Aufbereitung von Daten und Wissen

Einführung & Umfang

Anwendungsfälle, die die Daten, Dokumente und das Wissen einer Organisation für KI nutzbar machen, bevor ein Modell eingesetzt wird. Muster: PREP.INVENTORY (wissen, welche Daten es gibt, wem sie gehören und wie man an sie herankommt: PREP-001..005), PREP.DIGITIZE (Papier und Altformate in maschinenlesbare Form bringen: PREP-006..008), PREP.STRUCTURE (Dateien, Metadaten, Tabellen und Definitionen ordnen: PREP-009..012), PREP.KNOWLEDGE (Inhalte, Fachbegriffe und Beispiele für Assistenten pflegen: PREP-013..017), PREP.LABEL (Bewertungssätze, Kategorien, Labels und Rückkopplungsschleifen aufbauen: PREP-018..021) und PREP.PROTECT (Pseudonymisierung, Berechtigungen, Klassifizierung und Rechtsgrundlage: PREP-022..025).

Abgrenzungen: - PREP-001 (organisationsweite Bereitschaft und Bestandsaufnahme) vs. PREP-002 (ein konkreter Anwendungsfall) vs. PREP-003 (Schatten-Tabellen) vs. PREP-005 (Systemzugriff). - PREP-006 (Scannen und OCR von Papier) vs. PREP-007 (digitale Altformate, Mailarchive) vs. PREP-008 (Papier vermeiden durch digitale Erfassung an der Quelle); der Parsing-Schritt selbst ist DOC-014. - PREP-009 (Ordner- und Site-Struktur) vs. PREP-010 (Metadaten) vs. PREP-011 (Tabellen) vs. PREP-012 (Definitionen und semantische Schicht). - PREP-013 (kuratierter RAG-Bestand) vs. PREP-014 (Umschreiben für die Suche) vs. PREP-015 (Terminologie) vs. PREP-016 (Musterbeispiele) vs. PREP-017 (Lebenszyklus). - PREP-018 (Bewertungssätze) vs. PREP-019 (Kategorienschemata) vs. PREP-020 (Labels aus Datensätzen) vs. PREP-021 (Nutzerrückmeldungen). - PREP-022 (Pseudonymisierung von Daten) vs. PREP-023 (Berechtigungen) vs. PREP-024 (Klassifizierungsregeln je KI-Werkzeug) vs. PREP-025 (Zweck und Rechtsgrundlage). - Alle PREP-Fälle haben minimales Risiko nach der KI-Verordnung (AI Act); die meisten sind Organisationsarbeit mit leichten Werkzeugen, daher sind die Hardwarestufen niedrig.

