SharePoint Syntex Dokumentenmanagement

Management Summary

SharePoint Syntex ist ein KI-gestützter Dienst für intelligentes Dokumentenmanagement in Microsoft 365, der Unternehmen dabei unterstützt, große Mengen an Dokumenten effizienter zu organisieren und Wissen daraus zu gewinnen. Durch automatisierte Inhaltsanalyse werden Dokumente in SharePoint-Bibliotheken automatisch klassifiziert und mit Metadaten versehen. So lässt sich bislang verborgene Information in Dateien zugänglich machen und für Geschäftsprozesse nutzbar machen. Insbesondere mittelständische Unternehmen mit 1.000–10.000 Mitarbeitern profitieren von Syntex, da manuelle Routineaufgaben (etwa beim Erfassen von Rechnungsdaten oder dem Verschlagworten von Verträgen) spürbar reduziert werden. Die nahtlose Integration in Microsoft 365 und SharePoint gewährleistet, dass Syntex direkt in bestehenden Arbeitsabläufen greift und Inhalte dort intelligenter verwaltet, wo sie entstehen.

Syntex bietet umfangreiche KI-Funktionen – von der automatischen Inhaltsklassifizierung über die Extraktion wichtiger Daten bis hin zur Unterstützung bei Compliance-Aufgaben. Zwei praktische Anwendungsfälle (Rechnungsverarbeitung und Vertragsmanagement) zeigen in dieser Studie greifbar den Mehrwert: Eingehende Rechnungen können z. B. automatisiert ausgelesen und verbucht werden, während Vertragsdokumente intelligent verwaltet und kritische Fristen erkannt werden. Unternehmen trainieren die KI-Modelle von Syntex mit eigenen Beispieldokumenten und Expertenwissen, wodurch eine hohe Genauigkeit bei der Dokumentenerkennung erreicht wird. Moderne Lizenzierungsmodelle (seit 2023 nutzungsbasiert über ein Azure-Abonnement) ermöglichen einen flexiblen Einsatz ohne Vorabinvestition in Benutzerlizenzen, wobei Kosten nur bei tatsächlicher Nutzung der KI-Dienste anfallen. Insgesamt leistet SharePoint Syntex einen wichtigen Beitrag zur digitalen Transformation im Dokumentenmanagement: Informationen werden schneller gefunden, Prozesse beschleunigt und Mitarbeitende von monotonen Aufgaben entlastet, was die Effizienz im Unternehmen steigert. Die nachfolgenden Kapitel geben einen detaillierten Einblick in Funktionen, Anwendungsszenarien, Implementierung und Nutzen von Syntex.

Diese Abhandlung steht hier frei einsehbar zur Verfügung.

Wenn Sie sie in Ihrem Unternehmen oder Organisation nutzen möchten, gibt es zwei Versionen:

• Geschütztes PDF: Eine PDF-Version ohne den „Vorschau“-Schriftzug. Das PDF ist druckbar, die Entnahme von Inhalten ist nicht möglich.
• White Label-Version: Diese Variante erhalten Sie als Word-Dokument, so dass Sie das Dokument beliebig modifzieren können.

Kontaktieren Sie mich bitte, wenn Sie eine kommerzielle Fassung dieser Abhandlung möchten.

1. Überblick über SharePoint Syntex

SharePoint Syntex (früher als Bestandteil von „Project Cortex“ eingeführt) ist ein Cloud-Dienst innerhalb von Microsoft 365, der künstliche Intelligenz und Machine Teaching einsetzt, um Dokumente und Inhalte zu verstehen. Syntex erweitert die bestehende SharePoint-Umgebung um intelligente Inhaltsverarbeitung: Es wird ein spezielles Inhaltscenter als SharePoint-Site bereitgestellt, in dem KI-Modelle erstellt und verwaltet werden. Diese Modelle können anschließend auf einzelne Dokumentbibliotheken angewendet werden, um dort Dokumente zu klassifizieren und Metadaten zu extrahieren. Nahtlose Integration ist ein zentrales Merkmal – Syntex arbeitet im Hintergrund der SharePoint-Plattform und fügt KI-Funktionen in die gewohnte Benutzeroberfläche ein. Inhalte bleiben in den SharePoint-Bibliotheken gespeichert und werden dort durch Syntex intelligent angereichert, ohne dass Benutzer zwischen Systemen wechseln müssen. Zudem greift Syntex auf die Microsoft Graph-Suche und gegebenenfalls auf Microsoft Graph Connectors zu, um auch Inhalte außerhalb von SharePoint einbeziehen zu können.

Aus architektonischer Sicht setzt Syntex auf vorhandene Microsoft 365-Komponenten auf: Die KI-Modelle für unstrukturierte Dokumente nutzen z. B. Sprachverarbeitungsdienste (Language Understanding) aus Azure AI, während die Verarbeitung von Formularen auf dem Power Platform AI Builder basiert. Alle Ergebnisse (klassifizierte Inhalte, extrahierte Metadaten) werden wieder in SharePoint gespeichert – sei es als Spalten in Dokumentbibliotheken oder als angereicherte Inhalte, die in Microsoft Search auffindbar sind. Syntex fungiert somit als „Content AI“ direkt im Arbeitsfluss, das Inhalte dort intelligent macht, wo sie entstehen. Unternehmen können Syntex nutzen, ohne eine separate Infrastruktur bereitzustellen – die Aktivierung erfolgt über Microsoft 365 Admin Center, und die Abrechnung läuft über vorhandene Microsoft-Abonnements (siehe Abschnitt Lizenzierung).

Kurz gesagt: SharePoint Syntex ergänzt SharePoint um eine KI-Schicht, die hohe Dokumentenvolumina automatisch verarbeitet. Es verstärkt das Expertenwissen im Unternehmen, indem Dokumentinhalte in Wissen verwandelt werden. Für mittelständische Organisationen, die oftmals Unmengen an Dateien in SharePoint ablegen, bedeutet dies eine erhebliche Erleichterung: Syntex identifiziert wichtige Informationen, ohne dass Mitarbeiter jedes Dokument manuell prüfen müssen. Im nächsten Kapitel werden die Kernfunktionen von Syntex näher beschrieben.

2. Kernfunktionen von SharePoint Syntex im Detail

SharePoint Syntex stellt eine Reihe von KI-Funktionen bereit, die auf die automatisierte Inhaltsanalyse und -verwaltung abzielen. Die wichtigsten Kernfunktionen sind:

