Warum KI aus Ihrem SharePoint nicht antworten kann (und was hilft)

Fast jedes Unternehmen hat eine SharePoint-Seite, ein Wiki oder ein gemeinsames Laufwerk mit den Standards, Richtlinien, Arbeitsanweisungen und Leitlinien, nach denen die Belegschaft arbeitet, also die Antworten etwa darauf, wie eine häufige Kundenanfrage zu behandeln ist, wie hoch eine bestimmte Grenze oder ein bestimmter Anspruch ist oder welche Regel in einem Sonderfall gilt. Kommt KI ins Spiel, liegt der Schritt nahe, einen Assistenten direkt an diese Bibliothek zu hängen, ob als Agent im Stil von Copilot, der die Seite indiziert, oder als schneller Versuch mit Abrufen und Erzeugen (Retrieval Augmented Generation), damit Menschen in normaler Sprache fragen und eine Antwort bekommen. Die Inhalte sind ja schon geschrieben, lautet der Gedanke, das Modell muss sie nur lesen. Genau das probieren Leute wirklich zuerst, und deshalb lohnt es sich zu verstehen, warum es enttäuscht.

Hier stirbt der erste Versuch meist. Das Abrufen liefert etwas, das richtig klingt, und dann fallen Antworten auf, die veraltet sind, die einem anderen Dokument widersprechen oder die zwei Fassungen derselben Richtlinie vermischen. Überall dort, wo eine falsche Antwort echte Folgen hat, verfliegt das Vertrauen nach der ersten schlechten Antwort, und der Assistent wird still aufgegeben.

Dokumente, die für Menschen geschrieben sind, sind keine Datenbank. Sie tragen über Jahre uneinheitlich angewandte Formatierung, Überschriften, die in verschiedenen Dateien Verschiedenes bedeuten, und Tabellen, die nur optisch Sinn ergeben. Ein System zum Abrufen plättet all das zu Textstücken und wirft die Struktur weg, die einem menschlichen Leser sagte, welcher Teil maßgeblich war und welcher eine Fußnote. Das Modell ist nicht dumm; man hat ihm etwas gegeben, das nie zum Abfragen geordnet wurde.

Das tiefere Problem ist, dass eine rohe Bibliothek keine Governance hat. Es gibt keine eindeutige Verantwortung, keinen Nachweis, welche Version gerade gilt, und meist mehrere fast gleiche Kopien derselben Richtlinie nebeneinander. Wenn der Assistent eine Antwort verankert, hat er keine Möglichkeit, die freigegebene, aktuelle Fassung einem Entwurf oder einer abgelaufenen vorzuziehen, also verankert er sie in dem, was im Vektorraum gerade am nächsten liegt. So entsteht eine Antwort, die flüssig und falsch ist, nicht weil das Modell etwas erfunden hätte, sondern weil es getreulich die falsche Quelle zitiert hat.

Unternehmen kommen aus mehr als einer Richtung auf ihre Dokumente zu. Ein großer Teil der Antriebskraft ist Bequemlichkeit. Die Belegschaft will schnellere Antworten, Teams wollen, dass alle dieselbe Antwort geben, und niemand will Zeit mit der Suche nach der richtigen Datei verlieren, und für diese Zwecke humpelt eine Dokumentenhalde noch mit. Zwei Kräfte sind anders, weil sie Richtigkeit statt Bequemlichkeit verlangen, und weil sie, und das ist entscheidend, aus getrennten Ecken kommen und doch genau dasselbe brauchen. Die eine ist Governance, die es mit und ohne KI gibt. In einem regulierten oder geprüften Umfeld muss die Art, wie Dokumente freigegeben und versioniert werden, gesteuert und nachvollziehbar sein, und ein ungeregelter Freigabeprozess ist genau die Art Sache, die eine Prüfung anmerkt. Die andere ist KI, wo dieselben Dokumente einen Assistenten speisen sollen, der richtig liegen muss. Auf den ersten Blick sieht das nach zwei getrennten Vorhaben aus, die um Budget konkurrieren.

Es ist dasselbe Problem. Beide brauchen Dokumente, die strukturiert, verantwortet, versioniert und auf eine einzige Datenbasis eingedampft sind, in der nur die gerade gültige Version live ist. Bekommen Sie die Governance hin, haben Sie zugleich die Quelle gebaut, die die KI brauchte; bauen Sie die KI-Quelle ohne Governance, bauen Sie das Chaos nach, mit dem Sie angefangen haben. Die Reihenfolge zählt. Erst der Kontext, dann die KI.

Geregelter Kontext ist das Gegenteil einer Dokumentenhalde. Jedes Dokument hat eine klare Verantwortung, einen Freigabestand und eine Versionsgeschichte. Es gibt genau eine maßgebliche, aktuelle Version, auf die Antworten zurückgreifen dürfen. Fachliche Bedeutung und Metadaten hängen über einen Datenkatalog und ein Business Glossary daran, sodass das System weiß, worum es in einem Dokument geht, für wen es gilt und ab wann es wirkt, statt jede Datei als gleichwertigen Textklumpen zu behandeln. Bis zu 90 % der Unternehmensdaten sind unstrukturiert und liegen in Dokumenten statt in Tabellen (IBM), also ist der eigentliche Gewinn, sie unter dasselbe Dach und dieselbe Governance zu bringen wie Ihre strukturierten Daten, statt sie auf einem getrennten, ungeregelten Haufen liegen zu lassen.

