Copilot trifft Technische Doku: Warum strukturierter Content bessere Antworten liefert

Die Vorstellung ist verlockend: Der Servicetechniker steht vor der Anlage, tippt seine Frage ins Tablet und bekommt in Sekunden die passende Anleitung – statt sich durch dreihundert Seiten PDF zu blättern. Genau das versprechen KI-Assistenten wie Copilot, und das Versprechen ist keineswegs leer. Nur hängt seine Einlösung an einer Bedingung, die im Werkzeug selbst nicht steckt: an der Beschaffenheit der Inhalte, auf denen der Assistent arbeitet.

Denn ein Assistent kann nur so gut antworten, wie die Auswahl ist, aus der er schöpft. Findet er die Anleitung von 2019, den nie freigegebenen Entwurf und die Fassung für die Vorgängerbaureihe, formuliert er daraus eine flüssige, plausible und überzeugende Antwort – die falsch ist. Und der schlimmste Teil daran: Man sieht es ihr nicht an. Eine falsche KI-Antwort klingt genauso gut wie eine richtige.

Dieser Artikel erklärt die Grounding-Logik so, dass man ohne KI-Vorkenntnisse versteht, woran gute Antworten hängen – und zeigt am Beispiel des Servicetechnikers, was derselbe Assistent bei einem gewachsenen und bei einem strukturierten Bestand liefert. Am Ende steht eine unerwartete Erkenntnis: Die Vorbereitung auf KI ist zu großen Teilen ganz normale Redaktionsarbeit.

Grounding, ohne Fachchinesisch erklärt

Der Begriff klingt technischer, als die Sache ist. Ein Sprachmodell allein weiß nichts über deine Maschinen – es kennt Sprache, nicht dein Produkt. Damit es trotzdem sinnvoll antworten kann, wird ihm die Antwort gewissermaßen mitgeliefert: Bevor das Modell überhaupt tätig wird, sucht das System nach Textstellen, die zur Frage passen, und legt sie der Frage bei. Das Modell formuliert dann aus diesen Stellen eine Antwort. Genau dieses Beilegen heißt Grounding – die Antwort wird auf konkrete Inhalte gegründet statt frei erzeugt.

Daraus folgt die wichtigste Einsicht dieses ganzen Artikels: Der entscheidende Schritt ist nicht das Formulieren, sondern das Auswählen. Wenn die richtigen Stellen beiliegen, wird die Antwort gut – auch bei einem durchschnittlichen Modell. Wenn die falschen beiliegen, wird die Antwort falsch – auch bei einem herausragenden Modell, und zwar in besonders überzeugender Sprache. Wer die Qualität von KI-Antworten verbessern will, muss deshalb nicht am Modell arbeiten, sondern an dem, was gefunden werden kann.

Vier Faktoren bestimmen diese Auswahl. Erstens die Berechtigungen: Ein Assistent zeigt nur, was der Fragende ohnehin sehen dürfte – das ist eine beruhigende Eigenschaft und zugleich ein Hinweis darauf, wie wichtig ein sauberes Berechtigungsmodell ist. Zweitens die Metadaten, die eingrenzen, was gilt. Drittens die Struktur der Inhalte, die bestimmt, wie sauber Fundstellen geschnitten werden. Und viertens die Benennungen, die darüber entscheiden, ob die Suche überhaupt trifft. Drei dieser vier Faktoren liegen in der Hand der Redaktion, nicht der IT – und das ist die eigentliche Botschaft dieses Themas: KI-Tauglichkeit ist überwiegend eine redaktionelle Aufgabe.

Ein verbreiteter Einwand lautet an dieser Stelle: Erfindet KI nicht ständig Dinge? Die Sorge ist berechtigt und trifft in gegroundeten Anwendungen etwas anders zu als bei einem Sprachmodell ohne Quellenbezug. Weil die Antwort aus beigelegten Textstellen entsteht, sinkt das Risiko frei erfundener Inhalte deutlich — es verschwindet aber nicht: Das Modell kann Stellen falsch zusammenfassen, Zusammenhänge herstellen, die im Original nicht stehen, oder Angaben aus zwei Dokumenten vermischen. Genau deshalb ist die Quellenangabe so wichtig — sie erlaubt die Gegenprobe, und ohne sie ist jede Antwort ein Vertrauensvorschuss.

Abb.: Vier Schritte von der Frage zur Antwort – und der dritte entscheidet über die Qualität.

