Agent-Native Documentation: Warum Mittelstand-Wikis, ERPs und Handbücher 2026 für KI-Agenten geschrieben sein müssen

Der Moment, in dem ein IT-Leiter im Mittelstand merkt, dass sich etwas verschoben hat, ist meistens ein Dienstagnachmittag. Der neue KI-Agent läuft seit zwei Wochen. Eine Buchhalterin fragt: „Was ist unsere Richtlinie, wenn wir eine Kundengutschrift in DATEV stornieren wollen, während die Originalrechnung schon exportiert ist?“ Der Agent antwortet selbstbewusst. Die Antwort ist falsch. Die Forensik zeigt: der Agent hat die relevante Richtlinienseite nie erreicht - sie liegt drei Confluence-Klicks tief, in einem Screenshot eines SharePoint-Diagramms, in einem ausschließlich deutschen PDF, das der Agent nur als leeres Kästchen sehen konnte.

Der Agent hat nicht gelogen. Er hat gelesen, was er lesen konnte - eine Sidebar, einen Navigationsbaum, einen Marketing-Call-to-Action, drei halb geladene JavaScript-Widgets - und abgeleitet. Die eigentliche Richtlinie war unsichtbar. Der Agent hat mit einem Stapel Pixel und Chrome gearbeitet, wo eigentlich ein strukturiertes Dokument hätte stehen sollen. Das ist der Moment, in dem die meisten Mittelstands-Teams erkennen, dass ihr gesamter Dokumentationsbestand, seit 2008 liebevoll für menschliche Leser gepflegt, nie für den neuen primären Leser geschrieben wurde. Cloudflare hat es beim Launch von Markdown for Agents im April 2026 deutlich gesagt: „Rohes HTML an eine KI zu verfüttern ist, als würde man pro Wort dafür bezahlen, die Verpackung statt des Briefes zu lesen.“¹

Dieser Leitfaden zeigt, was Agent-Native Documentation wirklich ist, warum das menschenzentrierte Wiki eine versteckte Steuer hat, die mit jedem zusätzlichen Agenten wächst, welche drei Oberflächen sich 2026 etabliert haben (llms.txt, Markdown-Endpoints, MCP-Server), wie ein 5.000-Seiten-Confluence agentenfähig wird, ohne ein zweites Doku-Team einzustellen, die sieben Fallen, die Mittelstands-Projekte zum Entgleisen bringen, und einen 90-Tage-Fahrplan. Geschrieben für IT-Leiter, Wissensmanager, Plattform-Engineers und den Geschäftsführer, der entscheiden muss, ob Dokumentation ein Projekt oder ein Produkt ist.

Warum Agent-Native Documentation jetzt zählt

Sechs konkrete Gründe, warum Dokumentation vom stillen Backoffice-Projekt zur 2026-IT-Strategieentscheidung geworden ist.

• Agenten lesen mehr Docs als Menschen - Auf Doku-Seiten, die ihren Traffic instrumentiert haben, machen Agent- und Assistenten-Requests inzwischen die Mehrheit der Unique Reads aus. Der Cloudflare-Launch von Markdown for Agents bezieht sich direkt auf diese Verschiebung: Agenten sind der neue primäre Leser, und sie lesen strukturell, nicht visuell¹.
• Markdown ist die Agent-Lingua-franca - Markdown ist zum universellen Austauschformat für Agenten und KI-Systeme geworden, mit expliziter Struktur, die Token-Verschwendung minimiert und Retrieval-Qualität maximiert². Jeder moderne Coding-Agent (Claude Code, Cursor, OpenCode) sendet Accept-Header, die direkt Markdown anfordern.
• Die Token-Steuer summiert sich - Eine einzelne H2-Überschrift kostet rund drei Token in Markdown, in HTML zwölf bis fünfzehn. Über einen 50-Seiten-Confluence-Space ist der Unterschied sechsstellig in Token pro Agent-Run, und das Mittelstands-Team, das pro Token zahlt, sieht es innerhalb von Wochen auf der Rechnung¹.
• llms.txt ist von experimentell zu erwartet gekippt - Bis April 2026 veröffentlichen Anthropic, Stripe, Zapier, Cloudflare, Vercel, Cursor, Postman und die meisten Entwicklertool-Docs eine llms.txt. Profound-Daten zeigen, dass Agenten llms-full.txt mehr als doppelt so oft holen wie den schlanken Index⁵.
• MCP ist von Spec zu Substrat geworden - Das Model Context Protocol hat im Q1 2026 die Marke von 97 Millionen monatlichen SDK-Downloads überschritten, mit Enterprise Readiness als oberster Roadmap-Priorität für 2026¹². MCP-Server sind der lebende, authentifizierte Weg, internes Confluence, SharePoint, SAP und DATEV für Agenten zugänglich zu machen.
• Der Mittelstands-Doku-Bestand ist besonders verwundbar - Mittelstands-Wikis sind typischerweise alt, tief, mehrsprachig, screenshotlastig und nebenbei gepflegt von den Leuten, die auch das Produkt liefern. Von allen Doku-Mustern ist das das teuerste, menschen-only zu lassen, und das lohnendste, agentenfähig zu machen.