Genau das macht aus Inhalten tatsächlich KI-ready Daten. Was sie freisetzt, ist kein größeres Modell und kein längeres Kontextfenster, sondern Inhalt, der strukturiert, aktuell und vertrauenswürdig genug ist, dass man auch einer darauf gebauten Antwort trauen kann. Ein Assistent ist immer nur so verlässlich wie die Quelle, in der er seine Antworten verankert, und Governance ist das, was die Quelle verlässlich macht.

Der Mechanismus, der das trägt, ist ein geregelter Lebenszyklus für Dokumente statt eines flachen Ordners. Jedes Dokument durchläuft festgelegte Zustände. Es wird entworfen und überarbeitet, dann von den Verantwortlichen geprüft und freigegeben, dann veröffentlicht und schließlich zurückgezogen, wenn eine neuere Version es ablöst. Zu jedem Zeitpunkt gibt es eine einzige aktuelle, freigegebene Version, und nur in ihr dürfen Menschen und KI suchen. Entwürfe, offene Änderungen und abgelaufene Dokumente existieren weiterhin, bleiben aber von dem getrennt, was live ist.

Weil nur die aktuelle freigegebene Version durchsuchbar ist, kann der Assistent eine Antwort nie in einem Entwurf oder einer abgelösten Richtlinie verankern, denn die falschen Versionen sind schlicht nicht im Raum. Und weil jede Änderung versioniert und protokolliert ist, kann das Unternehmen genau rekonstruieren, wie ein Dokument zu jedem Zeitpunkt aussah, und es auf Verlangen ausgeben, was genau das ist, wonach eine Prüfung oder eine Aufsicht fragt. Das ist dieselbe Nachvollziehbarkeit, die Datenteams von einer Datenpipeline erwarten, angewandt auf Dokumente. Governance und Prüfbarkeit sind keine Steuer auf das KI-Vorhaben. Sie sind das, was es verlässlich macht.

Steht die geregelte Quelle, ist die Bereitstellung der leichte Teil. Eine KI-Suche beantwortet Fragen in normaler Sprache mit Quellenangaben, sodass jede Antwort auf genau das freigegebene Dokument verweist, aus dem sie stammt, mit Frage und Antwort in beliebiger Sprache. Das Abrufen kann außerdem vom Segment abhängig sein, sodass der Zusammenhang, wer fragt und in welchem Geschäftsbereich, mitbestimmt, welche Dokumente zurückkommen. Eine Frage aus dem Privatkundengeschäft und eine aus dem Firmenkundengeschäft liefern dann die richtigen Dokumente statt eines allgemeinen Durchschnitts von allem.

Teams nutzen denselben geregelten Inhalt so, wie es ihnen passt. Manche holen bestimmte Dokumente über eine REST API in ihre eigene Anwendung oder ihren eigenen Context Layer. Andere fragen ihn über das Model Context Protocol ab, sodass jeder MCP-fähige Agent Antworten aus geregelten Objekten zusammensetzt, statt eine rohe Freigabe zu durchforsten. So oder so liest der Assistent aus derselben einzigen, freigegebenen Quelle, und genau darum geht es bei einem Context Layer: die Bedeutung einmal regeln und sie dann jedem Abnehmer bereitstellen.

Genau für dieses Problem ist die Data Governance für unstrukturierte Daten und KI von Dawiso gebaut. Sie bringt Dokumente in eine strukturierte, verantwortete Form, ohne das Aussehen des einzelnen Dokuments zu zerstören, von SharePoint-Bibliotheken über einzelne Word-Dateien bis zu gemeinsamen Laufwerken, fährt den Lebenszyklus aus Freigabe und Versionierung mit voller Prüfbarkeit und stellt das geregelte Ergebnis dann Assistenten und Agenten über KI-Suche, eine REST API und MCP bereit. Weil sie als Katalog der Kataloge arbeitet, liegt dieser geregelte Inhalt neben Ihren strukturierten Daten, Ihren Metadaten und Ihrem Glossar statt in einem eigenen Silo, und eine Lizenzierung, die auf Lesende und Beitragende im großen Maßstab ausgelegt ist, bedeutet, dass daran das ganze Unternehmen mitwirken kann statt einer Handvoll Fachleute. Das Ergebnis für die Compliance und das Ergebnis für die KI kommen aus demselben Fundament.

Die Lehre darunter ist einfach. Hängen Sie KI nicht an eine rohe Dokumentenablage und hoffen Sie. Geben Sie ihr eine geregelte Quelle für Kontext, und dieselbe Arbeit, die Ihre Prüfer zufriedenstellt, macht Ihre KI-Antworten richtig. Das Modell war nie das fehlende Stück; der geregelte Kontext war es.