Was ein Assistent überhaupt sieht

Bevor es um Qualität geht, eine Frage, die im Haus regelmäßig für Unsicherheit sorgt: Worauf greift so ein Assistent eigentlich zu? Die Grundregel ist beruhigend — er arbeitet mit den Berechtigungen des Fragenden. Was jemand ohnehin öffnen dürfte, kann in einer Antwort auftauchen; was ihm verschlossen ist, bleibt es. Ein Assistent hebelt keine Zugriffsrechte aus; er macht sie höchstens wirksamer, weil er findet, was vorher niemand gesucht hat.

Genau darin liegt allerdings eine unangenehme Nebenwirkung: Großzügig verteilte Leserechte, die jahrelang folgenlos blieben, werden plötzlich spürbar. Der Entwurfsordner, auf den „alle" Zugriff haben, weil das mal praktisch war; die Bibliothek mit den internen Serviceunterlagen, deren Berechtigung nie jemand geprüft hat. Vor der Einführung lohnt deshalb ein Blick auf das Berechtigungsmodell — nicht weil die Technik unsicher wäre, sondern weil sie sichtbar macht, was ohnehin galt.

Der zweite Teil der Antwort betrifft den Zugriffsbereich: Man kann und sollte festlegen, worauf ein Assistent überhaupt schauen darf. Das reicht vom Gesamtbestand über einzelne Websites und Bibliotheken bis zu einem eigens kuratierten Wissensbereich. Für Technische Dokumentation ist die Eingrenzung fast immer die bessere Wahl — die Freigabezone statt „alles". Der Aufwand ist gering, der Effekt auf die Antwortqualität erheblich, und die Diskussion über vertrauliche Inhalte erübrigt sich weitgehend, bevor sie überhaupt aufkommt.

Der Servicetechniker: zweimal dieselbe Frage

Machen wir es konkret. Ein Servicetechniker steht an einer Anlage der Baureihe M400 und fragt seinen Assistenten: „Wie tausche ich den Feinfilter bei der M400?" Szenario eins spielt in einem gewachsenen Bestand: PDFs liegen in einer Ordnerstruktur, ohne Metadaten, Entwürfe und freigegebene Fassungen nebeneinander, dazu drei Versionen desselben Handbuchs mit Dateinamen, die auf „final" enden. Der Assistent findet eine passende Textstelle – einen Absatz aus einem Kapitel namens „Wartung" – und formuliert daraus eine saubere Schrittfolge.

Das Problem: Der Absatz stammt aus der Anleitung der Vorgängerbaureihe, bei der der Filter anders sitzt und der zusätzliche Warnhinweis zur Restspannung noch fehlte. Der Techniker merkt nichts davon, weil die Antwort genauso überzeugend aussieht wie eine richtige. Er arbeitet nach einer Anleitung, die für seine Maschine nicht gilt – schneller als früher, aber falsch. Das ist die eigentliche Gefahr dieses Themenfelds: nicht dass Assistenten keine Antworten liefern, sondern dass sie überzeugende liefern, deren Herkunft niemand prüft — und dass Geschwindigkeit die Prüfbereitschaft zusätzlich senkt.

Szenario zwei, derselbe Assistent, derselbe Techniker, andere Datenlage: Der Bestand enthält nur freigegebene Dokumente, jedes mit Produkt, Sprache, Version und Status als Feld. Die Inhalte sind topic-basiert geschnitten, die Überschriften sagen, was drinsteht, und der Warnhinweis steht im selben Abschnitt wie die Handlungsschritte. Die Suche grenzt auf Baureihe M400, Status freigegeben und deutsche Sprache ein; aus zehntausend Seiten werden vierzig relevante. Der Assistent findet das Topic „Feinfilter tauschen", liefert die vollständige Schrittfolge samt Warnung – und dazu die Quellenangabe, über die der Techniker im Zweifel selbst nachlesen kann.

Der Servicetechniker ist dabei nur der naheliegendste Fall. Denselben Effekt erleben andere Gruppen mit ihren eigenen Fragen: Der Vertrieb will wissen, ob eine Anlage eine bestimmte Anforderung erfüllt, und findet die Antwort in den technischen Daten statt per Anruf in der Konstruktion. Der Support sucht die Fehlerbeschreibung, die zu einer Kundenmeldung passt. Und die Redaktion selbst nutzt den Assistenten als Suchhilfe im eigenen Bestand — „haben wir das schon irgendwo beschrieben?" ist die Frage, die vor jeder Neuschreibung stehen sollte und die bisher niemand zuverlässig beantworten konnte.