• Inhaltsklassifizierung: Syntex kann Dokumente automatisch erkennen und kategorisieren. Dazu werden KI-Modelle (sog. Classifier) genutzt, die anhand von Trainingsbeispielen gelernt haben, bestimmte Dokumenttypen zu identifizieren – etwa Rechnungen, Verträge oder Formulare. Beim Hochladen neuer Dateien entscheidet das Modell, um welchen Dokumenttyp es sich handelt, und weist diesem entsprechend einen SharePoint-Inhaltstyp zu. Dadurch wird die manuelle Sortierung von Dokumenten reduziert, und der Grundstein für weitere Verarbeitungsschritte (z. B. spezifische Metadatenfelder pro Dokumenttyp) gelegt. Die Klassifizierung erfolgt anhand von Mustern im Text: Ein Vertragsdokument erkennt Syntex z. B. an Schlüsselbegriffen wie „Vertragsparteien“ oder „Laufzeit“, während eine Rechnung an Begriffen wie „Rechnungsnummer“ oder tabellarischen Beträgen erkannt wird. Objekterkennung ist ebenfalls Teil der Klassifizierung: Syntex kann in Bildern häufige Objekte erkennen (z. B. Firmenlogos oder Produkte) und sogar handschriftliche Notizen als Text identifizieren.
• KI-gestützte Metadatenextraktion: Neben der reinen Klassifizierung extrahiert Syntex automatisch wichtige Schlüsseldaten aus Dokumenten. Mittels KI werden relevante Informationen – z. B. Rechnungsnummer, Rechnungsdatum, Betrag, Vertragsdatum, Kundennamen – direkt aus dem Dokumententext ausgelesen und in SharePoint als strukturierte Metadatenfelder abgelegt. Diese Extraktion erfolgt kontextbezogen: Das Syntex-Modell lernt während des Trainings, welche Textstellen oder Zahlenfolgen bedeutend sind (etwa der Gesamtbetrag einer Rechnung oder das Ablaufdatum eines Vertrags). Durch die automatische Befüllung von Metadaten entfällt das manuelle Ausfüllen von Formularfeldern weitgehend. Die Qualität der Suche verbessert sich, da Nutzer nun gezielt nach strukturierten Informationen suchen können (z. B. alle Verträge mit Ablaufdatum < 2024). Zudem können extrahierte Werte in nachgelagerten Prozessen verwendet werden, etwa um Berichte zu generieren oder Fristen zu überwachen.
• Dokumentverständnis (Unstructured Document Processing): Unter Dokumentverständnis versteht man die Fähigkeit von Syntex, unstrukturierte Inhalte semantisch zu interpretieren – ähnlich wie es ein Mensch tun würde. Hier kommen speziell trainierte KI-Modelle für unstrukturierte Dokumente zum Einsatz, die auf der Sprach-KI von Azure basieren. Ein solches Modell erkennt in einem unstrukturierten Text bestimmte Muster oder Phrasen und zieht daraus Schlüsse: Beispielsweise kann ein Vertragsmodell automatisch erfassen, wer die Vertragsparteien sind, welche Kündigungsfrist gilt und welches Entgelt vereinbart wurde. Dokumentverständnis-Modelle bestehen immer aus zwei Komponenten: einem Klassifizierer (der entscheidet, ob ein Dokument zu dem gesuchten Typ gehört) und einem oder mehreren Extraktoren (die bestimmte Informationen aus dem Dokument ziehen sollen). Diese Modelle werden im Syntex-Inhaltscenter erstellt und trainiert und lassen sich dann auf beliebige Bibliotheken im Tenant anwenden. Durch Dokumentverständnis verwandelt Syntex unstrukturierte Daten in strukturierte Informationen – ein wichtiger Schritt, um aus Ablagedokumenten geschäftsrelevantes Wissen zu gewinnen.
• Verarbeitung strukturierter und halb-strukturierter Dokumente: Neben Fließtext-Dokumenten (wie Verträgen oder Briefen) kann Syntex auch sehr strukturierte Inhalte und Formulare verarbeiten. Für solche Szenarien gibt es den Modelltyp Formularverarbeitung, der häufig für standardisierte Dokumente wie Rechnungen, Bestellungen, Formulare oder Fragebögen eingesetzt wird. Diese Inhalte zeichnen sich dadurch aus, dass bestimmte Daten an feststehenden Positionen oder in tabellarischer Form vorliegen (z. B. Rechnungsfelder oben rechts, Tabelle der Positionen darunter). Syntex nutzt hier die Technologien des Microsoft AI Builder: In einer SharePoint-Bibliothek kann ein PowerApps-AI-Builder-Modell trainiert werden, um z. B. Schlüssel-Wert-Paare und Tabellen in eingescannten Formularen zu erkennen. So lernt Syntex etwa, in Eingangsrechnungen die Lieferantendaten aus dem Briefkopf oder die Summe aus der Tabelle auszulesen. Dieses Verfahren eignet sich auch für teilstrukturierte Dokumente (Freihandformulare), bei denen die Position der Daten variieren kann, aber das Dokument eine gewisse wiedererkennbare Struktur hat (z. B. unterschiedlich gestaltete Rechnungen verschiedener Lieferanten). Syntex stellt damit sicher, dass sowohl strukturierte Formulare als auch unstrukturierte Texte abgedeckt werden – jeweils mit dem passenden Modelltyp.
• Automatisierung und Integration in Geschäftsprozesse: Die inhaltliche Intelligenz von Syntex lässt sich in Workflows und Prozesse einbinden, um nachgelagerte Aktionen auszulösen. So können z. B. durch Syntex gesetzte Metadaten als Trigger für Power Automate (Microsoft Flow) dienen. Ein Anwendungsbeispiel: Sobald Syntex in einem Vertrag das Feld Vertragswert extrahiert hat, kann ein Flow prüfen, ob dieser Wert einen Schwellenbetrag überschreitet, und dann automatisch einen Genehmigungsprozess anstoßen. Ebenso können Fristen (z. B. Vertragsende in 90 Tagen) per Workflow überwacht und Erinnerungen versendet werden. Darüber hinaus unterstützt Syntex regelbasierte Automatisierungen direkt in Bibliotheken: Mit Dokumentenverarbeitungs-Regeln können z. B. Dateien, die als „Rechnung“ klassifiziert wurden, automatisch in einen Rechnungs-Ordner verschoben oder mit einem bestimmten Inhaltstyp versehen werden. Auch das automatische Zuweisen von Compliance-Labels ist möglich – etwa um vertrauliche Dokumente mit einem Vertraulichkeitssiegel oder einer Aufbewahrungsrichtlinie zu versehen. Insgesamt führt Syntex somit zu einer End-to-End-Automatisierung: Von der Dokumentenerkennung über die Datenerfassung bis hin zur Ausführung definierter Prozesse. Dies reduziert manuelle Eingriffe, erhöht die Verarbeitungsgeschwindigkeit und verbessert die Konsistenz in der Dokumentenablage.

Zusätzlich bietet Syntex weitere Features wie Übersetzung von Dokumenten, intelligente Bild-Tags (automatische Schlagworte für Bilder), optische Zeichenerkennung (OCR) für Scans sowie Inhaltsabfragen (erweiterte Suche anhand von Metadaten) und Annotationsfunktionen für Dokumente. Diese unterstützen die Anwender dabei, Inhalte besser zu erschließen und zusammenzuarbeiten.

Tipp: Microsoft stellt für gängige Szenarien bereits Lösungsvorlagen (Accelerators) bereit, welche die genannten Syntex-Funktionen nutzen. Beispielsweise gibt es fertige Vorlagen für Vertragsmanagement und Kreditorenbuchhaltung (Rechnungsverarbeitung). Diese beinhalten u. a. vordefinierte Bibliotheken, Inhalte und teils vortrainierte Modelle, die als Ausgangspunkt für die eigene Implementierung dienen können (siehe Kapitel Praxisbeispiele).

3. Praxisbeispiele aus der Unternehmenspraxis

Im Folgenden werden zwei konkrete Anwendungsfälle beschrieben, um den Nutzen von SharePoint Syntex im Geschäftsalltag greifbar zu machen. Beide Szenarien – automatisierte Rechnungsverarbeitung und intelligentes Vertragsmanagement – sind typische Einsatzgebiete, in denen mittelständische Unternehmen mit hohem Dokumentenaufkommen erhebliche Effizienzsteigerungen durch Syntex erzielen können.

3.1 Automatisierte Verarbeitung von Eingangsrechnungen

Viele Unternehmen erhalten täglich eine Vielzahl von Rechnungen (per Post, E-Mail oder Fax). Die manuelle Bearbeitung dieser Rechnungen – vom Öffnen und Erfassen der Rechnungsdaten bis zur Buchung im ERP-System – ist zeitaufwändig und fehleranfällig. Hier setzt SharePoint Syntex an, indem es den Rechnungseingangsprozess weitgehend automatisiert: Eingehende Rechnungsdokumente (gescannte PDFs oder digitale Rechnungs-PDFs) werden in eine SharePoint-Dokumentbibliothek hochgeladen, die mit einem Syntex-Modell für Rechnungen versehen ist. Unmittelbar beim Upload analysiert Syntex das Dokument, erkennt, dass es sich um eine Rechnung handelt, und extrahiert alle wichtigen Informationen. Dazu gehören typischerweise Felder wie Rechnungsnummer, Datum, Lieferant/Absender, Betrag, Steuer, Fälligkeitsdatum usw. Diese Werte schreibt Syntex direkt in die definierten SharePoint-Spalten der Bibliothek (z. B. „Rechnungsnummer“, „Rechnungsdatum“, „Rechnungsbetrag“ etc.).

Im Ergebnis entsteht in SharePoint eine strukturierte Ansicht aller Rechnungen, die nach beliebigen Metadaten gefiltert oder gruppiert werden kann (z. B. alle offenen Rechnungen über 10.000 € mit Fälligkeit diesen Monat). Buchhaltungsmitarbeiter sparen dadurch enorm viel Zeit bei der Datenerfassung, da die relevanten Inhalte nicht mehr abgeschrieben oder abgetippt werden müssen. Syntex nutzt dabei sowohl vordefinierte KI-Modelle als auch anpassbare Modelle: Microsoft stellt einen vorgefertigten Rechnungs-KI-Modell bereit, das oft schon ohne Training gute Ergebnisse liefert. Dieses Modell kann Belege und Rechnungen anhand allgemeiner Muster erkennen (z. B. typische Position der Rechnungsnummer) und Daten extrahieren. Alternativ oder ergänzend kann ein Unternehmen das Modell mit eigenen Beispielrechnungen trainieren, um die Genauigkeit zu erhöhen – insbesondere wenn besondere Rechnungsformate vorliegen.

Die Vorteile in diesem Anwendungsfall sind deutlich:

• Beschleunigung der Verarbeitung: Wo früher vielleicht ein Sachbearbeiter mehrere Minuten brauchte, um eine Rechnung zu erfassen und ins System zu übertragen, geschieht dies nun automatisch in Sekunden. Eine Rechnung wird hochgeladen und ist praktisch sofort im System mit allen Metadaten sichtbar. Dies verkürzt Durchlaufzeiten in der Kreditorenbuchhaltung erheblich.
• Fehlerreduktion: Tippfehler oder Übertragungsfehler werden minimiert, da die KI die Daten direkt aus dem Dokument übernimmt. Die Qualität der Daten steigt – kritische Felder wie Beträge oder Kontonummern werden zuverlässig erkannt.
• Automatische Weiterleitung & Buchung: Durch Integration mit Workflows kann eine extrahierte Rechnung z. B. direkt an das ERP-System (etwa via Power Automate oder spezielle Konnektoren) übergeben werden. Denkbar ist auch ein Freigabe-Workflow: Syntex erkennt den Rechnungsbetrag und löst ab einem bestimmten Schwellenwert einen Genehmigungsprozess aus (etwa durch den Abteilungsleiter).
• Transparenz und Nachverfolgung: Da alle Rechnungen mitsamt Status in SharePoint vorliegen, können Reports erstellt werden (z. B. Summe aller Rechnungen pro Monat, Anzahl noch unbezahlter Rechnungen etc.). Syntex ermöglicht hier eine lückenlose Nachverfolgung, weil es die ehemals unstrukturierten PDF-Dokumente in greifbare Datenpunkte umwandelt.

