Katalog / Aufbereitung von Daten und Wissen / PREP-016

Mustersammlung: Beste Beispiele und Vorlagen für KI sammeln

Die besten früheren Angebote, Briefe, Berichte, Antworten und Serviceberichte auswählen, anonymisieren und als kleine Referenzbibliothek aufbereiten, die KI-Werkzeuge nachahmen, damit erzeugte Entwürfe den Standards des Unternehmens entsprechen.

Schneller Erfolg: bewährt, überschaubarer Aufwand, erste Ergebnisse nach Wochen, geringes regulatorisches Risiko.

Bausteine für den EigenbetriebAgenten & AutomatisierungSprachmodellSuche & RAG

Allgemeine KI-Entwürfe klingen allgemein. Angebote, Briefe und Serviceberichte entsprechen nur dann Ihren Standards, wenn der Assistent Ihre beste bisherige Arbeit sieht. Wählen Sie je Dokumenttyp 5 bis 20 hervorragende Beispiele aus, entfernen Sie personenbezogene und vertrauliche Angaben, ergänzen Sie kurze Stilhinweise und legen Sie alles dort ab, wo Copilot, Gemini, Nextcloud Assistant oder ein n8n-Workflow es finden.

Problem & Nutzen

  • Heute: Gute Dokumente liegen in einzelnen Postfächern; neue Mitarbeitende kopieren "irgendein altes Angebot", das veraltet sein oder Daten eines anderen Kunden enthalten kann.
  • KI-Nutzen: Mit einer kuratierten Referenzsammlung übernehmen Entwürfe Aufbau, Ton, Standardklauseln und Detailtiefe. Weniger Prüfschleifen, schnellere Einarbeitung und einheitliche Qualität.
  • Ehrliche Grenze: Es gibt keinen belegten Richtwert für die eingesparte Zeit; messen Sie sie selbst (siehe Kennzahlen). Office-KI-Produkte können Entwürfe auf Ihren eigenen Dateien aufbauen [1][2].

Varianten

  • Vertrieb: Angebote, Vorschläge, Ausschreibungsantworten, Nachfass-Mails.
  • Service und Handwerk: Serviceberichte, Prüfprotokolle, Übergabedokumente, Arbeitsaufträge.
  • Kundenservice: Antwortvorlagen für die 20 häufigsten Anfragetypen.

So funktioniert es

  1. nominate document types
  2. collect candidates
  3. human selects best (quality criteria)
  4. anonymise & generalise (placeholders)
  5. add metadata + style notes
  6. store in controlled library (SharePoint / Drive / Nextcloud / Paperless-ngx)
  7. used by: Copilot/Gemini reference file | custom assistant | n8n few-shot prompt | RAG index
  8. human reviews every generated draft
  9. feedback updates the library
  • Die Auswahl ist menschliche Arbeit: Die KI kann nicht wissen, welches Angebot den Zuschlag erhielt oder welcher Brief eine Beschwerde auslöste.
  • Einsatz: Zwei bis fünf passende Beispiele kommen in den Prompt (Few-Shot); größere Sammlungen nutzen einen Index (PREP-013, PREP-010).
  • Mensch-in-der-Schleife (Human-in-the-Loop): Eine benannte Person gibt jeden Eintrag frei und nimmt veraltete aus der Sammlung; Mitarbeitende prüfen das erzeugte Ergebnis immer.

Datenaufbereitung

Dieser Anwendungsfall ist Datenaufbereitung, und sie ist überwiegend manuelle, redaktionelle Arbeit.

Wo Beispiele liegen: gesendete Mails, persönliche Laufwerke, DMS oder Dateiablage, CRM/ERP, DATEV-Ordner, Papierordner.

Typische Lücken: nahezu identische Versionen, veraltete Preise und Bedingungen, personenbezogene Kundendaten, Unterschriften, vertrauliche Konditionen, Scans ohne Text, keine Kennzeichnung, was "gut" war.

Konkrete Schritte (grober Aufwand für einen Dokumenttyp): 1. Wählen Sie 3 bis 5 Dokumenttypen mit dem höchsten Aufkommen und Leidensdruck (1 Stunde Workshop). 2. Sammeln Sie je Typ 15 bis 30 Kandidaten bei den Mitarbeitenden, die sie schreiben (2 bis 4 Stunden). 3. Lassen Sie zwei erfahrene Kolleginnen oder Kollegen bewerten und die besten 5 bis 10 auswählen. Kriterien: korrekt und aktuell, vollständig, klar, gewonnen oder gelobt (2 Stunden). 4. Anonymisieren: Ersetzen Sie Namen, Adressen, Preise und Projektdetails durch Platzhalter wie {{Kunde}}, {{Preis}}. Siehe PREP-022; etwa 20 bis 40 Minuten je Dokument. 5. Schreiben Sie je Typ einen halbseitigen Stilhinweis: Ton, Sie/Du, Länge, Pflichtklauseln (Bedingungen: PREP-015). 6. Versehen Sie jedes Dokument mit Metadaten (Typ, Produkt, Sprache, Datum, Verantwortliche(r), gültig bis) gemäß PREP-010. 7. Digitalisieren Sie Scans bei Bedarf (PREP-006); Paperless-ngx übernimmt OCR und Verschlagwortung. 8. Beschränken Sie Schreib- und Leserechte (PREP-023); indexieren Sie keine privaten Postfächer. Legen Sie einen Überprüfungstermin nach 6 Monaten und einen Rückmeldeweg fest (PREP-021, PREP-017).

