwindet in KI-Agenten, Copiloten und automatisierten Workflows. Wer Microsoft 365 nutzt, kennt das Beispiel. In Copilot fragt man „Welche Haftungsklauseln haben wir mit Kunde X vereinbart?“ und erwartet eine zusammengefasste Antwort mit Quellenangabe. Für ein ECM verschiebt das grundlegend, was es leisten muss.
Zwei Entwicklungen treiben den nächsten Schritt. Bei Agentic Search arbeiten KI-Agenten mehrstufig. Sie zerlegen eine Anfrage, fragen verschiedene Quellen ab, bewerten die Ergebnisse und ändern ihre Strategie, wenn die erste Suche nicht reicht. Gartner erwartet, dass bis Ende 2026 rund 40 % der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten, nach weniger als 5 % im Jahr 2025.
Graphbasiertes Retrieval nutzt das Beziehungswissen, das in ECM-Systemen steckt. Der Vertrag gehört zum Kunden, der Kunde hat einen Schadensfall, der Schadensfall verweist auf eine E-Mail des Sachbearbeiters. Knowledge Graphs machen diese Beziehungen durchsuchbar. Für Compliance, Vertragsmanagement, Audit und Case Management ist das ein großer Schritt.
Fünf Folgen für ECM-Verantwortliche
- Metadaten werden wichtiger. KI braucht saubere Daten. Wer schlecht klassifiziert, bekommt schlechte Antworten. Metadaten-Governance ist damit KI-Infrastruktur.
- Volltext bleibt, als Ergänzung. Für Aktenzeichen, Paragrafen und exakte Klauseln ist die lexikalische Suche weiterhin überlegen. Als einziges Suchinstrument reicht sie nicht mehr.
- Ein ECM ohne KI-Anbindung liefert der KI kein Futter. Ist das ECM nicht als Wissensbasis erschlossen, greift die KI auf alles Mögliche zu, nur auf das strukturierte Unternehmenswissen nicht.
- Governance entscheidet. Wenn ein KI-Agent auf Dokumente zugreift, gelten dieselben Zugriffsrechte wie für Menschen, nur schneller und breiter angewendet. Falsche Antworten auf schlechter Datenbasis werden im geschäftskritischen Bereich zum Haftungsthema.
- Die Suche wird unsichtbar, ihre Qualität sichtbarer. Wer statt einer Trefferliste eine fertige Antwort bekommt, bemerkt jede Schwäche im Retrieval sofort.
Je unsichtbarer die Suche, desto höher der Anspruch an ihre Qualität. Ein ECM wird damit entweder zur Wissensbasis der Organisation, oder es bleibt ein teures Archiv, auf das kein KI-Agent sinnvoll zugreifen kann. Wie die Qualität einer Suche im Alltag aussieht, beschreibt ein eigener Beitrag.