Insgesamt führt der Einsatz von Syntex im Rechnungseingang zu einer massiven Effizienzsteigerung. Ein Praxisbeispiel: In einem mittelständischen Unternehmen mit 5.000 Rechnungen pro Monat konnte durch Syntex die durchschnittliche Bearbeitungszeit pro Rechnung von etwa 5 Minuten auf unter 1 Minute reduziert werden (inklusive kurzer Validierung der KI-Daten durch einen Mitarbeiter). Hochgerechnet bedeutet dies eine Einsparung von hunderten Arbeitsstunden pro Monat, die nun für wertschöpfendere Aufgaben genutzt werden können. Gleichzeitig werden Zahlungsfristen besser eingehalten, da Rechnungen schneller im Umlauf und zur Freigabe gebracht werden.

Natürlich erfordert die Einführung einer solchen Lösung auch Vorbereitung und Abstimmung. Unterschiedliche Rechnungsformate verschiedener Lieferanten können eine Herausforderung darstellen – ggf. müssen mehrere Modelle oder zusätzliche Trainingsdokumente eingesetzt werden, um alle Variationen abzudecken. In der Regel erreicht man aber bereits mit 5–10 Beispielrechnungen pro Format gute Ergebnisse, da Syntex aus diesen lernt, konstante Merkmale zu erkennen. Anfangs sollten die extrahierten Daten stets stichprobenartig geprüft werden, um die KI zu justieren. Die Veränderung der Arbeitsweise kann zudem eine Schulung der Mitarbeiter erfordern: Statt Daten abzutippen, kontrollieren sie nun die von der KI gelieferten Ergebnisse und bearbeiten Ausnahmen. Die Erfahrung zeigt, dass die Akzeptanz nach einer kurzen Eingewöhnung hoch ist – insbesondere, wenn die Mitarbeiter sehen, dass repetitive Tipparbeit entfällt und sie sich komplexeren Fällen widmen können. Wichtig ist, offen zu kommunizieren, dass Syntex als Assistenztool dient und die Expertise der Sachbearbeiter weiterhin unverzichtbar bleibt (z. B. bei ungewöhnlichen Rechnungen oder Fehlerfällen).

3.2 Intelligentes Vertragsmanagement mit KI-Unterstützung

Ein zweites zentrales Szenario für Syntex ist das Vertragsmanagement. In vielen Firmen – gerade im Mittelstand – werden hunderte bis tausende Verträge mit Kunden, Partnern und Lieferanten verwaltet. Diese Verträge liegen oft als PDF oder Word-Dokument in SharePoint oder Dateifreigaben vor. Die Herausforderung: Wichtige Informationen in Verträgen (Vertragspartner, Laufzeiten, Kündigungsfristen, Preise, Leistungsumfang etc.) müssen manuell gesucht und überwacht werden. Ohne spezielle Tools besteht die Gefahr, dass Fristen versäumt werden (etwa automatische Verlängerungen, Kündigungstermine) oder dass das Unternehmen keinen vollständigen Überblick über seine vertraglichen Verpflichtungen hat.

Mit SharePoint Syntex lässt sich das Vertragsmanagement deutlich optimieren. Syntex kann Vertragsdokumente automatisch analysieren und relevante Eckdaten daraus gewinnen. Konkret wird meist folgender Ansatz gewählt: Alle Verträge werden in einer oder mehreren SharePoint-Bibliotheken organisiert (z. B. nach Vertragstyp oder Abteilung). Ein Syntex-Dokumentverständnis-Modell wird trainiert, um typische Vertragstypen zu erkennen – etwa Kaufverträge, Dienstleistungsverträge, Geheimhaltungsvereinbarungen (NDAs) usw. Dieses Modell klassifiziert beim Hochladen eines neuen Dokuments sofort, um welche Art von Vertrag es sich handelt, und weist ggf. einen entsprechenden Inhaltstyp zu (z. B. „Vertrag/NDA“ mit spezifischen Metadatenfeldern).

Wichtiger noch: Das Syntex-Modell extrahiert Kerndaten aus jedem Vertrag. Beispiele für solche Metadaten sind: Vertragsnummer, Vertragspartner (Firma), Vertragsbeginn, Vertragsende, Kündigungsfrist, jährliches Volumen/Wert, verantwortlicher Mitarbeiter, Status (aktiv/gekündigt) usw. Viele dieser Informationen sind im Fließtext des Vertrags enthalten – Syntex findet sie durch zuvor definierte Extraktoren. Ein gut trainiertes Vertragsmodell kann z. B. den Namen der Vertragspartner, wichtige Termine (Abschlussdatum, Ablaufdatum) sowie finanzielle Konditionen auslesen. Microsoft liefert auch hier bereits vortrainierte Modelle mit, die gängige Vertragsmuster erkennen; im Contracts Management Site Template sind etwa zwei vorgefertigte Vertragsmodelle enthalten, die als Ausgangspunkt dienen können.

Die Nutzenpotenziale im Vertragsmanagement durch Syntex sind vielfältig:

• Zentrale, durchsuchbare Vertragsdatenbank: Durch die extrahierten Metadaten lassen sich Verträge wie in einer Datenbank durchsuchen und filtern. Ein Vertragsmanager kann z. B. in Sekunden alle Verträge finden, die mit einem bestimmten Kunden laufen, oder eine Liste aller Verträge erstellen, die in den nächsten 90 Tagen kündbar sind. Ohne Syntex müsste man jedes Dokument öffnen oder separate Listen führen – mit Syntex sind diese Informationen sofort verfügbar.
• Fristenkontrolle und Compliance: Syntex entlastet bei der Überwachung von Fristen. Ist z. B. das Vertragsende und die Kündigungsfrist erfasst, kann ein einfacher Workflow automatisch eine E-Mail-Erinnerung an den verantwortlichen Mitarbeiter senden, wenn der Kündigungsstichtag naht. So wird kein wichtiger Termin mehr übersehen, was finanzielle Vorteile bringen kann (Vermeidung unerwünschter Verlängerungen oder rechtzeitige Neuverhandlung von Konditionen). Ebenso können Verträge mit Syntex leichter auf bestimmte Klauseln geprüft werden – etwa um Compliance-Vorgaben zu kontrollieren. In Kombination mit Microsoft Purview (Compliance Center) können durch die Syntex-Klassifizierung gezielt Schutzmaßnahmen auf Vertragsdokumente angewendet werden (z. B. Verschlüsselung oder eingeschränkte Zugriffsrechte für sensible Vertragstypen).
• Beschleunigte Vertragsprüfung und -erstellung: Während Syntex primär auf vorhandene Dokumente angewendet wird, hilft es indirekt auch bei der Erstellung neuer Verträge. Durch die gewonnenen Erkenntnisse (häufige Klauseln, Standardwerte) können Unternehmen Standardvertragsvorlagen ableiten. Zudem bietet Syntex mit Content Assembly die Möglichkeit, aus Vorlagen neue Verträge halbautomatisch zu generieren. Beispielsweise könnte ein Vertriebsteam mit einem Syntex-Inhaltsassembly-Modul per Formular die variablen Daten eingeben (Kunde, Preis, Dauer), und Syntex erstellt daraus ein fertiges Vertragsdokument im Corporate Wording. Dies reduziert den Aufwand für Routinedokumente erheblich.
• Transparenz und Reporting: Das Management erhält dank Syntex Echtzeit-Übersichten über das Vertragsportfolio. Fragen wie „Wie viele aktive Verträge haben wir derzeit mit einem Volumen über 50.000 €?“ oder „Welche Verträge laufen dieses Jahr aus?“ lassen sich ohne manuelle Recherche beantworten. Daraus lassen sich strategische Entscheidungen ableiten (z. B. Bedarf einer Kündigung, Bündelung von Verträgen, Forecasts für Verlängerungsverhandlungen). Verträge werden so vom „Aktenordner“ zu einer aktiv nutzbaren Wissensquelle.

In einem Praxisbeispiel führte ein Dienstleistungsunternehmen Syntex für das Vertragsmanagement ein und konnte feststellen, dass 100 % der relevanten Vertragsfristen erfasst und rechtzeitig bearbeitet wurden – zuvor waren regelmäßig einzelne Verträge versehentlich verlängert worden, weil Fristen übersehen wurden. Durch die automatisierten Benachrichtigungen wurden alle Kündigungsentscheidungen nun rechtzeitig angestoßen. Zudem verringerte sich die Zeit für eine Vertragsrecherche (z. B. Finden eines bestimmten Vertragsdetails) von im Schnitt 15 Minuten auf unter 1 Minute, da die Mitarbeiter nicht mehr PDFs durchsuchen mussten, sondern gezielt über Metadatenspalten filtern konnten.

Auch hier gibt es natürlich Herausforderungen bei der Implementierung. Vertragsdokumente sind oft heterogen in Sprache und Aufbau – ein Mietvertrag sieht anders aus als ein Partnervertrag. Das Syntex-Modell muss mit ausreichend Beispielen der jeweiligen Kategorie trainiert werden, damit es robuste Ergebnisse liefert. Gerade juristische Formulierungen können variieren, was manchmal eine Nachjustierung der KI erfordert. Ein praktischer Ansatz ist, zunächst mit einem Vertragstyp (etwa Kundenverträge) zu starten, dafür ein Modell zu perfektionieren und später weitere Typen hinzuzufügen. Die Zusammenarbeit zwischen Fachabteilung und IT ist hier wichtig: Die Rechts- oder Fachabteilung sollte definieren, welche Klauseln/Daten wichtig sind, damit die IT diese als Extraktoren umsetzen kann. Anfangs sollten die extrahierten Daten immer validiert werden – oft zeigt sich in den ersten Durchläufen, wo das Modell noch Lücken hat (z. B. erkennt es ein Datum in amerikanischem Format falsch etc.). Diese Feedback-Schleife ist Teil des Machine Teaching-Konzepts von Syntex.