Werkzeuge, die KMU bereits haben: Word und SharePoint oder OneDrive, Google Drive und Docs, Nextcloud, Excel für den Katalog, Paperless-ngx, DATEV Dokumentenablage, Power Automate oder n8n zum Kopieren freigegebener Einträge.

Aufwand: Für 5 Dokumenttypen planen Sie grob 3 bis 6 Arbeitstage gemischter Mitarbeiterzeit, verteilt auf 3 bis 4 Wochen. Das ist der eigentliche Kostentreiber; die Werkzeuge kosten wenig. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

  • KMU — Weg A: Die Office-Suite oder ein ausgereiftes Assistenzprodukt mit Referenzdatei- oder Notebook-Funktion ist bereits lizenziert und der Prozess ist Standard. Die Sammlung besteht nur aus Ordnern und Metadaten.
  • Großunternehmen — Weg B: Viele Abteilungen, viele Sprachen und eine gemeinsame interne KI-Plattform: ein API-basierter Assistent mit Retrieval über die zentrale Sammlung und Zugriffskontrolle.
  • Öffentliche Hand — Weg C: Briefe und Bescheide enthalten Bürgerdaten und erfordern souveränen Betrieb, daher ein selbst betriebener Index und ein kleines Modell auf eigener oder deutscher Cloud-Infrastruktur.

Weg A — Kaufen (Standardsoftware) (für die meisten KMU empfohlen)

  • Microsoft 365 Copilot: Copilot kann Entwürfe auf Dateien stützen, auf die die Nutzerin oder der Nutzer zugreifen darf [1]; prüfen Sie die Bedingungen der EU Data Boundary für Ihren Tenant. Setzt zuvor saubere Berechtigungen voraus (PREP-023).
  • Google Workspace mit Gemini: Gems und NotebookLM können hochgeladene Beispieldokumente als Grundlage nutzen, abhängig von Ihren Einstellungen zur Datenregion [2].
  • Nextcloud Hub mit Assistant (in der EU hostbar, mit lokalen Modellen betreibbar) und Mistral Le Chat (EU-Anbieter; aktuelle Funktionen für Dokumentenbibliotheken prüfen) sind Alternativen.
  • Wählen Sie A, wenn: weniger als ca. 500 Beispiele vorliegen und keine ERP-Anbindung nötig ist.

Weg B — Auf Cloud-KI-Diensten aufbauen

  • Nutzen Sie ein API-Modell mit EU-Region oder EU-Anbieter (Azure OpenAI in EU-Regionen, Mistral API, Vertex AI EU) plus einen n8n- oder Power-Automate-Ablauf: Anfragetyp → passende Beispiele und Stilhinweis abrufen → Entwurf → menschliche Prüfung in Word oder im Mailprogramm.
  • Wählen Sie B, wenn: Entwürfe aus ERP- oder CRM-Daten erzeugt werden müssen (Angebotspositionen, Kundenhistorie).

Weg C — Selbst betreiben (Open Source)

  • Sammlung in Nextcloud oder Paperless-ngx, selbst betriebenes n8n, kleines Open-Weight-Modell über Ollama (7 bis 14B) auf HW1/HW2. 2 bis 4 Tage Einrichtung plus Wartung. Gut für sensible Inhalte (Recht, Gesundheit, Betriebsgeheimnisse).
  • Kleine Modelle eignen sich für vorlagenbasiertes Entwerfen; testen Sie lange Berichte mit Ihrem eigenen Material.

Weg D — Eigenes Training

Fast nie; Few-Shot-Beispiele und Retrieval decken den Bedarf ab.

Stand der Technik (2026)

  • Few-Shot-Prompting mit 2 bis 5 guten Beispielen bleibt der günstigste Weg, den Stil zu treffen.
  • Die Qualität der Auswahl zählt mehr als die Modellwahl.
  • Fehlerbilder: Das Modell übernimmt veraltete Preise oder Klauseln aus einem Beispiel; gibt Details eines anderen Kunden preis, wenn Beispiele nicht anonymisiert wurden; vermischt den Ton verschiedener Beispiele; erfindet Fakten, die nicht in der Eingabe stehen. Platzhalter und eine menschliche Prüfung mindern dies.