Die versteckte Steuer menschenzentrierter Dokumentation

Menschenzentrierte Dokumentation war nie falsch. Sie war richtig für die Zielgruppe, der sie diente. Das Problem ist, dass die Zielgruppe jetzt einen zweiten Leser mit komplett anderer Ergonomie umfasst, und die Muster, die Menschen begeistern, behindern Agenten aktiv. Sechs konkrete Muster, die sich zur versteckten Steuer addieren.

1. HTML-Chrome ertränkt das Signal - Navigationsbäume, Sidebars, Breadcrumbs, Footer-Mega-Menüs, Cookie-Banner, Sharing-Widgets, Related-Content-Karussells. Nichts davon ist das Dokument; alles davon kostet Token. Cloudflares Messung von 16.180 Token HTML für 3.150 Token tatsächlichen Inhalt ist ein Fünf-zu-eins-Verhältnis von Chrome zu Substanz¹.
2. JavaScript-gerenderter Inhalt ist unsichtbar - Single-Page-App-Docs, die im Browser rendern, sind für die meisten Retrieval-Pipelines leer. Der Agent holt die URL, bekommt eine Hülle und sieht eine leere Seite. Bis das JS fertig ist, ist der Agent längst weiter.
3. Screenshots und GIFs sind opak - Ein Visio-Prozessdiagramm als PNG eingebettet ist für einen reinen Text-Agenten unsichtbar und für ein Vision-Modell rund 1.500 bis 4.000 Token von nichts Verwertbarem. Die strukturierte Information, die das Diagramm vermittelt, fehlt, sofern niemand sie daneben in Text geschrieben hat.
4. „Klicken Sie hier“-Navigation bricht Retrieval - „Siehe Troubleshooting-Bereich“ mit einem Hyperlink liest sich für einen Menschen wie eine Anweisung und für einen Agenten, der nur diese Seite geholt hat, wie eine Sackgasse. Der Agent weiß nicht, dass er dem Link folgen soll - und hätte nicht das Auth-Cookie, falls doch.
5. GUI-Walkthroughs hängen von dem ab, was der Agent nicht sehen kann - „Klicken Sie das Zahnrad, dann Einstellungen, dann den zweiten Tab“ ist ohne die Screenshots nicht ausführbar. Ein Agent kann nicht klicken; er braucht den darunterliegenden API-Call, den Konfigurationsschlüssel, den Dateipfad. Jeder GUI-Walkthrough ist eine fehlende API-Doku, die noch geschrieben werden müsste.
6. PDFs sind leise katastrophal - Ein gescanntes Richtlinien-PDF von 2014 ist eine Wand aus Pixeln, mit dem OCR, das Ihre Retrieval-Pipeline gerade hat. Tabellen werden zu Wortlisten. Mehrspaltige Layouts verschachteln Unsinn. Der Mittelstands-SOP-Bestand besteht zu grob 30 bis 70 Prozent aus PDFs, und jedes ist eine kleine Katastrophe.