Ein weiterer Erfolgsfaktor ist die Akzeptanz bei den Anwendern. Einige Mitarbeiter könnten Vorbehalte haben, ob die KI die Verträge korrekt „versteht“. Hier hilft es, Syntex als Hilfswerkzeug zu positionieren, das Routinearbeiten abnimmt, während kritische Bewertungen weiterhin beim Menschen liegen. Wenn Nutzer eingebunden werden und die Vorteile erkennen (weniger Suchen, weniger manuelle Pflege), steigt die Bereitschaft, mit dem System zu arbeiten. Wichtig ist auch, transparent zu machen, dass Syntex nicht „alles von selbst“ löst – es sind weiterhin regelmäßige Pflege der Vertragsdaten und ggf. Anpassungen der Modelle nötig. Mit gesundem Pragmatismus und dem Einbezug der Fachanwender lässt sich jedoch eine hohe Zufriedenheit erzielen. Experten empfehlen, Pilotprojekte durchzuführen und aus den Erfahrungen zu lernen, bevor der Einsatz skaliert wird. Insgesamt zeigt das Beispiel Vertragsmanagement, dass Syntex einen echten Mehrwert liefert, indem es aus unübersichtlichen Ablagen ein proaktives Management-Tool für Verträge macht.

4. Training der KI-Modelle in SharePoint Syntex

Ein zentrales Element von SharePoint Syntex ist das Trainieren der KI-Modelle auf die spezifischen Anforderungen und Dokumente eines Unternehmens. Syntex folgt dem Prinzip des Machine Teaching, bei dem Fachexperten dem System beibringen, worauf es achten soll. Das Training läuft in der Regel in folgenden Schritten ab:

1. Anlegen des Modells und Definieren von Beispielfeldern: Zunächst wird im Syntex Inhaltscenter ein neues Modell erstellt (wahlweise ein Dokumentverständnis-Modell für unstrukturierte Dokumente oder ein Formularverarbeitungs-Modell für strukturierte Inhalte). Man gibt dem Modell einen Namen und definiert, welche Informationen extrahiert werden sollen. Bei einem Rechnungsmodell könnten das z. B. „Rechnungsnummer“, „Datum“, „Betrag“ sein; bei einem Vertragsmodell entsprechend „Kunde“, „Vertragsdatum“, „Enddatum“, etc. Diese Felder (auch Extraktoren genannt) werden im Modell hinterlegt.
2. Hochladen von Trainingsdokumenten: Anschließend werden Beispieldokumente in das Modell geladen. Für ein robustes Training empfiehlt Microsoft, mindestens 5 positive Beispiele (Dokumente des gewünschten Typs) und einige negative Beispiele (ähnliche, aber nicht passende Dokumente) bereitzustellen. Positive Beispiele könnten z. B. fünf verschiedene Verträge sein; negative Beispiele vielleicht andere Dokumente wie Präsentationen oder Briefe, die keine Verträge sind. Diese Dateien werden im Inhaltscenter hochgeladen und dem Modell zugeordnet.
3. Manuelle Etikettierung (Labeling): Jetzt beginnt die eigentliche Lehrphase: Die Trainingsdokumente müssen markiert und etikettiert werden. Bei unstrukturierten Dokumenten bedeutet dies:
   • Klassifikator-Training: Für jedes hochgeladene Dokument gibt man an, ob es ein positives Beispiel für den gewünschten Dokumenttyp ist oder nicht. Im Syntex-Tool klickt man durch die Liste der Dateien und beantwortet die Frage „Ist dieses Dokument ein Beispiel für das Modell XYZ?“ mit Ja (positiv) oder Nein (negativ). Daraus lernt der Klassifikator, welche Merkmale die gesuchten Dokumente typischerweise enthalten.
   • Erklärung erstellen: Zusätzlich können sog. Erklärungen (Explanations) definiert werden, um der KI Hinweise auf eindeutige Muster zu geben. Das können z. B. Schlüsselwörter, reguläre Ausdrücke oder spezielle Phrasen sein, die charakteristisch für den Dokumenttyp sind. Beispiel: In Verträgen könnte ein Schlüsselwort „Vertragsparteien“ oder „Dieses Vertragswerk“ als Erkennungsmuster dienen.
   • Extraktoren-Training: Für die vorher definierten Extraktionsfelder markiert der Trainer in den Dokumenten die entsprechenden Stellen. Syntex bietet eine Oberfläche, um im Dokumenttext z. B. den Kundennamen oder das Datum zu markieren und dem Feld Kunde bzw. Datum zuzuordnen. Bei Tabellen oder wiederkehrenden Strukturen (z. B. Adressblöcke) kann man Anfang und Ende markieren. Durch dieses Taggen lernt Syntex, wo im Text die gesuchten Informationen stehen.

   Bei strukturierten Dokumenten (Formularverarbeitung) läuft die Etikettierung etwas anders ab: Nachdem man 5+ Beispiel-Dateien hochgeladen hat, analysiert AI Builder diese und versucht automatisch, Felder und Tabellen zu erkennen. Der Trainer überprüft dann die vom System vorgeschlagenen Feldmarkierungen und passt sie bei Bedarf an (z. B. korrigieren, falls ein Wert falsch erkannt wurde, oder zusätzliche Felder markieren). Hier ist weniger negative Abgrenzung nötig, da es sich um einen festen Dokumenttyp handelt. Wichtig ist, verschiedene Layouts abzudecken – z. B. Rechnungen von unterschiedlichen Lieferanten – indem man sogenannte Sammlungen von Dokumentlayouts bildet.

4. Modell trainieren und testen: Sobald genügend Beispiele markiert sind, wird der Trainingslauf gestartet. Syntex erstellt nun anhand der Positiv-/Negativ-Beispiele und der markierten Felder ein statistisches Modell. Dieser Vorgang dauert meist nur wenige Minuten. Anschließend kann das Modell bewertet werden: Im Inhaltscenter gibt es die Möglichkeit, das Modell mit Testdokumenten auszuprobieren, die nicht Teil des Trainings waren. Man lädt dazu weitere Dateien hoch und lässt den Klassifikator und die Extraktoren darauf laufen. Syntex zeigt dann an, wie die Dokumente klassifiziert würden und welche Werte extrahiert werden – so kann der Modell-Ersteller sehen, ob noch Fehlzuordnungen passieren oder Felder übersehen werden. Anhand dieser Tests wird entschieden, ob das Modell ausreichend genau arbeitet oder ob weitere Trainingsdaten benötigt werden (eine iterative Verbesserung ist jederzeit möglich, indem man z. B. weitere Beispiel-Dokumente hinzufügt oder zusätzliche Erklärungen definiert).
5. Veröffentlichung des Modells: Wenn das Modell zufriedenstellend funktioniert, wird es veröffentlicht. Im Inhaltscenter klickt man auf „Veröffentlichen“, wodurch das Modell aktiviert wird. Gleichzeitig erstellt Syntex im Hintergrund einen neuen Inhaltstyp mit den definierten Metadaten-Spalten für dieses Modell (falls nicht bereits ein vorhandener Inhaltstyp gemappt wurde). Nach der Veröffentlichung kann man das Modell einer oder mehreren SharePoint-Dokumentbibliotheken zuweisen. Dies geschieht bequem über die Modellseite im Inhaltscenter: Dort wählt man „Modell auf Bibliothek anwenden“ und kann eine Zielseite/Bibliothek angeben. Ab diesem Moment ist die KI in der gewählten Bibliothek aktiv.
6. Einsatz des Modells: In der SharePoint-Dokumentbibliothek, der das Modell zugewiesen wurde, erscheinen nun automatisch die zusätzlichen Spalten für die extrahierten Metadaten. Zudem sieht ein Benutzer einen Hinweis (Info-Icon oder Banner), dass diese Bibliothek durch ein Syntex-Modell unterstützt wird. Wenn jetzt neue Dateien hochgeladen oder bestehende Dateien aktualisiert werden, führt Syntex im Hintergrund die Klassifizierung und Extraktion durch. Der Benutzer erkennt das daran, dass nach kurzer Zeit (typisch innerhalb weniger Sekunden) die Werte in den Spalten gefüllt sind. Beispielsweise wird nach Upload eines Vertragsdokuments die Spalte „Vertragsende“ automatisch mit dem erkannten Datum befüllt. Sollte Syntex eine Datei mal nicht sicher zuordnen können, bleibt das Feld leer oder das Dokument wird als Nicht erkannt markiert – der Benutzer kann dann manuell eingreifen und den Dokumenttyp bestätigen, woraufhin Syntex die Extraktion erneut versucht.

Abb. 1: Beispielhafte Trainingsoberfläche in Syntex. In der Abbildung ist ein Ausschnitt der Syntex-Modellseite für Dokumentverständnis zu sehen. Oben werden die Beispieldateien gelistet und der Trainer hat einige als Positiv (✔️) bzw. Negativ (❌) markiert. Unten wird ein Extraktionsfeld FeeAmount (Gebühr) trainiert. Syntex zeigt die erkannten Werte (\$42,000.00) im Kontext des Dokuments an. Grün markiert sind Stellen, die das Modell als passende Entität identifiziert hat. Der Trainer kann die Vorschläge bestätigen oder korrigieren. Auf der rechten Seite ist ersichtlich, dass alle Vorhersagen mit den Labels übereinstimmen (100 % Accuracy), was auf ein gut trainiertes Modell hindeutet. Nach solchem Training kann das Modell veröffentlicht und auf Bibliotheken angewendet werden.

