5 Oktober 2026

Erst das Fundament, dann die KI: Was Dokumentenmanagement wirklich KI-fähig macht

Warum Dokumentenmanagement zur kritischen Infrastruktur für KI wird – ein Vortrag von Dipl.-Ing. Dr. Nikola Milanovic auf der Provide Tech

Dokumentenmanagement gilt als solide, wichtige, aber trockene Disziplin: ablegen, archivieren, wiederfinden. In seinem Vortrag auf der Provide Tech zeigt Dr.-Ing. Nikola Milanovic, CTO von OPTIMAL SYSTEMS, warum sich das gerade grundlegend ändert – und warum viele KI-Projekte an einer Stelle scheitern, an die kaum jemand denkt.

Die Datenbasis rückt ins Zentrum

Der Stand der Dinge in Sachen Künstliche Intelligenz: Unternehmen wechseln von KI-Piloten in den produktiven Betrieb, Agenten sollen Prozesse eigenständig erledigen und die regulatorischen Anforderungen von DSGVO bis EU AI Act steigen. Die Spielphase ist also vorbei – KI ist gekommen, um zu bleiben.

Aber welche Voraussetzungen müssen erfüllt sein, dass eine KI wirklich überzeugende Leistungen in einem Unternehmen erbringt? Nikola Milanovic, CTO von OPTIMAL SYSTEMS, argumentiert, dass es vor allem auf die Datenbasis ankommt: Die Informationen, die ein KI liefern kann, sind nur so gut wie die Inhalte, Metadaten und Berechtigungen dahinter – und die sind seit jeher die Domäne des Dokumentenmanagements, das so vom Back-Office-Thema zur strategischen Infrastruktur wird.

Was das in der Praxis bedeutet, sieht man auch am Umzug von OPTIMAL SYSTEMS von Charlottenburg nach Neukölln: Das Papierarchiv im Keller wurde per KI-Pipeline digitalisiert, getrennt, klassifiziert, verschlagwortet und mit Aufbewahrungsfristen versehen – in Wochen statt Personenjahren.

Vom Suchort zur Auskunftsinstanz

Aber der Reihe nach. Zunächst einmal die Ausgangsbeobachtung: Mit KI wird das Archiv vom Ort, an dem man lediglich sucht, zu einer Instanz, die Antworten liefert und gewissermaßen für diese Antworten bürgt. Anders als bei einem Chatbot mit Warnhinweis glaubt man einem Archiv, denn schließlich halluziniert es keine Dokumente. Nun kann also jedes archivierte Dokument, das seit Jahren im System liegt, zu einer Handlungsanweisung werden. Das hebt die Anforderungen an Aktualität, Richtigkeit und Sicherheit auf ein neues Niveau.

Klicken Sie auf das Video, um den ganzen Vortrag zu sehen.

Der typische Fehler: Chatbot drauf, fertig

Viele KI-Projekte beginnen aber nicht mit einem Blick auf die Datenbasis, sondern mit der KI-Modellwahl. Für Milanovic ist das die banalste Entscheidung – und die am leichtesten revidierbare. Das gängige Muster, einfach ein LLM anzuschließen, funktioniert in nur in der Demo, aber nicht im realen Unternehmensalltag: Änderungen im Dokumentenbestand werden nicht registriert. Gelöschte Dokumente liefern weiter plausible, aber falsche Antworten. Und im schlimmsten Fall gibt der Bot auf Nachfrage den Arbeitsvertrag des Chefs heraus. Kein besseres Modell löst diese Probleme.

"Die Modellauswahl ist zwar die sichtbarste Entscheidung, aber auch die leichteste [...] Nutzen Sie Astra, Opus oder irgendwas anderes – Gemini 3.7 oder 4 – das ist fast irrelevant."

Nikola Milanovic

Was eine KI-fähige Plattform ausmacht

Die Lösung liegt im Produktkern: ein minimaler Core, alles Weitere als Module über offene APIs. KI-Module sind dabei nicht privilegiert, sondern nutzen dieselben Wege und Regeln wie Workflow oder digitale Signatur. Fällt der KI-Anbieter aus, läuft das Archiv weiter. Hinzu kommen Skalierbarkeit für Milliarden Objekte, belastbare Texterkennung und austauschbare Modelle hinter einer stabilen Schnittstelle – der beste Schutz vor Anbieterabhängigkeit.

Besonders eindringlich wird es bei Löschungen und Berechtigungen. Ein Vektorindex – also die für die KI-Arbeit durchsuchbar aufbereitete Datenbasis – ist immer eine Kopie, die vom Original-Archivbestand abweicht. Löscht man im Archiv, so ist der Index nicht unbedingt betroffen – und eine DSGVO-Löschung, die die KI nicht erreicht, ist keine Löschung. Rechte gehören deshalb in den Kern, nicht in die Pipeline: Schon beim Retrieval darf nur einfließen, was der fragende Nutzer sehen darf.

Drei Tests, eine Stoppuhr

Wer jetzt noch glaubt, KI-Readiness sei eine Frage des Modells, sollte sich diese gut 30 Minuten gönnen. Statt Hochglanzvisionen liefert Milanovic drei Tests, die sich unkompliziert durchführen lassen:

Ein Frontend ausschließlich mit den öffentlichen API-Funktionen bauen.

Etwas löschen und messen, ob und wann der Chatbot es bemerkt.

Zwei Nutzer, zwei Berechtigungen, dieselbe Frage – kommen unterschiedliche Antworten?

Wer alle drei besteht, ist bereit für KI. Alle anderen wissen danach zumindest, wo sie anfangen müssen. Einen kleinen Spoiler vorweg: nicht beim Modell. Aber am besten ist es, Sie sehen sich das ganze Gespräch an.

Haben Sie noch Fragen?
Nehmen Sie Kontakt mit uns auf!