Warum die Steuer von innen schwer zu sehen ist

• Menschen kompensieren leise - Wenn ein Mensch etwas im Wiki nicht findet, fragt er einen Kollegen, sucht nochmal, oder lebt damit, es nicht zu wissen. Die Kompensation ist unsichtbar. Ein Agent kompensiert nicht; er antwortet falsch, mit Selbstbewusstsein.
• Die Wiki-Tools optimieren für Menschen - Confluence, SharePoint, Notion, MediaWiki - alle haben das letzte Jahrzehnt damit verbracht, das visuelle Leseerlebnis zu optimieren. Der Markdown-Export ist eine Nebensache, die API ist rate-limitiert, und das Seiten-Chrome ist schwer sauber zu strippen.
• Die Kosten leben in der Agent-Rechnung, nicht in der Wiki-Rechnung - Token-Verschwendung erscheint auf der OpenAI- oder Anthropic-Rechnung, nicht auf der Confluence-Rechnung. Das Team, das die Kosten zahlt, ist nicht das Team, dem das Wiki gehört, also wird die Optimierung nie priorisiert.
• Halluzinationen sehen aus wie korrekte Antworten - Wenn der Agent die echte Richtlinie nicht findet, produziert er etwas Richtlinien-Förmiges aus den Trainingsdaten. Das Mittelstands-IT-Team ohne eine Möglichkeit, Antworten gegen Ground Truth zu testen, merkt nie, dass der Agent sich Dinge ausdenkt.

Was Agent-Native Documentation wirklich ist

Wenn man die Vendor-Sprache abzieht, hat Agent-Native Documentation eine einfache Definition. Es ist derselbe Inhalt, den Ihre Menschen lesen, ausgeliefert über eine strukturierte Oberfläche, die ein Agent direkt aufnehmen kann, mit fünf Pflichteigenschaften.

• Markdown als kanonische Quelle - Markdown ist das Format, in dem das Dokument geschrieben ist oder verlustfrei dorthin exportiert. HTML, PDFs und GUI-Exporte sind abgeleitet; Markdown ist die Quelle der Wahrheit. Markdown ist zur Lingua franca für Agenten und KI-Systeme geworden².
• Stabile, semantische Anker - Jeder Abschnitt hat ein stabiles URL-Fragment, das sich nicht ändert, wenn die Seite umorganisiert wird. Ein Agent, der letzte Woche /policies/credit-notes#cancellation abgerufen hat, kann diese Woche denselben Anker abrufen. Anker-Instabilität ist der stille Killer der Retrieval-Qualität.
• Strukturierte Überschriften, Tabellen und Listen - H2 und H3 tragen Bedeutung, nicht nur visuelles Gewicht. Tabellen sind Markdown-Tabellen, keine Bilder von Tabellen. Listen sind echte Bullet- oder nummerierte Listen. Die Struktur ist das, was der Agent nutzt, um das Dokument in abrufbare Stücke zu zerlegen.
• Maschinenadressierbarer Index - Eine llms.txt im Root, eine sitemap.xml, die die Markdown-URLs enthält, oder ein MCP-Server mit einem list_documents-Tool. Der Agent muss entdecken können, was existiert, ohne die ganze Menschen-Site zu crawlen.
• Auth-bewusste Auslieferung für interne Inhalte - Interne Docs laufen über einen MCP-Server, der die Benutzeridentität und Dokument-Permissions respektiert. Der Agent sieht immer nur die Chunks, die der aufrufende Benutzer sehen darf.

Die drei Oberflächen, die jeder Agent-Native-Stack braucht

Der 2026-Konsens, der sich in den Implementierungen von Cloudflare, Anthropic, Vercel, Stripe und Mintlify spiegelt, teilt Agent-Native Documentation in drei Oberflächen. Jede löst ein anderes Retrieval-Problem und hat ein anderes Governance-Modell. Sie als eine zu behandeln oder eine zu überspringen ist der häufigste Mittelstands-Fehler.

Oberfläche 1: llms.txt - der öffentliche Index

• Was es ist - Eine einfache Markdown-Datei unter /llms.txt, die die wichtigsten Dokumentationsseiten als Markdown-Links mit jeweils einer Zeile Beschreibung listet⁵. Optional gepaart mit /llms-full.txt, das den vollen Inhalt für One-shot-Ingestion inline enthält.
• Was es tut - Es teilt einem Agenten mit, was existiert, ohne ihn zu zwingen, die ganze Site zu crawlen. Wirkt als kuratierter Einstiegspunkt, nicht als vollständiges Inventar.
• Wo es hineinpasst - Öffentliche Dokumentation, Marketing-Seiten, die ein Agent kennen sollte, partnerorientierte Docs. Überall dort, wo ein menschenlesbarer Index auch sinnvoll wäre.
• Was es nicht tut - Es verbessert klassisches SEO nicht, und große KI-Anbieter haben sich nicht verpflichtet, es automatisch zu lesen⁵. Behandeln Sie es als Optimierung für Agenten, die ohnehin danach suchen.