Hinweis: Das Modelltraining verursacht keine zusätzlichen Kosten in Syntex – abgerechnet wird nur die spätere Verarbeitung von Dokumenten (siehe Abschnitt Lizenzierung). Unternehmen können also ohne Bedenken mehrere Iterationen durchführen, um die Genauigkeit zu optimieren, ohne dabei Transaktionskosten zu erzeugen. Es empfiehlt sich, Modelle zunächst in einer Test- oder Pilotbibliothek auszuprobieren, bevor sie produktiv eingesetzt werden.

Nach der Veröffentlichung ist es wichtig, das Modell im laufenden Betrieb zu überwachen. Syntex bietet hierfür Analytics im Inhaltscenter, die zeigen, wie viele Dateien verarbeitet wurden, wie hoch die Klassifizierungsgenauigkeit ist und ob Extraktionsfelder häufig leer bleiben. Anhand dieser Daten kann das Modell weiter verbessert werden, z. B. durch Hinzufügen weiterer Trainingsdokumente bei neuen Ausnahmefällen. Das Training von Syntex-Modellen ist somit kein einmaliger Akt, sondern eher ein kontinuierlicher Verbesserungsprozess, der mit den Anforderungen mitwächst. Mit vergleichsweise geringem Aufwand (oft genügen <20 Dokumente als Trainingsset) lässt sich jedoch bereits eine sehr hohe Automatisierungsquote erzielen – Syntex wurde so konzipiert, dass Domänenexperten ohne Data-Science-Vorkenntnisse Modelle erstellen können. Dies macht die Lösung besonders attraktiv für Fachabteilungen, die eigenständig ihre Prozesse optimieren möchten, ohne lange IT-Projekte aufzusetzen.

5. Lizenzierung, Preisstruktur und Zusatzkosten

Die Lizenzierung von SharePoint Syntex hat in jüngerer Zeit einen bedeutenden Wandel erfahren. Ursprünglich wurde Syntex als benutzerbasiertes Add-On zu Microsoft 365 angeboten: Unternehmen mussten pro Nutzer, der Syntex-Funktionen verwenden sollte, eine zusätzliche Lizenz erwerben (Preis ca. 4–5 USD pro Benutzer/Monat, Stand 2021). Diese pro-Kopf-Lizenz beinhaltete ein Kontingent an AI Builder Credits für die Formulardatenverarbeitung (bei ≥300 Nutzern z. B. 1 Mio. Credits pro Monat für den Tenant). Seit dem 1. Juli 2023 hat Microsoft jedoch das Lizenzmodell umgestellt: Die Einzellizenzen pro Benutzer wurden aus dem Verkauf genommen. Neue und verlängernde Kunden können Syntex nun ausschließlich im nutzungsbasierten Modell (Pay-as-you-go) einsetzen. Bestehende Syntex-Benutzerlizenzen werden bis zum Vertragsende zwar noch unterstützt, müssen danach aber ebenfalls auf das neue Modell migrieren.

Das aktuelle Modell funktioniert wie folgt:

• Syntex als Verbrauchsdienst: Statt festen Benutzergebühren wird Syntex über den tatsächlichen Verbrauch abgerechnet. Voraussetzung ist die Verknüpfung eines Azure-Abonnements mit dem Microsoft 365 Tenant, da die Abrechnung über Azure erfolgt. Jedes in Syntex verarbeitete Dokument oder jede ausgeführte KI-Transaktion erzeugt dabei Verbrauchseinheiten, die nach festen Tarifen berechnet werden.
• Keine Mindestlizenz, keine Vorauszahlung: Unternehmen können Syntex-Funktionen aktivieren, ohne vorab Lizenzen kaufen zu müssen. Jeder Nutzer im Tenant kann prinzipiell die KI-Dienste nutzen, die Abrechnung erfolgt zentral nach Verbrauch. Dieses Modell bietet Flexibilität – gerade für mittelständische Firmen – da man klein starten kann und Kosten nur entstehen, wenn Syntex auch tatsächlich eingesetzt wird.
• Basis-M365-Lizenz erforderlich: Wichtig ist, dass Syntex weiterhin ein Add-On bleibt. Das heißt, pro User muss eine gültige Microsoft 365- oder Office 365-Lizenz (wie E3/E5 oder Business Plan) vorhanden sein, um Syntex-Dienste zu nutzen. Syntex ersetzt also nicht die Grundlizenz, sondern ergänzt sie.

Kostenstruktur: Die Preise im nutzungsbasierten Modell sind öffentlich dokumentiert und unterscheiden nach Art des Dienstes. Im Folgenden einige ausgewählte Preisbeispiele (Stand 2025) zur Orientierung:

• Unstrukturierte Dokumentverarbeitung: ~\$0,005 pro Seite/Dokument-Seite. Beispiel: Das automatische Klassifizieren und Auslesen einer 10-seitigen Vertrags-PDF kostet rund \$0,05.
• Strukturierte oder Freihand-Formularverarbeitung: ~\$0,05 pro Seite. Beispiel: Eine 2-seitige Rechnung verarbeiten = \$0,10. (Anmerkung: Enthält der Tenant noch ungenutzte AI Builder-Credits – z. B. aus alten Lizenzen – werden diese zuerst verbraucht, bevor Kosten anfallen.)
• Inhaltsassembly (Dokumentgenerierung): ~\$0,15 pro generiertem Dokument. Beispiel: Automatisches Erstellen von 100 Vertragsdokumenten via Syntex-Vorlage = \$15.
• Optische Zeichenerkennung (OCR) / Bildmarkierung: ~\$0,001 pro Bild oder pro Seite eines Bilddokuments. Beispiel: Auslesen eines 50-seitigen eingescannten PDFs = \$0,05.
• Taxonomie-Tagging: ~\$0,05 pro Dokument (automatisches Verschlagworten mittels Termset).
• Dokumentübersetzung: \$15 pro 1 Million Zeichen (entspricht ca. 500 Seiten Text).

Diese Kosten fallen nur an, wenn die jeweiligen Dienste aktiv genutzt werden (z. B. wenn tatsächlich Dokumente verarbeitet oder übersetzt werden). Einige Funktionen von Syntex sind ausdrücklich kostenfrei inklusive – z. B. die Nutzung von Inhaltsabfragen, Anmerkungen, vordefinierten Accelerators (wie Vertragsverwaltungsvorlagen) oder Inhaltsverarbeitungsregeln kostet nichts extra, selbst wenn Syntex im Pay-as-you-go-Modus läuft. Microsoft hat bestimmte Basisfunktionen, die früher an die Syntex-Lizenz gekoppelt waren, allen E3/E5-Benutzern freigeschaltet, als die Umstellung auf Pay-as-you-go erfolgte. Dazu zählen u. a. die Content Query Webparts, Universal Annotations (Erweiterte Dateikommentare), Taxonomie-Reports/Importe und Dokumentenautomatisierungs-Regeln – diese stehen nun ohne Zusatzgebühr zur Verfügung.

Für die Budgetierung bedeutet das nutzungsbasierte Modell, dass Unternehmen ihre zu erwartende Dokumentenzahl und -komplexität abschätzen sollten. Microsoft stellt hierfür einen SharePoint Syntex Cost Calculator bereit, der anhand von Eingabeparametern die monatlichen Kosten prognostiziert. Die Erfahrung zeigt, dass Syntex vor allem dann wirtschaftlich vorteilhaft ist, wenn es große Mengen an Dokumenten automatisiert verarbeitet, die sonst manuell viel Zeit (und damit Personalkosten) binden würden. Ein Rechenbeispiel: Angenommen, ein Unternehmen verarbeitet im Monat 10.000 Seiten an unstrukturierten Dokumenten (Verträge, Korrespondenz) mit Syntex, würden sich die reinen KI-Transaktionskosten auf etwa \$50 pro Monat belaufen (10.000 Seiten × \$0,005) – verglichen mit dem Zeitaufwand, den Mitarbeiter für das händische Durchsuchen dieser Seiten benötigen würden, ist dies meist sehr gering.

Zusatzkosten und Nebenaspekte: Neben den direkten KI-Transaktionskosten gibt es einige Punkte, die Unternehmen beachten sollten:

• Speicherkapazität: Syntex selbst speichert keine Inhalte außerhalb von SharePoint, aber durch Funktionen wie Microsoft 365-Archiv und -Backup (die ebenfalls unter die Syntex-Produktfamilie fallen) können zusätzliche Speicherkosten entstehen. So bietet Syntex ein Archivierungsfeature, um inaktive Daten kostengünstig auszulagern – überschreitet man damit den im Tenant inkludierten Speicher, fallen ca. \$0,05 pro GB/Monat für Archivspeicher an. Ähnliches gilt für das Backup von SharePoint/OneDrive-Daten (ca. \$0,15 pro GB/Monat). Diese Funktionen sind optional zu nutzen, doch falls ein Unternehmen große Datenbestände archiviert oder zusätzliche Datensicherungen via Syntex plant, sollten die Kosten einkalkuliert werden.
• Implementierungs- und Beratungskosten: Die Einführung von Syntex erfordert Planung, Modelleinrichtung und ggf. Anpassung der Informationsarchitektur (z. B. Anlegen von Inhaltstypen, Spalten, Workflows). Je nach interner Expertise können hierfür Beratungskosten anfallen, wenn man auf Microsoft-Partner oder Dienstleister zurückgreift. Viele Partner bieten Workshops oder Pilotprojekte an, um Use Cases zu identifizieren und erste Modelle zu trainieren. Diese Initialinvestitionen sind schwer in Zahlen zu fassen, zahlen sich aber aus, indem spätere Betriebsprozesse effizienter laufen.
• Betrieb/Aufwand für Modellpflege: Obwohl Syntex sehr benutzerfreundlich ist, benötigt das System laufende Pflege – ähnlich wie ein Mitarbeiter, der hinzulernt. Man sollte Ressourcen einplanen, um Modelle bei Bedarf nachzutrainieren (z. B. wenn neue Dokumententypen auftauchen oder sich Vorlagen ändern) und die Verarbeitungsergebnisse zu überwachen. Dieser interne Aufwand gehört zum Betrieb, ist aber meist überschaubar (für die meisten Modelle genügt eine gelegentliche Überprüfung pro Quartal o. ä.).