Abb.: Zweimal dasselbe Werkzeug – der Unterschied liegt vollständig im Bestand.

Ein zweiter Nutzen für die Redaktion selbst wird dabei oft übersehen: Der Assistent ist ein Prüfinstrument für den eigenen Bestand. Wer ihn fragt, was zu einem Thema dasteht, sieht sofort, ob die Antwort schlüssig ist — und wenn nicht, warum. Widersprüche zwischen Dokumenten, doppelte Beschreibungen mit abweichenden Werten, Lücken bei bestimmten Baureihen: All das tritt bei dieser Nutzung zutage, ohne dass jemand systematisch danach suchen müsste. Eine halbe Stunde Fragenstellen ersetzt so manchen Bestandsdurchgang.

Was Inhalte KI-tauglich macht

Aus dem Vergleich lassen sich sechs Eigenschaften ableiten, und die Überraschung dabei ist, wie wenig davon neu ist. Erstens der eindeutige Status: Am Dokument muss stehen, ob es gilt. Das ist der wichtigste Punkt überhaupt, weil ein Assistent inhaltliche Ähnlichkeit erkennt, aber keine Gültigkeit – ein Entwurf über den Filterwechsel sieht für ihn genauso passend aus wie die freigegebene Fassung. Zweitens der Produktbezug als Feld, nicht als Erwähnung im Fließtext: Nur so lässt sich die Auswahl auf die richtige Baureihe eingrenzen.

Drittens sprechende Überschriften, und zwar als echte Formatvorlagen. Der Grund ist technischer Natur: Inhalte werden für die Verarbeitung in Abschnitte zerlegt, und die Überschriftenstruktur bestimmt, wo diese Schnitte verlaufen. Ein Kapitel „Allgemeines" mit zwölf Seiten Inhalt liefert Fundstellen, die alles Mögliche enthalten; ein Abschnitt „Feinfilter tauschen" liefert genau das. Viertens die Eigenständigkeit der Abschnitte: Ein Absatz, der mit „wie oben beschrieben" beginnt, ist als Fundstelle wertlos, weil das „oben" nicht mitkommt.

Fünftens einheitliche Benennungen. Wenn dieselbe Komponente in drei Dokumenten drei Namen trägt, findet die Suche je nach Fragestellung mal alles und mal nichts – Terminologiearbeit zahlt hier unmittelbar ein. Und sechstens: Text statt Bild. Was ausschließlich in einer Grafik steht – Werte in einer als Bild eingefügten Tabelle, Beschriftungen in einer Zeichnung –, ist für die Suche unsichtbar. Wer will, dass ein Assistent Anzugsmomente nennt, muss sie in echtem Text oder echten Tabellen führen. Wer die Liste durchgeht, merkt: Das sind exakt die Prinzipien aus den Beiträgen zu Formatvorlagen, Topics, Terminologie und Metadaten. Die Vorbereitung auf KI ist keine neue Disziplin – sie ist die Belohnung für saubere Redaktionsarbeit.

Eine Formatfrage gehört ergänzt, weil sie in der Praxis viel entscheidet: Aus welchen Dateien kann überhaupt gelesen werden? Textbasierte Formate — Word-Dokumente, HTML, textbasierte PDFs — sind unproblematisch. Kritisch wird es bei gescannten PDFs ohne Texterkennung: Für die Suche sind sie leere Seiten mit einem Bild darauf. Wer ältere Anleitungen als Scans im Bestand hat, sollte damit rechnen, dass sie für Assistenten schlicht nicht existieren. Eine nachträgliche Texterkennung hilft, ist aber Nacharbeit — und ein weiteres Argument dafür, den Zugriffsbereich auf den gepflegten, aktuellen Bestand zu begrenzen statt aufs Archiv.

Abb.: Sechs Eigenschaften – und keine davon wurde für KI erfunden.

Und eine organisatorische Anmerkung, weil sie über die langfristige Wirkung entscheidet: Diese sechs Eigenschaften sind keine einmalige Aufgabe, sondern Redaktionsalltag. Ein Bestand, der heute KI-tauglich ist, ist es in zwei Jahren nicht mehr, wenn die Disziplin nachlässt — neue Dokumente ohne Status, Kapitel mit Sammelüberschriften, Werte in Bildtabellen. Deshalb gehören die Punkte in die Reviewliste und in die Einarbeitung neuer Kollegen, nicht in ein Projekt mit Abschlussbericht. Wer sie dort verankert, hält den Vorsprung; wer sie als Projekt abhakt, baut ihn wieder ab.