Oberfläche 2: Markdown-Endpoints - die Lingua franca

• Was es ist - Jede Doku-Seite verfügbar als Markdown, entweder über Content-Negotiation-Header (Accept: text/markdown) oder über eine URL-Konvention (.md oder /index.md-Suffix)².
• Was es tut - Liefert den tatsächlichen Inhalt, vom HTML-Chrome befreit, als Markdown, das der Agent direkt in den Kontext einfügen kann. Cloudflare hat 80 Prozent Token-Reduktion auf einem einzelnen Blogartikel gemessen; dasselbe gilt für Mittelstands-Wiki-Seiten.
• Wo es hineinpasst - Alle öffentliche Dokumentation. Die Mintlify-, Docusaurus- und Hugo-Ökosysteme machen das nahezu trivial; für eine selbstgebaute Doku-Site ist die Arbeit eine Middleware, die Chrome strippt und Markdown ausliefert.
• Was es ersetzt - HTML-Scraping-Pipelines, Custom-Crawl-and-Clean-Code und die fragilen Workarounds, die Mittelstands-Teams aktuell pflegen, um Wikis in RAG zu füttern.

Oberfläche 3: MCP-Server - die authentifizierte Schnittstelle

• Was es ist - Ein Model-Context-Protocol-Server vor Ihrer internen Dokumentation (Confluence, SharePoint, SAP-Hilfe, DATEV-Handbücher), der Suche, Retrieval und Listing als MCP-Tools bereitstellt¹¹.
• Was es tut - Liefert chunked Markdown für eine Anfrage, respektiert die Benutzeridentität, wendet Dokument-ACLs an, und produziert einen Audit-Trail.
• Wo es hineinpasst - Interne Docs, alles hinter Auth, alles, was Query-Parameter oder Filter braucht, und alle Inhalte, die schneller wechseln, als Crawling mithalten kann.
• Standard-Stack - MCP-Authorization basiert auf OAuth 2.1 mit PKCE und RFC 8707 Resource Indicators¹⁶. Identitätspropagierung, damit der Audit-Trail bei einem Menschen endet, nicht beim Agenten.

Der 2026-Stack: llms.txt, Markdown for Agents, MCP

Die drei Standards haben sich in spezifische Schichten gesetzt, die gut komponieren. Keiner ist neu; die Kombination ist neu - und das, was jedes Mittelstands-IT-Team beim Namen kennen muss.

llms.txt und llms-full.txt

• Was es ist - Jeremy Howards 2024er Vorschlag: eine /llms.txt-Datei am Site-Root, die die Top-Doku-Seiten als Markdown-Links auflistet, optional gepaart mit /llms-full.txt, das den gesamten Doku-Bestand inline enthält⁷.
• Warum es für den Mittelstand zählt - Es ist der billigste Agent-Readiness-Move überhaupt. Die meisten CMS- und Static-Site-Generatoren (Mintlify, Docusaurus, Astro) erzeugen llms.txt automatisch aus Sitemap und Frontmatter. Die Adoption durch Anthropic, Stripe, Vercel, Zapier und Cloudflare macht es zur De-facto-Baseline für Dokumentation 2026⁵.
• Die ehrliche Einschränkung - llms.txt verbessert Suchrankings nicht, OpenAI und Perplexity verpflichten sich nicht, es zu lesen, und 8 von 9 gemessenen Sites verzeichneten keine Traffic-Veränderung nach der Veröffentlichung⁵. Veröffentlichen Sie es, weil Agenten, die es abrufen, besser performen, nicht weil Sie Magie erwarten.
• Das Mittelstands-Muster - Generieren Sie llms.txt automatisch aus Ihrer Sitemap. Generieren Sie llms-full.txt für jeden Doku-Space unter 200.000 Token Gesamtinhalt. Beide sind statische Dateien; Aktualisieren ist ein CI-Step.