In Summe bietet das Lizenzmodell 2023+ Unternehmen mehr Flexibilität und Kostenkontrolle. Anstatt für alle 1.000 Mitarbeiter im Voraus zu lizenzieren, kann ein Mittelständler Syntex z. B. zunächst in einer Abteilung einführen und beobachten, welche Nutzung sich ergibt. Die Abrechnung über Azure ist minutengenau nachvollziehbar, und bei geringem Nutzen bleiben auch die Kosten minimal. Sollte Syntex jedoch großflächig eingesetzt werden (z. B. über viele Prozesse hinweg), summieren sich natürlich auch die Transaktionskosten – dann ist zu prüfen, ob das Nutzen-Kosten-Verhältnis stimmt. Microsoft hat mit dem Wegfall der Nutzerlizenzen jedenfalls die Einstiegshürden deutlich gesenkt: Bereits Microsoft 365 Business Standard oder E3 Kunden können Syntex ohne zusätzliche Lizenzgebühr aktivieren und im kleinen Umfang testen. Für größere Installationen lohnt sich ein Blick auf mögliche Rabattprogramme oder Azure-Guthaben im Rahmen von Enterprise Agreements, wobei Syntex-Verbräuche aktuell nicht auf das Microsoft Azure Consumption Commitment (MACC) angerechnet werden.

Lizenzfazit: Syntex ist ein reines Cloud-Angebot und damit „OPEX“ statt CAPEX – Kosten fallen als Betriebsausgabe an und skalieren mit der Nutzung. Dies passt gut zu modernen IT-Strategien vieler Mittelständler, die Flexibilität und Kostenoptimierung priorisieren. Wichtig ist, die Nutzer mitzunehmen und Syntex zielgerichtet dort einzusetzen, wo der höchste Mehrwert entsteht, um ein optimales Return-on-Investment zu erzielen.

6. Beispielanwendungen: Umsetzung, Vorteile, Herausforderungen und Ergebnisse

In diesem Abschnitt werden die zuvor eingeführten Szenarien Rechnungseingang und Vertragsmanagement nochmals vertieft – mit Fokus darauf, wie sie umgesetzt wurden, welche Vorteile und Ergebnisse erzielt wurden und welche Herausforderungen in der Praxis gemeistert werden mussten. Ziel ist es, IT-Entscheidern und Fachanwendern ein greifbares Bild zu geben, was ein Syntex-Projekt im jeweiligen Bereich bedeutet.

6.1 Beispiel 1: Automatisierte Rechnungseingangsverarbeitung in der Praxis

Umsetzung: Ein produzierendes Unternehmen (ca. 3.000 Mitarbeiter) entschied sich, den Eingang von Lieferantenrechnungen mit SharePoint Syntex zu automatisieren. Zuvor gingen monatlich ~2.000 Rechnungen ein, die drei Sachbearbeiter manuell prüften und in das ERP-System eintippten. Das Unternehmen richtete in SharePoint eine „Rechnungseingang“-Bibliothek ein, in die alle digitalen Rechnungen (PDF) aus dem Posteingang automatisch via Flow abgelegt wurden. Für Papierrechnungen sorgte ein Scanner mit Upload-Funktion ebenfalls für Ablage in dieser Bibliothek. Anschließend wurde ein Syntex-Formularverarbeitungsmodell (AI Builder) direkt in dieser Dokumentbibliothek erstellt. Die Projektgruppe sammelte etwa 20 typische Rechnungsbeispiele von verschiedenen Lieferanten (unterschiedliche Layouts: mit/ohne Logo, verschiedene Tabellenstrukturen, mehrsprachig). Diese wurden zum Trainingssatz: Fachexperten aus der Buchhaltung markierten darauf die relevanten Werte (Rechnungsnr., Datum, Netto- und Bruttobetrag, USt, Lieferantennummer etc.). Nach zwei Trainingsdurchläufen war das Modell zufriedenstellend: Testrechnungen wurden zu 95 % korrekt erkannt. Man veröffentlichte das Modell in der Bibliothek – fortan analysierte Syntex jede neu eintreffende Rechnung automatisch, füllte die SharePoint-Felder aus und verschob die Datei nach erfolgreicher Verarbeitung in einen „Zur Genehmigung“-Ordner.

Ein parallel eingerichteter Power Automate-Flow griff diese Dateien auf und schickte eine Nachricht an den zuständigen Prüfer mit den ausgelesenen Rechnungsdaten zur Freigabe. Nach Bestätigung wurde die Rechnung direkt im ERP als Vorgang angelegt (mittels API) und die Datei im Archiv abgelegt. Im Grunde übernahm Syntex damit die Rolle eines digitalen Posteingangsassistenten, der alle wesentlichen Informationen aus den Dokumenten zieht und den nachfolgenden Prozess anstößt.

Vorteile und Ergebnisse: Die Effekte dieser Automatisierung waren erheblich. Zunächst konnte die Abteilung einen Großteil der manuellen Dateneingabe einsparen – gut 80 % der Rechnungen wurden von Syntex komplett korrekt ausgelesen, bei weiteren ~15 % waren nur kleinere Korrekturen (z. B. bei ungewöhnlichen Layouts) nötig. Nur in wenigen Ausnahmefällen (z. B. sehr schlechte Scanqualität) mussten die Sachbearbeiter noch alle Felder selbst eingeben. Dies führte dazu, dass von den vormals drei Vollzeitkräften in der Rechnungsverarbeitung zwei Personen auf wertschöpfendere Aufgaben (z. B. Lieferantenmanagement, Analysen) umgeschichtet werden konnten. Die Durchlaufzeit pro Rechnung sank im Schnitt von 2–3 Tagen (vom Posteingang bis zur Buchung verging teils viel Liegezeit) auf unter 1 Tag. In einigen Fällen wurden Rechnungen noch am selben Tag gebucht und zur Zahlung vorbereitet, was Skontovorteile sicherte.

Auch qualitativ gab es Verbesserungen: Menschliche Fehler (falsche Beträge durch Tippfehler, Zahlendreher bei Rechnungsnummern) wurden nahezu eliminiert. Die KI extrahierte die Zahlen 1:1 wie im Dokument – die Buchhaltung stellte bei Stichproben keine Abweichungen fest. Ein unerwarteter Nebeneffekt war, dass die elektronischen Rechnungsdaten nun für Auswertungen genutzt werden konnten: Die Finanzabteilung erstellte in Power BI ein Dashboard, das die von Syntex erfassten Rechnungsdaten analysierte (Einkaufsvolumen pro Lieferant, durchschnittliche Zahlungsziele, etc.). Das wäre ohne die strukturierten Metadaten kaum möglich gewesen.

Herausforderungen: Trotz des sehr positiven Ergebnisses gab es auf dem Weg dorthin einige Herausforderungen:

• Varianz der Eingangsrechnungen: Die schiere Vielfalt an Layouts und Sprachen (deutsche, englische, französische Rechnungen) machte das Training anspruchsvoll. Das Team stellte fest, dass insbesondere bei mehrsprachigen Dokumenten anfangs Fehler auftraten (Syntex ist zwar sprachunabhängig, aber bestimmte Feldbezeichnungen wie „Invoice No.“ vs „Rechnungsnr.“ erforderten zwei Muster). Dies wurde gelöst, indem man das Modell mit beiden Sprachvarianten konfrontierte und mehrere Erklärungen definierte (z. B. Synonyme für „Rechnungsnummer“). Nach dieser Erweiterung stieg die Erkennungsquote deutlich.
• Ausnahmen & Validierung: Einige Spezialrechnungen (z. B. Gutschriften, Proformarechnungen) wurden vom Modell nicht sicher erkannt, da sie strukturell abwichen. Hier beschloss man pragmatisch, diese entweder manuell zu bearbeiten oder ein separates kleines Modell dafür zu trainieren. Wichtig war, im Prozess eine Validierungsschleife einzubauen: Alle Rechnungen, bei denen Syntex sich nicht sicher war (Confidence-Wert unter einem Schwellwert), landeten automatisch in einer „Zu prüfen“-Ansicht, damit kein falscher Wert ungeprüft ins System wandert. Dies betraf aber weniger als 5 % der Fälle.
• Mitarbeiterschulung und Akzeptanz: Anfangs waren die Sachbearbeiter skeptisch, ob die KI ihre Arbeit korrekt erledigen würde. Durch die schrittweise Einführung (erst Pilot mit einem Lieferanten, dann Ausweitung) konnten sie Vertrauen fassen. Man stellte sicher, dass jede automatisierte Buchung nachvollziehbar war – in SharePoint wurde eine Versionierung aktiviert, die zeigt, welche Felder Syntex wann ausgefüllt hat. So hatten die Mitarbeiter die Kontrolle und konnten bei Bedarf eingreifen. Nach einigen Wochen überwog die Erleichterung über die Zeitersparnis deutlich die Skepsis. Wichtig war auch, klar zu kommunizieren, dass keine Stellen abgebaut, sondern die Rollen nur verlagert werden – das Team erkannte schnell, dass Syntex ihnen lästige Arbeit abnahm und nicht ihren Job.

