KI und Archivdaten: Wie Unternehmen ihren Datenschatz wirklich heben
Ihre Experten für KI und Archivdaten
In fast jedem Unternehmen gilt das Archiv als notwendiges Übel – dabei schlummert dort der vielzitierte „Datenschatz»: Jahrzehnte an Verträgen, Korrespondenz, Schadensakten und technischer Dokumentation. Mit jeder KI-Initiative taucht dieselbe Frage auf: «Können wir KI und Archivdaten endlich sinnvoll verbinden?»
Die Zahlen klingen verlockend. Laut IDCs StorageSphere-Prognose 2024–2028 sind bereits 78% aller gespeicherten Daten unstrukturiert und dieser Bestand wächst von 5,5 Zettabyte (2024) auf rund 10,5 Zettabyte bis 2028 – etwa 16% pro Jahr, getrieben nicht zuletzt von KI selbst. Ein erheblicher Teil davon liegt genau dort, wo wir hinschauen: im Archivsystem.
KI und Archivdaten: Erst der Use Case, dann die Daten
Das oftmals wenig beachtete Pflichtsystem rückt nun plötzlich näher ins Zentrum. Jahrelang war es nur ein Ablageort, den man befüllen musste, aber selten als Wertquelle betrachtete. Genau diese Vergangenheit rächt sich jetzt. Bevor man den Bestand für KI nutzt, lohnt ein genauer Blick auf System, Daten und Anwendungsfall.
Die Versuchung ist gross, den gesamten Archiv-Bestand pauschal als Wissensquelle zu betrachten. In der Praxis ist das Gegenteil richtig. Ausgangspunkt sollte ein klar umrissener Use Case sein, aus dem sich ergibt, welche Daten überhaupt relevant sind:
- Welche Zeiträume werden benötigt? Nur der aktuelle Bestand oder auch historische Dokumente?
- Welche Dokumenttypen soll der Anwendungsfall tatsächlich abdecken?
Daten: direkt nutzbar oder aufbereitungswürdig?
Hier zeigt sich das Resultat des Pflichtsystem-Denkens der Vergangenheit. Über Jahre wurden Daten in das Archivsystem geladen, vielfach ohne sich grosse Gedanken über die Qualität oder eine allfällige Zweitnutzung zu machen. Ganz nach dem Motto «aus den Augen, aus dem Sinn». Heute finden sich im Archiv oft inkonsistente Metadaten, Dubletten, fehlende Klassifikation und Scans ohne Textebene.
Für KI ist das ein Problem: Auch das beste Retrieval liefert nur das, was im Bestand sauber genug vorliegt – «Garbage in, Garbage out» gilt unverändert. Gerade für Retrieval-Augmented-Generation (RAG), bei dem die Inhalte dem Sprachmodell zur Laufzeit als Kontext beigegeben werden, ist ein sauberer, korrekt klassifizierter Bestand die halbe Miete.
Die gute Nachricht: Der Weg dorthin ist heute deutlich kürzer als früher. Ein verbreiteter Denkfehler ist, aufwändige Aufbereitung als zwingende Vorbedingung zu behandeln, nach der alten Logik «erst vollständig klassifizieren und konvertieren, dann nutzbar». Moderne Modelle drehen das um. Klassische Klassifikatoren brauchten viele gelabelte Beispiele pro Kategorie, was bei uneinheitlich abgelegten Beständen besonders schmerzt. Ein LLM klassifiziert dagegen direkt anhand der Aktenplan-Kategorien per Prompt, ohne ein einziges Trainingsbeispiel (Zero-Shot). Ein paar Beispiele pro Kategorie (Few-Shot) verbessern die Trennschärfe zusätzlich. Der Aktenplan wird so vom Ordnungsinstrument zur unmittelbar nutzbaren KI-Ressource.
Legacy-Formate: kein Hindernis mehr
Wichtig zu beachten: Schlechte Datenqualität entsteht nicht im Archiv. Es lohnt sich, auch die Liefersysteme zu prüfen und dort anzusetzen, wo die Mängel ihren Ursprung haben. Auch Legacy-Formate verlieren an Schrecken: TIFF, AFP oder proprietäre Container, aber auch gescannte Dokumente ohne Textebene lassen sich unter bestimmten Umständen on-the-fly per Konverter mit OCR und Vision-Modell erschliessen, statt in einem Vorab-Konvertierungsprojekt über Millionen Seiten. Ob das trägt, hängt von den jeweiligen Umständen ab (Use Case, Format, Struktur, Antwortzeiten). Bei grossen Volumina oder zeitkritischen Anwendungen ist eine Vorab-Konvertierung oft die bessere Wahl.