Markdown for Agents

• Was es ist - Cloudflares April-2026-Launch, der jede Doku-Seite als Markdown verfügbar machte, über Accept: text/markdown-Header und /index.md-URL-Suffixe, mit Response-Headern, die die Token-Anzahl signalisieren¹. Beta-frei verfügbar für Pro-, Business- und Enterprise-Pläne.
• Warum es für Agenten zählt - Coding-Agenten (Claude Code, Cursor, OpenCode) senden bereits Accept-Header, die Markdown anfordern. Wenn die Doku mit Markdown antwortet, bekommt der Agent sauberen, strukturierten Inhalt; wenn nicht, fällt er auf HTML zurück und zahlt die Token-Steuer.
• Was die Header beitragen - Der x-markdown-tokens-Header in der Response sagt dem Agenten, wie viel Kontext das Dokument verbrauchen wird, bevor er es anfordert - das ermöglicht intelligentes Kontext-Budgeting². Content-Signal-Header (ai-train, search, ai-input) sagen dem Agenten, welche Nutzung erlaubt ist.
• Das Mittelstands-Muster - Für Sites, die schon auf Cloudflare laufen, Feature aktivieren. Für selbst gehostete Docs eine Content-Negotiation-Middleware ergänzen, die Markdown zurückgibt, wenn der Accept-Header danach fragt. Beides ist ein Engineering-Tag.

MCP-Authorization für interne Docs

• Was es ist - Die Model-Context-Protocol-Authorization-Spezifikation, basierend auf OAuth 2.1 mit PKCE und RFC 8707 Resource Indicators¹¹. MCP-Server fungieren als OAuth-Resource-Server; Agenten präsentieren scoped, kurzlebige Token, um sie aufzurufen.
• Warum es für Dokumentation zählt - Interne Docs brauchen Authentifizierung. MCP gibt Ihnen einen einzigen, standardisierten, auditierbaren Weg, Confluence, SharePoint, SAP-Hilfe und DATEV-Handbücher für Agenten zugänglich zu machen, ohne pro Quelle ein Auth-Schema zu erfinden. Stand März 2026 hat MCP 97 Millionen monatliche SDK-Downloads überschritten¹².
• Die 2026-Enterprise-Priorität - Die 2026er-MCP-Roadmap nennt Enterprise Readiness als oberen Fokusbereich, neben Transport-Evolution, Agent Communication und Governance Maturation¹³. Audit-Trails, SSO-integrierte Auth und Gateway-Verhalten sind die Lücken, die geschlossen werden.
• Das Mittelstands-Muster - Ein interner MCP-Server pro großer Quelle (Confluence, SAP, DATEV). Alle hinter demselben OAuth-2.1-Issuer. Identitätspropagierung durch den Agenten, damit der Audit-Trail bei einem Menschen endet.

Eine Referenzarchitektur für Mittelstands-Agent-Native-Docs

Die Komponenten, die sich 2026 für produktionsreife Agenten-Dokumentation gesetzt haben. Keine ist neu; der Wert liegt in der sinnvollen Kombination für einen Mittelstands-Kontext und der Verdrahtung, die die nächste Wiki-Reorganisation überlebt.

1. Eine kanonische Markdown-Quelle - Egal ob in Git, in einem Headless-CMS mit Markdown-Export (Sanity, Strapi) oder in Notion mit Markdown-Export. Die Quelle der Wahrheit ist Markdown; alles andere wird daraus gerendert.
2. Static-Site-Generator für Menschen - Mintlify, Docusaurus, Astro oder Hugo. Rendert das Markdown zu HTML für menschliche Leser. Entscheidend: derselbe Generator emittiert llms.txt und die Markdown-Endpoints automatisch.
3. llms.txt und llms-full.txt am Root - Automatisch aus Sitemap und Frontmatter generiert. Bei jedem Deploy aktualisiert. Indiziert von den Agenten-Plattformen, die danach suchen.
4. Content-Negotiation-Middleware - Liefert Markdown, wenn Accept: text/markdown angefragt wird, sonst HTML. Fügt x-markdown-tokens-Response-Header für Kontext-Budgeting hinzu. Fünf Zeilen Code auf Cloudflare Workers, Vercel Edge oder jedem Reverse-Proxy.
5. MCP-Server für interne Docs - Ein MCP-Server pro großer interner Quelle: Confluence-MCP, SharePoint-MCP, SAP-Hilfe-MCP, DATEV-MCP. Alle hinter einem einzigen OAuth-2.1-Issuer (Entra ID, Keycloak, Auth0).
6. Identitätspropagierendes Gateway - Der Agent ruft den MCP-Server mit On-Behalf-of-User-Tokens. Der MCP-Server filtert Ergebnisse nach Dokument-ACL. Das Audit-Log erfasst Benutzer, Agent, Dokument, gelieferte Chunks.
7. Markdown-Export-Pipeline - Nightly Job, der aus Confluence, SharePoint und DATEV über deren REST-APIs zieht, html-to-markdown plus strukturelle Aufräumarbeit ausführt und die Markdown-Quelle aktualisiert. Behandelt Screenshots durch Caption-Extraktion und OCR.
8. Qualitätsmonitoring - 20 bis 50 kanonische Nutzerfragen, nightly durch den Agenten geschickt, gegen kuratierte korrekte Antworten bewertet. Regressionen via Slack oder E-Mail. Die Metrik, die Sie beobachten, ist „Antwortgenauigkeit“, nicht „indizierte Dokumente“.