Insgesamt demonstriert dieses Beispiel, dass mit Syntex eine End-to-End-Digitalisierung eines vormals papierlastigen Prozesses gelingt. Vom Eintreffen einer Rechnung bis zur Verbuchung läuft alles digital und zu großen Teilen autonom ab. Das Unternehmen konnte dadurch nicht nur Kosten sparen, sondern auch die Qualität und Geschwindigkeit im Rechnungswesen verbessern. Ein Manager formulierte das Fazit so: „Früher haben wir Daten aus Rechnungen abgeschrieben, heute fließen sie automatisch. Unsere Mitarbeiter nutzen jetzt ihre Zeit, um Rechnungsabweichungen zu klären und Lieferantenbeziehungen zu pflegen, statt Zahlen abzutippen. Syntex war ein Baustein, um unsere Buchhaltung zukunftsfähig zu machen.“

6.2 Beispiel 2: KI-gestütztes Vertragsmanagement und Wissensgewinn

Umsetzung: Eine regionale Versicherung (ca. 1.200 Mitarbeiter) stand vor dem Problem, dass wichtige Vertragsinformationen über verschiedene Abteilungen verteilt und schwer zugänglich waren. Verträge mit Partnerunternehmen und Dienstleistern wurden zwar zentral abgelegt, aber die relevanten Eckdaten waren nicht einheitlich erfasst. Das führte zu Risiken – etwa wurden Kündigungsfristen teils verpasst oder Raballklauseln nicht rechtzeitig neu verhandelt. Das Ziel war, ein zentralisiertes, intelligentes Vertragsmanagement-System aufzubauen, ohne die vorhandene Microsoft-365-Umgebung zu verlassen.

Mit SharePoint Syntex wurde ein Vertrags-Content-Center eingerichtet. Man startete mit dem Fokus auf Dienstleisterverträge. Die Rechtsabteilung stellte 30 Beispielverträge aus unterschiedlichen Bereichen (IT-Serviceverträge, Wartungsverträge, Beratungsverträge etc.) bereit. Daraus wurde im Syntex-Inhaltscenter ein Dokumentverständnis-Modell „Dienstleistungsvertrag“ erstellt. Die Juristen und Vertragsmanager definierten gemeinsam, welche Metadaten extrahiert werden sollten – darunter: Vertragspartner (Name der Firma), Leistungsart, Vertragsbeginn, Vertragslaufzeit, Kündigungsfrist, Preis/Kosten, Abrechnungsmodus, automatische Verlängerung (ja/nein), verantwortliche interne Person. Diese Felder wurden als Extraktoren im Modell angelegt.

Das Training erfolgte interaktiv: Die Vertragsmanager markierten in den Beispiel-PDFs die Stellen, wo z. B. die Laufzeit erwähnt ist („Der Vertrag beginnt am 01.01.2024 und läuft zunächst 24 Monate…“) oder wo die Kündigungsfrist definiert ist. Für die Klassifizierung als „Dienstleistungsvertrag“ erstellte man zudem ein paar Regeln – z. B. das Auftreten der Wörter „Leistung“ und „Vergütung“ im Dokument als mögliche Indikatoren. Nach dem Training (welches etwas aufwändiger war als im Rechnungsszenario, da juristische Texte variabler sind) wurde das Modell veröffentlicht und auf die zentrale Vertragsbibliothek angewendet.

Zusätzlich wurde auf Basis des Syntex Contracts Management Vorlagen-Site ein dedizierter Vertragsmanagement-Bereich aufgesetzt. Dieser enthielt Webparts und Listen, um Vertragsanfragen aufzunehmen, einen Überblick über alle Verträge zu geben und sogar zwei vorgefertigte KI-Modelle (für NDAs und Lieferantenverträge), die Microsoft mitlieferte. Das Team nutzte Teile dieser Vorlage und passte sie an die eigenen Bedürfnisse an.

Nach Deployment des Syntex-Modells begann ein Großteil der bestehenden Verträge automatisch Metadaten zu erhalten. Innerhalb weniger Stunden waren aus hunderten PDF-Dateien strukturierte Einträge geworden. Vertragsnummern, Namen der Vertragspartner, Start- und Enddaten etc. füllten nun die Spalten der SharePoint-Liste. Einige exotischere Verträge wurden vom Modell nicht erkannt – diese wurden entweder manuell nachgepflegt oder entschieden, sie vorerst außen vor zu lassen.

Vorteile und erzielte Ergebnisse: Die Einführung dieses KI-gestützten Vertragsmanagements zeigte schnell Wirkung:

• Es wurde eine Transparenz geschaffen, die es vorher nicht gab. Das Management hatte nun per Knopfdruck eine Liste aller aktiven Dienstleisterverträge und ihrer wichtigsten Konditionen. Frühere manuelle Excel-Übersichten konnten abgelöst werden, da SharePoint nun als Single Source of Truth fungierte.
• Die Überwachung von Terminen verbesserte sich drastisch. Syntex hatte z. B. aus 200 Verträgen etwa 50 herausgefiltert, die in den nächsten 12 Monaten kündbar waren. Diese wurden in einer speziellen Ansicht dargestellt und mit einer Ampellogik (Grün >6 Monate, Gelb 3–6 Monate, Rot <3 Monate bis Frist) versehen. Die Vertragsverantwortlichen richteten Alerts ein, sodass sie eine E-Mail-Benachrichtigung bekamen, sobald ein Vertrag in den roten Bereich rutschte. In den ersten Monaten nach Einführung wurden dadurch mehrere kostspielige automatische Verlängerungen verhindert, weil rechtzeitig nachverhandelt oder gekündigt wurde – ein direkter finanzieller Nutzen.
• Analyse von Vertragsinhalten: Interessanterweise nutzte die Rechtsabteilung die extrahierten Daten auch, um Muster in Verträgen zu erkennen. Zum Beispiel konnte man nun auswerten, welche Kündigungsfristen branchenüblich waren oder welche Dienstleister tendenziell automatische Verlängerungen in ihren Verträgen hatten. Diese Insights halfen, bei neuen Vertragsabschlüssen besser vorbereitet zu sein und bestimmte Punkte gezielt anzusprechen. Syntex wandelte somit die Verträge in eine auswertbare Wissensbasis um.
• Zeitersparnis: Früher brauchte ein Mitarbeiter der Rechtsabteilung oft 10–15 Minuten, um einen bestimmten Vertrag herauszusuchen und nach einer Klausel zu durchsuchen. Jetzt gibt er einen Suchbegriff oder filtert nach einem Feld und hat in Sekunden das Ergebnis. Insgesamt schätzt das Unternehmen, dass pro Woche ca. 5–8 Arbeitsstunden allein an Such- und Routinearbeit eingespart werden. Diese Zeit fließt nun in inhaltliche Tätigkeiten (z. B. Vertragsgestaltung, Risikoprüfung).
• Qualitätsgewinn: Ein Benefit, der sich erst nach einiger Zeit zeigte, war die Steigerung der Datenqualität. Da Syntex die Informationen aus den Dokumenten zieht, fiel auf, wenn Verträge unklare oder fehlende Angaben hatten (z. B. kein definiertes Enddatum). Solche Lücken wurden nun sichtbar und konnten bereinigt werden. Das Unternehmen passte daraufhin seine Vertragsvorlagen an, um künftig immer bestimmte Felder ausfüllbar zu machen – indirekt führte der Einsatz von KI also zur Standardisierung von Verträgen.