Übersicht

ID	Titel	Muster	Reifegrad	Weg	HW-Stufe	Risiko KI-VO
PREP-001	Bewertung der KI-Datenreife & Dateninventar	PREP.INVENTORY	early-adopter	C	HW1	minimal
PREP-002	Datenabgleich & Lückenanalyse je Anwendungsfall	PREP.INVENTORY	early-adopter	B	HW1	minimal
PREP-003	Aufspüren von Excel-Schattensystemen & persönlichen Datenablagen	PREP.INVENTORY	early-adopter	C	HW1	minimal
PREP-004	Datenverantwortung & Stewardship-Rollen für KI-relevante Daten	PREP.INVENTORY	mainstream	A	HW0	minimal
PREP-005	Daten aus ERP-, SaaS- und Altsystemen herausholen (Exporte, APIs, Konnektoren)	PREP.INVENTORY	mainstream	C	HW1	minimal
PREP-006	Nachscannen & OCR von Papierarchiven für die KI-Nutzung	PREP.DIGITIZE	mainstream	C	HW1	minimal
PREP-007	Umwandlung alter Dateiformate & Mailarchive in KI-lesbare Formate	PREP.DIGITIZE	mainstream	C	HW1	minimal
PREP-008	Papier-Checklisten & Logbücher durch digitale Erfassung an der Quelle ersetzen	PREP.DIGITIZE	commodity	A	HW1	minimal
PREP-009	Umstrukturierung von Dateiablagen & SharePoint für die KI-Indexierung	PREP.STRUCTURE	mainstream	C	HW1	minimal
PREP-010	Dokument-Metadaten & Verschlagwortung für die Suche	PREP.STRUCTURE	early-adopter	C	HW2	minimal
PREP-011	Tabellendaten in saubere, maschinenlesbare Tabellen überführen	PREP.STRUCTURE	mainstream	C	HW1	minimal
PREP-012	Geschäftsglossar, Kennzahlendefinitionen & semantische Schicht für KI	PREP.STRUCTURE	early-adopter	B	HW1	minimal
PREP-013	Aufbau einer verlässlichen Wissensbasis für RAG-Assistenten	PREP.KNOWLEDGE	early-adopter	C	HW1	minimal
PREP-014	KI-gerechtes Schreiben: Dokumente für die Suche umschreiben	PREP.KNOWLEDGE	early-adopter	A	HW0	minimal
PREP-015	Firmenterminologie, Abkürzungs- & Synonymlisten für KI	PREP.KNOWLEDGE	mainstream	A	HW1	minimal
PREP-016	Musterbeispiele & Vorlagen für KI sammeln	PREP.KNOWLEDGE	mainstream	A	HW1	minimal
PREP-017	Lebenszyklus von Wissensinhalten: Prüfzyklen & Rückmeldungen aus Assistentenfehlern	PREP.KNOWLEDGE	early-adopter	C	HW1	minimal
PREP-018	Test- & Bewertungssätze mit Fachexperten aufbauen	PREP.LABEL	mainstream	C	HW1	minimal
PREP-019	Kategorienschemata vor der KI-Klassifikation festlegen	PREP.LABEL	mainstream	C	HW1	minimal
PREP-020	Labels aus vorhandenen Geschäftsdaten gewinnen	PREP.LABEL	mainstream	C	HW1	minimal
PREP-021	Nutzerrückmeldungen & Korrekturen zu KI-Ergebnissen erfassen	PREP.LABEL	early-adopter	C	HW1	minimal
PREP-022	Pseudonymisierung von Datensätzen & Exporten vor der KI-Nutzung	PREP.PROTECT	mainstream	C	HW1	minimal
PREP-023	Bereinigung von Berechtigungen & Überfreigaben vor dem Rollout von Copilot / KI-Assistenten	PREP.PROTECT	mainstream	A	HW0	minimal
PREP-024	Datenklassifizierungsregeln für die KI-Nutzung („was darf in welches KI-Werkzeug“)	PREP.PROTECT	mainstream	A	HW1	minimal
PREP-025	DSGVO-Prüfung von Zweck & Rechtsgrundlage bei der Weiterverwendung von Daten für KI	PREP.PROTECT	early-adopter	A	HW2	minimal

Gemeinsamer Technologie-Stack

Gemeinsame Schichten für alle PREP-Anwendungsfälle: ein Quellen- und Verantwortungsregister (Tabelle, Notion oder ein Datenkatalog wie DataHub / OpenMetadata), gespeist aus PREP-001..004, ein Dienst für Dokument-Parsing und OCR (Docling, Tesseract oder PaddleOCR) für PREP-006/007, ein Metadaten- und Glossarspeicher, gemeinsam genutzt mit PREP-010/012/015, eine Schicht für PII-Erkennung und Pseudonymisierung (Presidio) für PREP-022 sowie ein schlankes Bewertungs- und Rückmeldeprotokoll für PREP-018/021, das später die Familien DOC, KNOW und ANOM speist.

HW0 (keine eigene Hardware, SaaS-/Office-Werkzeuge): Funktionen von Microsoft 365 / Google Workspace, SharePoint-Berechtigungsberichte, gemeinsame Tabellen. Deckt PREP-004, 014, 023 ab.
HW1 (CPU/Laptop): Tesseract/PaddleOCR, Docling, pandas/DuckDB, Presidio, ein quantisiertes 3-8B-Modell über llama.cpp/Ollama für Verschlagwortung und Entwürfe, n8n. Deckt die meisten Fälle ab (PREP-001..003, 005..009, 011..013, 015..022, 024).
HW2 (einzelne GPU mit 24-48 GB): 7-32B-Instruct-Modell für die massenhafte Metadaten-Verschlagwortung und die Vorsortierung nach Einwilligung/Zweck (PREP-010, 025).
HW3: für diese Familie nicht nötig.
Hinweise zu den Wegen: A = zuerst verwaltete SaaS-Dienste oder eingebaute Office-Funktionen; B = selbst betreiben/aufbauen, wenn Datensensibilität oder Datenmenge es erfordern; C = dienstleistergestützte oder interne Projektarbeit mit einem Partner (Scan-Dienstleister, Integrator) und DSFA, wo personenbezogene Daten betroffen sind. Zuerst PREP-001/002 durchführen, PREP-024/025 vor jedem Datenabfluss aus der Organisation, und ein Register, einen Parsing-Dienst und ein Glossar für alle Folge-Anwendungsfälle wiederverwenden.