Der Mittelstands-Doku-Stack: Confluence, SharePoint, SAP, DATEV

Keine zwei Mittelstands-Doku-Bestände sehen gleich aus, aber die Quellsysteme schon. Fünf wiederkehrende Muster und wie sie in Agent-Native-Auslieferung übersetzen.

Confluence (das tiefe Wiki)

• Der Schmerz - 5.000 bis 50.000 Seiten, zehn Jahre angesammelte Struktur, tief verschachtelte Spaces, Screenshots aus alten UIs, halb veraltete Seiten, kein klarer Eigentümer pro Space.
• Das Agent-Native-Muster - Confluence-MCP-Server (Open-Source-Optionen auf mcp.directory¹⁷) plus nightly Markdown-Export nach Git für die kanonische Teilmenge. Der MCP-Server respektiert Confluence-Space- und Seiten-Permissions; der Markdown-Export deckt die 200 bis 500 Seiten ab, auf die das Geschäft tatsächlich angewiesen ist.
• Die Aufräumarbeit, die sich auszahlt - Seiten-Konsolidierung: Duplikate zusammenführen, Zombies archivieren, Anker korrigieren. Ein 5.000-Seiten-Confluence schrumpft oft auf 1.500 Seiten tatsächlich kanonischen Inhalts; der Rest ist Historie, die archiviert, nicht gelöscht werden sollte.

SharePoint (der Dokumentenfriedhof)

• Der Schmerz - Dokumentbibliotheken mit Tausenden von Word-, Excel- und PDF-Dateien. Mehrere Versionen derselben SOP. Ordnerstrukturen, die das Org-Chart von 2018 spiegeln, nicht das von 2026.
• Das Agent-Native-Muster - SharePoint-MCP-Server plus eine Markdown-Extraktions-Pipeline, die jedes Office-Dokument zu Markdown konvertiert (pandoc, docx-to-md, eigenes OCR für gescannte PDFs). Der MCP-Server respektiert SharePoint-Permissions über Microsoft Graph.
• Die Aufräumarbeit, die sich auszahlt - Pro-Dokument-Eigentümer und Letzte-Prüfung-Datum. Der Agent sollte alles Älteres als zwei Jahre und ohne Eigentümer als verdächtig behandeln und das dem Nutzer auch sagen.

SAP-Hilfe und DATEV-Handbücher (die Hersteller-Docs)

• Der Schmerz - Sie können sie nicht bearbeiten. Sie sind riesig. Sie sind für SAP-Basis-Administratoren oder DATEV-Berater geschrieben, nicht für die Mitarbeitenden, die das System nutzen. Die Information, die Sie brauchen, steckt in transaktionscode-spezifischen Notizen.
• Das Agent-Native-Muster - MCP-Wrapper um die Hersteller-Doku. SAP-MCP-Server existieren (K2View, Custom)²⁰; DATEV-Pendants entstehen. Google hat Anfang 2026 einen Developer-Knowledge-MCP-Server genau für diese Problemklasse gelauncht¹⁴.
• Die Aufräumarbeit, die sich auszahlt - Kuratierte Overlay-Docs, die „unsere Art, X in unserem SAP zu tun“ festhalten - das Institutionswissen, das in Hersteller-Docs nicht steht. In Ihrer eigenen Markdown-Quelle abgelegt, neben den Hersteller-Docs ausgeliefert, im Retrieval höher gewichtet.