Legacy-Archiv-Systeme sind beim lesenden Zugriff häufig langsam: konzipiert für gelegentliche Einzelabrufe, nicht für das massenhafte, sequenzielle Auslesen ganzer Bestände. Wer Millionen Dokumente extrahieren will, stösst oft an Durchsatzgrenzen – ausgebremst nicht durch die Rechenleistung der Modelle, sondern durch die Lesegeschwindigkeit des Quellsystems. Das gehört von Anfang an in die Zeitplanung und lässt sich über Staging-Layer oder einen vorgelagerten Export entschärfen.
Kein Einmalprojekt: neue Dokumente müssen nachfliessen
Wer den Bestand einmal aufbereitet und dann sich selbst überlässt, hat in wenigen Wochen eine veraltete Wissensbasis. Neue, geänderte und gelöschte Dokumente müssen laufend nachgeführt werden, idealerweise automatisch, sobald sie im Archiv eintreffen. Besonders der Löschfall wird gern übersehen: Entfernte Dokumente und entzogene Berechtigungen müssen auch aus der KI-Wissensbasis verschwinden, sonst zeigt ein Chatbot Inhalte, die längst gesperrt sind. Die Einlieferschnittstelle ist deshalb von Anfang an Teil der Lösung, kein Anhängsel.
Data Governance: Berechtigungen, Ownership und Aufbewahrungsfristen
Was darf überhaupt verwendet werden? Ohne geklärtes Information Lifecycle Management nutzt man Daten, die längst hätten gelöscht werden müssen. Löschen ist nicht die einzige Option, oft ist Anonymisierung der elegantere Weg: Die Daten bleiben nutzbar, ein Rückschluss auf Personen ist ausgeschlossen (Stichwort DSG/DSGVO). Mindestens ebenso wichtig, aber oft übersehen sind die Berechtigungen. Wer Archiv-Daten für KI nutzt, muss das bestehende Berechtigungskonzept mitführen. Sonst entsteht eine Hintertür: Der direkte Dokumentzugriff bleibt verwehrt, über den Chatbot ist derselbe Inhalt aber plötzlich frei zugänglich. KI darf Zugriffsbeschränkungen nicht aushebeln, sondern muss sie abbilden.
KI und Archivdaten in der Praxis: So gehen Sie vor
Der Datenschatz ist real, aber roh. Beginnt nicht beim Modell, sondern beim Bestand:
- Use Case definieren: Legen Sie fest, was die KI leisten soll – daraus ergibt sich, welche Daten relevant sind.
- Erst bewerten, dann anfassen: Ehrliche Bestandsaufnahme zu Qualität, Formaten und Lesegeschwindigkeit.
- Den Aktenplan als Asset behandeln: Existiert eine Taxonomie, pflegen Sie diese; fehlt sie, ist ihr Aufbau die lohnendste Vorinvestition.
- Auf RAG setzen und aktuell halten: Inhalte durchsuchbar machen statt ein Modell trainieren – und neue, geänderte, gelöschte Dokumente laufend nachführen.
- Über das Archiv hinausdenken: Die Datenquellen liegen ausserhalb (Scanning, Posteingang, Fachapplikationen). Wer dort ansetzt, stoppt den Nachschub an neuen Altlasten.
Der Perspektivwechsel: Behandeln Sie diese Aufbereitung nicht als KI-Sonderprojekt, sondern als überfälliges Datenmanagement mit neuem Anlass. Dieselben Massnahmen verbessern auch das Tagesgeschäft. Wer hier sauber aufsetzt, hebt den Schatz wirklich. Wer abkürzt, schleppt seine Altlasten weiter.
Für Unternehmen, die KI und Archivdaten strategisch verbinden möchten, steht Inacta gerne für ein erstes Gespräch zur Verfügung.
Über Inacta
Seit 2009 ist die Inacta AG Ihr vertrauensvoller Partner für digitale Transformation und innovative AI-Lösungen in der Schweiz. Wir sind ein unabhängiges Schweizer IT-Beratungsunternehmen mit Sitz in Zug und über 100 Mitarbeitenden. Unser Fokus liegt auf Vertrauen, Transparenz, Effizienz und langfristigem Erfolg, während wir Kunden aus den Branchen Banken, Versicherungen sowie dem Gesundheitswesen unterstützen. Mit umfassender Beratung, massgeschneiderter Entwicklung, nahtloser Integration und sorgenfreiem Betrieb von hochwertigen Applikationen setzen wir dabei besonderen Wert auf höchste Standards in Sicherheit und Datenschutz.
