Generative KI bekommt die Aufmerksamkeit, spezialisierte Modelle erledigen die Massenarbeit. Formal ist generative KI selbst ein Teil des Machine Learning, im ECM-Alltag trennen sich die beiden aber nach Aufgabe: trainierte Klassifikatoren für Menge und Wiederholung, Sprachmodelle für Fragen, Zusammenfassung und Dialog. Es braucht beides, und der Reihenfolge nach zuerst das Fundament.
Die Dokumentenmengen in Unternehmen sind in den letzten Jahren stark gewachsen. Es kommen mehr Kanäle und mehr Formate dazu. Wer diese Menge beherrschen will, braucht zuerst eine verlässliche Verarbeitung im großen Stil. Das ist das Feld von Machine Learning. Klassifikation, Extraktion und Zuordnung zu Vorgängen laufen heute in vielen Häusern mit trainierten Modellen, die auf genau diese Aufgaben zugeschnitten sind. Ihre Ergebnisse lassen sich gut messen, und das gilt inzwischen auch für generative Modelle, die klassifizieren und extrahieren können. Entscheidend ist, dass gemessen wird.
Generative KI setzt auf dieser Grundlage auf. Sie fasst zusammen, beantwortet Fragen zu Vertragsbeständen, entwirft Antworten auf Kundenanfragen und macht aus einem Archiv einen Bestand, mit dem man arbeiten kann. Das funktioniert aber nur, wenn darunter Ordnung herrscht. Ein Sprachmodell, das auf unklassifizierte Dokumente ohne Status und Version trifft, liefert gut formulierte Antworten auf unsicherem Grund. Erst die Klassifikation macht aus Dateien Informationen, die eine generative KI sinnvoll nutzen kann.
Was ich daraus ableite
Der Einstieg beginnt bei einer Aufgabe mit klarem Geschäftsbezug. Das kann der Rechnungseingang sein, die Vertragsprüfung oder die Auskunft im Kundenservice. Dort zeigt sich schnell, ob die Datenbasis trägt.
Der zweite Schritt ist die Dokumentenbasis selbst. Data Governance klingt trocken, entscheidet aber, ob ein Modell die gültige Fassung von der überholten unterscheiden kann. Dazu gehört auch ein Lebenszyklus für die Modelle, denn trainierte Klassifikatoren altern, wenn sich Dokumente und Prozesse ändern.
Und schließlich lohnt es sich, schnelle Erfolge mit dem Aufbau dauerhafter Fähigkeiten zu verbinden. Ein Pilot, der nur zeigt, dass es geht, bleibt ein Pilot. Ein Pilot, der dabei die Metadaten und Schnittstellen aufräumt, ist der Anfang einer Plattform.
Die Frage ist heute weniger, ob Unternehmen diesen Weg gehen. Sie ist, ob sie zuerst das Fundament bauen und die Sprachmodelle dann darauf setzen. Mehr dazu in Vier KI-Ebenen im ECM und in KI im ECM beginnt mit einer konkreten Aufgabe.