Interessant wird es bei der Frage, wie weit dieser Gedanke trägt. Was hier für den unternehmensinternen Assistenten gilt, gilt sinngemäß auch für Assistenten, die Kunden nutzen — sei es in einem Portal oder über allgemeine KI-Werkzeuge, denen jemand die Betriebsanleitung vorlegt. Auch dort entscheidet die Beschaffenheit des Dokuments darüber, ob eine brauchbare Antwort entsteht. Wer seine Anleitungen strukturiert und sauber ausgezeichnet bereitstellt, verbessert damit nicht nur die eigene Suche, sondern auch das, was Dritte daraus machen können — ein Gedanke, den der Beitrag zu KI-Agenten und strukturierter Doku weiterführt.

Noch ein Blick auf die Abschnittsgrenzen, weil dieser Punkt technisch klingt und redaktionell entschieden wird. Inhalte werden für die Verarbeitung in handhabbare Stücke zerlegt — und wo diese Schnitte verlaufen, folgt der Struktur des Dokuments. Ein Abschnitt, der eine vollständige Handlung beschreibt, wird zu einer Fundstelle, die für sich funktioniert. Ein zwölfseitiges Kapitel wird in Stücke zerlegt, die mitten in einer Schrittfolge beginnen und enden können — mit dem Ergebnis, dass die Antwort bei Schritt vier anfängt oder der zugehörige Warnhinweis in einem anderen Stück gelandet ist. Wer topic-basiert schreibt, löst dieses Problem nebenbei.

Daraus folgt eine praktische Empfehlung für bestehende Bestände: Nicht alles muss zerlegt werden, aber die häufig gefragten Inhalte lohnen den Blick. Welche zehn Themen werden im Service am häufigsten nachgefragt? Wenn genau diese Abschnitte klar abgegrenzt, sprechend überschrieben und mit ihren Warnhinweisen zusammengeführt sind, ist der größte Teil des Nutzens gehoben — bei einem Aufwand, der sich in Tagen bemisst. Das ist dieselbe Priorisierungslogik wie bei der Migration: nach Nutzungshäufigkeit vorgehen, nicht nach Vollständigkeit.

Was der Assistent gut kann – und was nicht

Zur ehrlichen Einordnung gehört, die Anwendungsfälle zu trennen. Gut funktioniert der Einstieg: „Wo steht etwas zu diesem Thema?" – ein Assistent ist ein hervorragender Wegweiser in großen Beständen, gerade für Menschen, die die Struktur nicht kennen. Gut funktioniert das Zusammenfassen längerer Passagen, das Vergleichen zweier Fassungen und – für die Redaktion selbst – die Formulierungshilfe. In all diesen Fällen bleibt der Mensch im Ablauf und kann die Quelle jederzeit nachschlagen.

Vorsicht ist geboten, wo Antworten ohne Quellenblick übernommen werden – besonders bei sicherheitsrelevanten Auskünften. Ein zweiter kritischer Fall sind Antworten, die mehrere Dokumente vermischen: Wenn der Assistent Schritte aus zwei Anleitungen kombiniert, entsteht eine Handlungsfolge, die es so nirgends gibt und die niemand geprüft hat. Ebenfalls heikel sind konkrete Zahlenwerte – Drehmomente, Toleranzen, Füllmengen – aus zweiter Hand; sie gehören am Original verifiziert. Und Antworten, die unverändert an Kunden gehen, brauchen redaktionelle Prüfung, weil sie sonst faktisch zu Dokumentation werden, ohne je eine Freigabe durchlaufen zu haben.

Daraus ergibt sich eine brauchbare Leitlinie für die Einführung: Ein Assistent ist ein Wegweiser zur Anleitung, kein Ersatz für sie. Genau deshalb ist die Quellenangabe kein Beiwerk, sondern das eigentliche Qualitätsmerkmal einer Antwort – sie macht sie nachprüfbar und hält die Verantwortung dort, wo sie hingehört. Eine Einführung, die den Nutzern das vermittelt, ist deutlich mehr wert als eine, die nur die Bedienung erklärt — Bedienung versteht ohnehin jeder in fünf Minuten.

Abb.: Gute Anwendungsfälle und heikle – die Trennlinie verläuft beim Quellenblick.