Gemeinsame Bausteine & Kombinationen

Aufwand, Kosten & Kennzahlen

  • Weg A: 3 bis 6 Tage Mitarbeiterzeit; Zusatzlizenzen werden je Nutzer und Monat berechnet (aktuelle Preislisten prüfen).
  • Weg B: zusätzlich 3 bis 10 Tage Aufbau.
  • Weg C: zusätzlich 2 bis 4 Tage Einrichtung; HW1 genügt, HW2 ist schneller.
  • Kennzahlen: Zeit bis zum ersten akzeptablen Entwurf, Anteil der Entwürfe, die mit kleinen Änderungen übernommen werden, Prüfschleifen je Dokument, Einarbeitungszeit neuer Mitarbeitender, Zahl der bei einer Überprüfung gefundenen veralteten Einträge.

Menschen & Veränderung

Früh einbinden: Abteilungsleitungen (verantworten die Qualität), die besten Verfasserinnen und Verfasser als Auswählende, die IT für Sammlung und Zugriff, die/den Datenschutzbeauftragte(n) für die Anonymisierungsregeln, Dateneigner der CRM- und Maildaten. Die Geschäftsführung legt Umfang und Zeitbudget fest.

Betriebsrat: Es kommt darauf an. Das Sammeln von Dokumenten ist keine Überwachung, aber die Auswahl "bester" Beispiele kann Verfasser implizit bewerten, und Werkzeuge vom Typ Copilot protokollieren die Nutzung; daher ist für die Einführung des Werkzeugs wahrscheinlich §87 Abs. 1 Nr. 6 BetrVG einschlägig; informieren Sie den Betriebsrat rechtzeitig (§90 Abs. 1 Nr. 3). Vereinbaren Sie, dass Verfasser nicht genannt werden und Bewertungen nicht zur Beurteilung von Mitarbeitenden verwendet werden (GUIDE-004). Öffentliche Stellen beziehen den Personalrat ein.

Datenschutz: Angebote und Briefe enthalten personenbezogene Daten (DSGVO). Anonymisieren Sie vor der Indexierung, schließen Sie mit jedem Anbieter einen AVV (Art. 28 DSGVO) und beziehen Sie die/den Datenschutzbeauftragte(n) ein. Eine DSFA ist für eine kuratierte, anonymisierte Sammlung normalerweise nicht nötig, außer wenn Postfächer in großem Umfang indexiert werden (GUIDE-005).

KI-Kompetenz: Nach Art. 4 KI-Verordnung (AI Act) müssen Anbieter und Betreiber Maßnahmen ergreifen, die die KI-Kompetenz ihres Personals fördern (kein garantiertes Niveau). Eine einstündige Schulung zur Prüfung von KI-Entwürfen passt gut (GUIDE-006).

Pilot: ein Team, zwei Dokumenttypen, 4 Wochen, eine KI-Botschafterin oder ein KI-Botschafter (GUIDE-008, GUIDE-009). Bedenken wie "meine Arbeit wird kopiert" oder "KI ersetzt mich": Verfasser werden nicht genannt, Auswahl und Prüfung bleiben menschlich.

Risiken, Regulierung & Compliance

  • KI-Verordnung (AI Act): minimales Risiko bei Entwurfsunterstützung; Art. 4 KI-Kompetenz gilt. Transparenzpflichten nach Art. 50 (gelten seit dem 2. Aug. 2026) können relevant sein, wenn KI-generierte Texte veröffentlicht werden, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, es sei denn, sie wurden menschlich geprüft und es besteht redaktionelle Verantwortung; planen Sie eine menschliche Prüfung ein (GUIDE-014).
  • DSGVO: personenbezogene Daten in Beispielen; anonymisieren, minimieren, Zugriff beschränken, Aufbewahrung festlegen. Vertragsbedingungen von Kunden können vertraulich sein: Prüfen Sie Geheimhaltungsvereinbarungen vor einer Wiederverwendung.
  • Qualitätsrisiko: Veraltete Beispiele verbreiten Fehler; legen Sie eine verantwortliche Person und Überprüfungstermine fest.

Erste Schritte

  1. Wählen Sie zwei Dokumenttypen und je eine verantwortliche Person; führen Sie einen einstündigen Workshop durch (GUIDE-001).
  2. Sammeln und bewerten Sie die Beispiele und wählen Sie je Typ die besten 5 bis 10 aus.
  3. Anonymisieren Sie, ergänzen Sie Platzhalter und schreiben Sie den Stilhinweis.
  4. Legen Sie alles in einem kontrollierten Ordner mit Metadaten ab und testen Sie mit Copilot, Gemini oder einem n8n-Ablauf anhand von 10 echten Anfragen.
  5. Werten Sie die Ergebnisse mit den Nutzern aus, nehmen Sie schwache Beispiele heraus und setzen Sie einen Überprüfungstermin nach 6 Monaten.

Quellen

  1. Microsoft Learn — Microsoft 365 Copilot overview — https://learn.microsoft.com/en-us/copilot/microsoft-365/microsoft-365-copilot-overview
  2. Google Workspace — Gemini and AI features — https://workspace.google.com/solutions/ai/
  3. Paperless-ngx documentation — https://docs.paperless-ngx.com/
  4. n8n documentation — https://docs.n8n.io/
  5. Nextcloud — Assistant — https://nextcloud.com/assistant/
  6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj