KI-Integration revolutioniert das Dokumentenmanagement

2. „Outsourcing“ einzelner Prozessschritte

Ein weiterer interessanter Ansatz zur KI-Integration im Dokumentenmanagement besteht darin, konventionelle Bestandteile einer Prozesskette durch KI-gestützte Anwendungen externer App-Entwickler zu ersetzen und diese mittels API anzubinden. Dabei muss es nicht immer Generative KI sein. Im Bereich der Optical Character Recognition (OCR) ist neben der Generativen beispielsweise auch die Diskriminative KI von Bedeutung. Diese letztere erzeugt keine Inhalte, sondern zeichnet sich durch die Fähigkeit aus, verschiedene Klassen zu differenzieren und zu klassifizieren. Diskriminative KI-Modelle können somit keine neuen Inhalte erstellen, sondern sind darauf spezialisiert, bestehende Datensätze zu analysieren, auszuwerten und zu interpretieren. Beide Ansätze sind für OCR relevant und bieten jeweils spezifische Vor- und Nachteile.

3. Entwicklung eigener Modelle

Ein weiterer Ansatz, der aktuell viel diskutiert wird, ist die Entwicklung eigener KI-Modelle. Davon versprechen sich viele Unternehmen die höchste Kontrolle und Datenhoheit. Auf dem Papier klingen solche Projekte spannend, doch in der Umsetzung lauern große Hürden. Unternehmen benötigen enorme Ressourcen, um Eigenentwicklungen zu realisieren. Es werden Experten benötigt und eine kritische Masse an relevanten Daten, mit denen ein LLM trainiert werden kann. Falls diese in einem Data Lake in unstrukturierter Form vorliegen, ist zunächst noch Exploration notwendig. Diese Workloads ließen sich zwar ohne größere Probleme an Hyperscaler outsourcen, doch widerspräche das dem Gedanken der Autonomie und könnte Compliance-Probleme verursachen. Nicht zu vergessen ist auch der Faktor Zeit: Es dauert schlichtweg lange, ein LLM entsprechend zu erstellen.

Welchen Ansatz Unternehmen nun wählen hat viel mit der individuellen Situation und dem konkreten Anwendungsfall zu tun. Im Bereich Dokumentenmanagement (DMS) scheint der vielversprechendste Weg mit spezialisierten Partnern zu kooperieren, die fertige KI-basierte Module in den Tool Stack einbinden können. Wenn sich der DMS-Plattformanbieter einen solchen Partner mit ins Boot holt, profitieren Unternehmenskunden von der langjährigen Expertise und dem umfangreichen Datenbestand des Plattformpartners. Außerdem müssen sie selbst keinen Integrationsaufwand leisten.

Die Daten, die bei einem Plattformanbieter liegen, sind außerdem in der Regel bereits aufbereitet. So liegen etwa strukturierte Informationen zu unstrukturierten Dokumenten vor und fast jedes Dokument wurde bereits einmal klassifiziert und mit Metadaten versehen. Dadurch wird das Training von KI-Modellen deutlich erleichtert.

Ethische Überlegungen bei der KI-Integration im Dokumentenmanagement

Trotz der Vorteile, die die KI-Integration im Dokumentenmanagement bietet, sollten auch ethische Fragen berücksichtigt werden. Zunächst springt dabei der ungeheure Bedarf an Rechenleistung ins Auge. Aufgrund des unablässigen Datenwachstums, treiben heute bereits konventionelle Anwendungen Rechenzentren an ihre Kapazitätsgrenzen. In manchen Städten werden bereits Ansiedlungsverbote diskutiert und teilweise auch umgesetzt, um eine Überlastung des örtlichen Stromnetzes zu verhindern. Da mehr Rechenleistung auch immer mit einem höheren Energieverbrauch einhergeht, könnte KI zukünftig zu einer großen Herausforderung für die Versorgung einer Gesellschaft werden, die mitten in der Energiewende steckt.

In unserer Branche haben wir uns auf die Fahnen geschrieben, durch Digitalisierung und Papiereinsparung zu einer nachhaltigeren Wirtschaft beizutragen. Daher müssen wir nun darauf achten, dies nicht durch eine negative Energiebilanz aufgrund von KI zu konterkarieren. Was heißt das? Wir sollten die Technologie nur dort nutzen, wo sie auch wirklich benötigt wird, anstatt mit Kanonen auf Spatzen zu schießen. Nicht jede Aufgabe, die mit KI gelöst werden kann, muss auch damit gelöst werden.

In vielen Fällen reichen etablierte Prozesse aus, um Tasks zu lösen und Entwickler sollten dies bei der Produktgestaltung bedenken. Die oben beschriebene Einbindung einzelner Bausteine ist beispielsweise ein Ansatz, um KI sehr zielgerichtet einzusetzen. In bestimmten Bereichen könnte es auch sinnvoll sein, Anfragen zu cachen, sodass diese nicht mehrfach durch ein LLM laufen müssen.

Die Frage der maßvollen und angebrachten Nutzung von KI muss auch auf der Ebene der Endnutzer thematisiert werden. Sie müsse ein Verständnis entwickeln, welcher Aufwand hinter den KI-Anwendungen steckt und welcher Energieverbrauch, beziehungsweise welche Kosten damit verbunden sind. Weiterhin ist ein vorsichtiger Umgang mit der Technologie auch unter Datenschutzgesichtspunkten angeraten. Je nach Delivery-Modell ist nicht genau geklärt, was mit Daten passiert und wo diese tatsächlich verarbeitet werden.

Im DMS-Umfeld gibt es die Möglichkeit, bestimmte Dokumentenklassen oder einzelne Textfelder für KI-Funktionen zu blockieren. So können technische Lösungen Mitarbeiter dabei unterstützen, nach den Legal- und Compliance-Anforderungen ihres Unternehmens zu handeln. Beispielsweise könnte man definieren, dass im HR-Umfeld generell keine KI zulässig ist. Oder aber die Technologie wird für unkritische Daten freigegeben, für personenbezogene Dokumente wie Lebensläufe allerdings gesperrt.

Fazit

Die KI-Integration im Dokumentenmanagement hat das Potenzial, die Büroarbeit nachhaltig zu verändern und Routineaufgaben effizienter zu gestalten. Unternehmen müssen jedoch sorgfältig abwägen, wie und wo sie KI einsetzen, um sowohl den Nutzen zu maximieren als auch ethische und regulatorische Aspekte zu berücksichtigen. Eine durchdachte und gezielte KI-Integration im Dokumentenmanagement kann den entscheidenden Unterschied machen und den Weg in die digitale Zukunft ebnen.