Ein Wort zur Erwartungssteuerung, weil hier die meisten Einführungen straucheln. Assistenten werden als Alleskönner angekündigt und dann an unpassenden Fragen gemessen: „Warum kann er mir nicht sagen, wann die Maschine zuletzt gewartet wurde?" — weil das nicht in der Dokumentation steht, sondern im Wartungssystem. Ein Assistent auf Dokumentenbasis beantwortet Fragen, die in Dokumenten beantwortet sind; alles andere braucht Anbindungen an andere Systeme und ist ein eigenes Vorhaben. Wer diese Grenze früh benennt, erspart sich enttäuschte Nutzer und die Schlussfolgerung, das Werkzeug tauge nichts.

Der Weg zur Einführung

Wie geht man das praktisch an? Der erste Schritt hat nichts mit KI zu tun: Er besteht darin, den Zugriffsbereich festzulegen. Ein Assistent, der auf den gesamten Bestand losgelassen wird, findet zwangsläufig auch das, was er nicht finden sollte. Die tragfähige Variante ist ein kuratierter Bereich – die Freigabezone aus der Plattform-Architektur, in der ausschließlich gültige Stände liegen. Lieber ein kleiner verlässlicher Ausschnitt als ein großer unklarer; erweitern lässt sich später jederzeit, und zwar ohne Umbau.

Der zweite Schritt ist die Bestandsprüfung an echten Fragen. Sammle zwanzig Fragen, die im Service und im Vertrieb tatsächlich gestellt werden, und stelle sie dem Assistenten. Die Antworten prüft die Redaktion – nicht auf sprachliche Qualität, sondern auf Herkunft: Stammt das aus der gültigen Fassung? Ist es vollständig? Fehlt ein Warnhinweis? Diese Übung dauert einen Tag und liefert eine präzise Mängelliste, die sich unmittelbar in konkrete Aufgaben übersetzen lässt – meist in dieselben, die ohnehin auf der Liste standen: Status pflegen, Produktbezug ergänzen, Kapitel schneiden, Terminologie vereinheitlichen.

Der dritte Schritt ist die Einführung bei den Nutzern, und sie entscheidet über die Wirkung. Zwei Dinge gehören vermittelt: dass der Assistent ein Wegweiser ist und die Quellenangabe zum Nachschlagen da ist – und dass Rückmeldungen erwünscht sind. Eine schlechte Antwort ist kein Ärgernis, sondern ein Befund; wer sie meldet, hilft der Redaktion, eine Lücke zu schließen. Redaktionen, die diesen Rückkanal einrichten, bekommen die wertvollste Qualitätsrückmeldung, die es gibt: echte Fragen echter Nutzer an echten Inhalten — eine Rückmeldung, die kein Review und keine Umfrage in dieser Qualität liefert.

Für die Redaktion hat das eine strategische Nebenwirkung, die man ruhig aussprechen darf: Der Assistent macht sichtbar, was gute Dokumentation wert ist. Jahrelang war Strukturarbeit schwer zu begründen — sie zeigte sich in vermiedenen Problemen, und vermiedene Probleme tauchen in keiner Statistik auf. Mit einem Assistenten im Haus wird der Unterschied unmittelbar erlebbar: Derselbe Techniker bekommt auf denselben Bestandsteilen bessere oder schlechtere Antworten, je nachdem, wie sauber der Inhalt ist. Das ist das beste Argument für Redaktionsqualität, das dieses Berufsfeld seit Langem bekommen hat.

Zum Ablauf gehört schließlich eine Rollenklärung, die man früh treffen sollte: Wer ist im Haus für die Qualität der Antworten zuständig? Die IT betreibt das Werkzeug und verwaltet Zugriffe, aber sie kann nicht beurteilen, ob eine Auskunft fachlich stimmt. Die Redaktion kann das — und sie ist zugleich diejenige, die die Ursachen beheben kann, weil die Ursachen im Bestand liegen. Praktisch heißt das: Rückmeldungen zu schlechten Antworten landen bei der Redaktion, nicht im IT-Ticketsystem. Wer diesen Weg nicht ausdrücklich festlegt, bekommt Meldungen, die als Softwarefehler abgelegt werden — und einen Bestand, der sich nie verbessert.

Bleibt die Frage nach dem Aufwand — und die Antwort fällt angenehm aus, wenn die Grundlagen stehen. Wer die Plattform sauber aufgesetzt hat, Metadaten pflegt und topic-nah schreibt, muss für den Assistenten praktisch nichts Zusätzliches tun: Der Zugriffsbereich wird eingegrenzt, die Nutzer werden eingewiesen, fertig. Wer diese Grundlagen nicht hat, steht vor der Wahl, sie jetzt zu schaffen oder auf brauchbare Antworten zu verzichten. Insofern ist die KI-Frage selten ein eigenes Projekt — sie ist meist der Anlass, ein längst fälliges anzugehen.

