KI trifft im Enterprise Content Management zuerst auf Formate, Berechtigungen, Metadaten und Auditierbarkeit. Dort entscheidet sich, ob Chatbot, Enterprise Search, RAG oder eigene KI-Agenten produktiv werden. Die allgemeinen Gründe, an denen KI-Projekte scheitern, gelten hier ebenso.
Viele ECM-, DMS- und Archivlandschaften sind über Jahre gewachsen. Für die klassische Suche hat das gereicht. Beim Retrieval für KI zeigen sich Lücken, die vorher niemandem aufgefallen sind.
Vier Prüfpunkte tauchen in fast jedem Vorhaben auf:
- Berechtigungen. Der Nutzer darf nur sehen, was der Agent für ihn findet, wenn er das Dokument auch selbst öffnen dürfte. Mehr dazu im Beitrag über Berechtigungen in KI-Projekten.
- Kontext. Metadaten und Aktenbezug müssen für ein belastbares Retrieval reichen.
- Nachvollziehbarkeit. Später muss erkennbar sein, welche Quelle zu welcher Antwort geführt hat.
- Architektur. Schnittstellen und Integration müssen den Zugriff aus KI-Werkzeugen tragen.
Die eigentliche Architekturfrage lautet damit, ob die bestehende Content-Basis die KI-Nutzung sicher und revisionsfähig trägt. Für jede aktuelle DMS-Planung heißt das, KI von Beginn an mitzudenken.
Die Modernisierung der Dokumentenbasis übernimmt dabei kein KI-Anbieter, so wenig wie Tesla die Waldwege ausbaut, auf denen sein Autopilot fahren soll. Diese Arbeit bleibt im Unternehmen.