Herausforderungen und Learnings: Bei aller Euphorie gab es auch hier Lernkurven:

• Trainingsaufwand und Modellgrenzen: Das Vertragsmodell war komplexer zu trainieren als gedacht. Die Feinheiten juristischer Formulierungen erforderten mehr Beispiele und einige Iterationen. Die Projektbeteiligten merkten, dass sie die KI nicht zu 100 % mit allen Eventualitäten füttern konnten. Also definierte man einen „Abdeckungsgrad“: Das Modell sollte 90 % der gängigen Fälle abdecken, den Rest würde man manuell pflegen. Dieses 90/10-Prinzip hat sich bewährt – statt Perfektion zu erwarten, hat man akzeptiert, dass einige Verträge Sonderfälle bleiben, um die man sich individuell kümmern muss. Syntex deckt dafür den großen Standardteil sehr effizient ab.
• Interdisziplinäre Zusammenarbeit: Ein wichtiger Erfolgsfaktor war, dass IT und Rechtsabteilung eng zusammenarbeiteten. Die Juristen lieferten das Wissen, welche Klauseln relevant sind, die IT setzte dies in Syntex-Regeln um. Bei der ersten Modellversion gab es Missverständnisse (z. B. hatte die IT technische Feldnamen gewählt, die den Juristen nicht klar waren). Durch wöchentliche Abstimmungen und gemeinsame Tests im Inhaltscenter konnten diese Hürden genommen werden. Dieses Projekt zeigte, dass Syntex-Projekte nicht isoliert von IT gemacht werden sollten – die Fachabteilung muss involviert sein, da es um inhaltliche Intelligenz geht.
• Akzeptanz & Change Management: Zu Beginn gab es etwas Zurückhaltung in der Rechtsabteilung, ob ein „automatisches System“ ihre Verträge handhaben könne. Einige Mitarbeiter sorgten sich um Datenschutz (Verträge können sehr vertraulich sein). Hier wurde klar kommuniziert, dass Syntex innerhalb der bestehenden Compliance arbeitet – die Daten verlassen nicht den Tenant, und Berechtigungen bleiben gleich (Syntex liest auch nur, was ein Nutzer ohnehin sehen darf). Man führte Schulungen durch, in denen man das Inhaltscenter zeigte und erklärte, wie die KI „denkt“. Dies half, Ängste vor dem Unbekannten abzubauen. Nach den ersten erfolgreichen Automatismen (z. B. einer Syntex-erkannten Frist, die einen großen Vertrag betraf) schwenkte die Stimmung ins Positive. Die Verantwortlichen wurden zu Befürwortern, weil sie merkten, dass die Kontrolle letztlich bei ihnen blieb und Syntex sie einfach effizienter machte. Ein oft gehörter Satz: „Jetzt habe ich endlich die Zeit, mich um die Ausgestaltung neuer Verträge zu kümmern, statt Altverträge zu verwalten.“
• Kontinuierliche Pflege: Ein Learning war, dass das Vertragsmanagement-System lebendig ist. Neue Verträge kommen hinzu, alte laufen aus. Das Syntex-Modell wurde daher so eingerichtet, dass es laufend lernt: Wenn z. B. ein neuer Vertragstyp auftauchte, der nicht richtig klassifiziert wurde, nahm man diesen als neues Positivbeispiel ins Modell auf und trainierte nach. Dieser agile Ansatz sorgte dafür, dass die Erkennungsrate stetig stieg. Außerdem plant das Unternehmen, weitere Modelle für andere Vertragstypen einzuführen (Versicherungsverträge, Mietverträge etc.) – wobei man immer zuerst klein anfängt und bei Erfolg skaliert.

Zusammenfassend zeigt dieses Fallbeispiel, dass SharePoint Syntex im Vertragsmanagement nicht nur Effizienz bringt, sondern auch einen strategischen Mehrwert liefert. Verträge werden von einer statischen Ablage zu einer aktiv genutzten Wissensquelle. Entscheidungen können auf Basis konkreter, aktueller Daten getroffen werden. Risiken werden transparenter. Und die Mitarbeiter können sich mehr auf inhaltliche Vertragsarbeit konzentrieren, während Routineaufgaben an die KI delegiert sind.

Die beschriebenen Beispiele verdeutlichen, dass die Einführung von KI im Dokumentenmanagement machbar ist und sich lohnt, jedoch mit Augenmaß und Einbindung der Fachleute erfolgen sollte. Jede Organisation ist anders – daher sind Pilotphasen, iterative Verbesserungen und das Feedback der Endanwender entscheidend für den Erfolg.

7. Fazit und Ausblick

SharePoint Syntex erweist sich im Kontext der digitalen Transformation als wertvoller Hebel, um Dokumentenmanagement auf das nächste Level zu heben. Durch die Kombination aus künstlicher Intelligenz und der etablierten SharePoint-Plattform bietet Syntex Unternehmen die Möglichkeit, aus ihren Datenbeständen automatisiert Wissen zu generieren und Geschäftsprozesse deutlich effizienter zu gestalten. Die in dieser Studie betrachteten Anwendungsfälle – Rechnungsverarbeitung und Vertragsmanagement – sind exemplarisch für viele weitere Bereiche (von Personalakten über Bestellungen bis hin zu Compliance-Dokumentationen), in denen Syntex manuelle Routinearbeit ablösen kann.

Für mittelständische Unternehmen bedeutet der Einsatz von Syntex konkret:

• Produktivitätsgewinne: Mitarbeiter werden von zeitintensiven Dokumentensichtung- und Dateneingabe-Tätigkeiten entlastet. Stattdessen können sie sich auf wertschöpfende Aufgaben konzentrieren, bei denen menschliche Expertise gefragt ist. Die KI übernimmt die Fleißarbeit im Hintergrund – schnell, konsistent und rund um die Uhr. Dies führt zu schnelleren Durchlaufzeiten in Prozessen und letztlich zu Kosteneinsparungen.
• Bessere Entscheidungsgrundlagen: Informationen, die früher in Aktenordnern oder verstreuten Dateien „versteckt“ waren, stehen nun strukturiert zur Verfügung. Syntex verwandelt Dokumente in Daten – und Daten sind die Basis für fundierte Entscheidungen. Sei es die Verhandlung eines neuen Vertrags oder die Optimierung des Cashflows durch Skonto-Nutzung: Die relevanten Fakten sind unmittelbar greifbar.
• Erhöhte Qualität und Compliance: Automatisierte Klassifizierung und Metadaten sorgen für Einheitlichkeit in der Ablage. Weniger Fehler bei der Datenerfassung verbessern die Datenqualität. Zudem unterstützt Syntex dabei, Compliance-Vorgaben einzuhalten (z. B. indem sensible Inhalte erkannt und entsprechend gekennzeichnet werden). Insgesamt gewinnt das Unternehmen Kontrolle über seine Dokumente, anstatt von deren Masse kontrolliert zu werden.
• Integration statt Insellösung: Ein großer Vorteil von Syntex ist die nahtlose Einbettung in die vorhandene Microsoft 365-Umgebung. Unternehmen müssen kein separates DMS oder externe KI-Plattform einführen – Syntex arbeitet dort, wo die Benutzer ohnehin schon sind (SharePoint, Teams, Outlook). Die Lernkurve ist dadurch flach, und bestehende Governance (Berechtigungen, Datenresidenz) bleibt erhalten. Gerade für mittelständische Firmen mit begrenzten IT-Ressourcen ist dies ideal, da man KI-Funktionalität per Schalter aktivieren kann, ohne eine neue Infrastruktur aufzubauen.

Natürlich darf man Syntex nicht als Wunderlösung missverstehen, die ohne Aufwand alle Probleme löst. Wie gesehen, erfordert auch Syntex fachliches Training, Pflege und einen Change-Prozess. Es ist wichtig, die Mitarbeiter früh einzubeziehen, transparent zu kommunizieren und die KI-Ergebnisse zu überwachen. Syntex entfaltet seinen vollen Nutzen, wenn es in ein Gesamtkonzept eingebettet ist – beispielsweise kombiniert mit klaren Richtlinien für digitale Akten, ergänzenden Workflow-Lösungen (Power Automate) und gegebenenfalls weiteren Microsoft 365-Services (wie Viva Topics für Wissensmanagement oder Power Apps für Formularprozesse). So entsteht eine ganzheitliche digitale Arbeitsumgebung.

Die bisherigen Erfahrungen aus Projekten zeigen, dass der Return on Investment bei Syntex schnell erreicht werden kann, oft innerhalb eines Jahres oder weniger, abhängig vom Anwendungsfall. Schon einzelne automatisierte Prozesse (wie die beiden Beispiele) können signifikante Einsparungen und Qualitätsverbesserungen bringen.

Auch kleinere Unternehmen unter 1.000 Mitarbeitern können von Syntex profitieren, besonders wenn sie stark regulierte Dokumente haben oder mit wenigen Personen eine große Dokumentenlast bewältigen müssen. Und für größere Organisationen skaliert Syntex dank der Cloud-Architektur ohnehin – hier kann es sinnvoll sein, ein zentrales Center of Excellence einzurichten, das Syntex-Modelle entwickelt und unternehmensweit bereitstellt.

Zukunftsausblick: Microsoft entwickelt Syntex kontinuierlich weiter. Insbesondere im Zuge der allgemeinen KI-Strategie (Stichwort Microsoft 365 Copilot) ist zu erwarten, dass Content AI noch tiefer in die Arbeitsprozesse integriert wird. Syntex dürfte von neuen Sprachmodellen und KI-Funktionen profitieren, um noch akkuratere Ergebnisse zu liefern. Denkbar sind z. B. automatische Zusammenfassungen von Dokumenteninhalten oder noch mehr vorgefertigte KI-Modelle für spezielle Branchenanforderungen. Mit der soliden Grundlage, die Syntex heute schon bietet, sind Unternehmen jedenfalls gut aufgestellt, um diese kommenden Innovationen zu nutzen.

Im Fazit lässt sich sagen: SharePoint Syntex bringt echten Nutzen im Dokumentenmanagement, indem es das ungenutzte Potenzial in Dokumentenbeständen hebt. Es ist ein Werkzeug, das Technologie und menschliches Fachwissen verbindet – die KI amplifiziert die Fähigkeiten der Mitarbeiter, anstatt sie zu ersetzen. Gerade in Zeiten, in denen Information ein wettbewerbsentscheidender Faktor ist, ermöglicht Syntex einen Effizienz- und Wissenssprung, der für mittelständische Unternehmen einen wichtigen Wettbewerbsvorteil bedeuten kann. Die Investition in KI-gestütztes Dokumentenmanagement ist somit ein Schritt in Richtung Zukunftsfähigkeit, der sich praktisch und ökonomisch auszahlt.

Weitere Beiträge zum Thema SharePoint