Fazit

Die Qualität von KI-Antworten entsteht nicht im Modell, sondern im Bestand. Grounding heißt, dass passende Textstellen gesucht und der Frage beigelegt werden – und die Antwort ist immer nur so gut wie diese Auswahl. Was sie gut macht, ist erfreulich unspektakulär: eindeutiger Status, Produktbezug als Feld, sprechende Überschriften, eigenständige Abschnitte, einheitliche Benennungen und Werte in echtem Text statt in Grafiken. Keine dieser Anforderungen wurde für KI erfunden; sie sind schlicht die Prinzipien guter Technischer Dokumentation, die nun eine zusätzliche und ungewöhnlich sichtbare Auszahlung bekommen.

Der beste erste Schritt kostet einen Tag: die Zwanzig-Fragen-Probe auf dem heutigen Bestand. Sie zeigt präziser als jede Analyse, wo die Arbeit liegt – und sie liefert die Vergleichsmessung für später. Wenn du bei der Vorbereitung des Bestands, der Eingrenzung des Zugriffsbereichs oder der Einführung im Haus Unterstützung willst: Genau dabei unterstütze ich dich gern; die Details findest du auf der Beratungsseite zur Technischen Dokumentation.

Häufige Fragen zu Copilot und Technischer Dokumentation

Was bedeutet Grounding eigentlich?

Dass die Antwort auf konkrete Inhalte gegründet wird statt frei erzeugt: Das System sucht Textstellen, die zur Frage passen, und legt sie dem Sprachmodell bei; das Modell formuliert daraus die Antwort. Daraus folgt der entscheidende Punkt – das Modell erfindet nichts, sondern gibt wieder, was in den beigelegten Stellen steht. Die Qualität der Antwort ist damit die Qualität der Auswahl, und die hängt an Berechtigungen, Metadaten, Struktur und Benennungen der Inhalte.

Warum antwortet der Assistent aus veralteten Dokumenten?

Weil er inhaltliche Ähnlichkeit erkennt, aber keine Gültigkeit. Für ihn sieht ein Entwurf von 2019 über den Filterwechsel genauso passend aus wie die freigegebene Fassung – der Unterschied steht nirgends geschrieben, es sei denn, es gibt ein Statusfeld. Deshalb ist „Status = freigegeben" das wichtigste Metadatum in diesem Zusammenhang, und deshalb sollte der Zugriffsbereich auf einen kuratierten Bestand begrenzt sein, in dem ausschließlich gültige Stände liegen.

Sieht der Assistent auch vertrauliche Dokumente?

Er antwortet grundsätzlich nur aus Inhalten, auf die der Fragende ohnehin Zugriff hat – die bestehenden Berechtigungen gelten weiter. Das ist beruhigend und zugleich ein Hinweis: Wenn das Berechtigungsmodell zu weit gefasst ist, wird das jetzt sichtbar. Wer bisher großzügig Lesezugriff verteilt hat, sollte vor der Einführung prüfen, ob das noch stimmt – ein Assistent macht schlecht abgegrenzte Bereiche schneller auffindbar, als es eine manuelle Suche je getan hat.

Müssen wir für KI auf DITA umstellen?

Nein. Die sechs Eigenschaften, auf die es ankommt, lassen sich auch in der Dokumentwelt erfüllen: eindeutiger Status und Produktbezug als Metadaten, sprechende Überschriften als echte Formatvorlagen, eigenständige Abschnitte, einheitliche Benennungen und Werte in echtem Text statt in Bildern. Strukturierte Umgebungen erleichtern das, weil sie Eigenständigkeit und saubere Abschnittsgrenzen erzwingen – aber die Grundlagen sind Redaktionsdisziplin, keine Werkzeugfrage.

Wie prüfen wir, ob unser Bestand taugt?

Mit der Zwanzig-Fragen-Probe: zwanzig echte Fragen aus Service, Vertrieb und Support sammeln, dem Assistenten stellen und die Antworten von der Redaktion prüfen – nicht auf Sprache, sondern auf Herkunft, Vollständigkeit und Nachvollziehbarkeit der Quelle. Das dauert einen Tag und liefert eine konkrete Mängelliste. Dieselben zwanzig Fragen nach einem halben Jahr wiederholt zeigen dann, ob die Strukturarbeit gewirkt hat – ein Nachweis, der auch gegenüber der Geschäftsführung trägt.