Notion und Coda (die neue Schicht)

• Der Schmerz - Schnell, leicht zu schreiben, organische Struktur, die in Monaten zum Labyrinth wird. Starker Einsatz von Datenbanken, eingebetteten Blöcken und Inline-Mentions, die nicht sauber exportieren.
• Das Agent-Native-Muster - Notion-MCP-Server (Notion liefert einen offiziellen) plus Markdown-Export-Pipeline für die kanonische Teilmenge. Der MCP-Server behandelt dynamische Queries; der Markdown-Export verankert die versionierte Quelle der Wahrheit.
• Die Aufräumarbeit, die sich auszahlt - Entscheiden, welche Notion-Datenbanken Referenzmaterial sind und welche Arbeitsentwürfe. Nur Referenzmaterial geht durch den Agenten; Entwürfe bleiben menschen-only, bis sie befördert werden.

PDF-SOPs und Richtlinien-Dokumente (der Long Tail)

• Der Schmerz - Hunderte PDFs, viele gescannt, viele nur auf Deutsch, viele mit Stempeln und Unterschriften. Die reichste Quelle für Richtlinien-Wahrheit und das schlechteste Format für Agenten.
• Das Agent-Native-Muster - Batch-OCR plus strukturierte Markdown-Extraktion. Moderne multimodale Modelle (GPT-4o, Gemini 2.5, Claude 3.7) machen das gut, aber das Ergebnis braucht menschliche Prüfung für die hochrelevanten Richtlinien. Markdown neben dem Original-PDF ablegen; das PDF ist das rechtliche Artefakt, das Markdown ist das, was der Agent liest.
• Die Aufräumarbeit, die sich auszahlt - Pro-PDF-Eigentümerzuordnung. Alles rechtlich Bindende bekommt einen benannten Eigentümer, der die Markdown-Extraktion alle sechs Monate prüft. Alles Historische kann wie es ist bleiben und als read-only markiert werden.

Vom PDF-Handbuch zur Copy-Paste-Spec: Das Umstellungs-Playbook

Die Umstellung von menschen-zentrierten zu agent-nativen Docs ist überwiegend Tooling und ein bisschen Urteilsvermögen. Sechs Schritte, die ein Mittelstands-Wiki in einem Quartal von leer zu agentenfähig bringen.

1. Die kanonischen 10 Prozent identifizieren - Die meisten Wikis folgen einer Power-Law-Verteilung: 10 Prozent der Seiten beantworten 80 Prozent der Fragen. Identifizieren Sie sie über Analytics, Suchprotokolle oder durch Nachfragen beim Support-Team. Diese zuerst umstellen; der Long Tail kann warten.
2. Markdown-Export - Confluence und SharePoint haben REST-APIs, die XHTML zurückgeben; pandoc konvertiert XHTML in 90 Prozent der Fälle verlustfrei zu Markdown. PDFs gehen durch OCR plus Markdown-Extraktion. Notion liefert nativen Markdown-Export.
3. Chrome strippen - Navigations-Breadcrumbs, Related-Content-Widgets, Share-Buttons, Footer-Links, Edit-Metadaten entfernen. Nur den eigentlichen Inhalt behalten. Ein Regex-Pass erledigt das meiste; der Rest ist template-spezifisch.
4. Screenshots durch strukturierten Text ersetzen - Für jeden Screenshot eine Markdown-Tabelle oder nummerierte Schritte schreiben, die dieselbe Information festhalten. Screenshot für Menschen behalten; der Agent liest den Text. KI-gestützter Alt-Text plus menschliche Prüfung skaliert das.
5. Stabile Anker hinzufügen - Jede H2 und H3 bekommt einen kuratierten Anker: nicht nur „heading-1“, sondern „cancellation“. Mintlify und Docusaurus generieren Slugs automatisch; für handgepflegte Docs ein Frontmatter-Anker-Feld ergänzen.
6. llms.txt und Markdown-Endpoints generieren - Ein CI-Step. Der Static-Site-Generator emittiert beides. Mit curl verifizieren. Fertig.

Was Automatisierung übernimmt, was Menschen übernehmen

• Automatisierung übernimmt - HTML-zu-Markdown-Konvertierung, Sitemap-Generierung, llms.txt-Zusammenstellung, Anker-Slug-Generierung, Tabellen-Extraktion aus gut strukturiertem HTML, Alt-Text aus Bildern, OCR.
• Menschen übernehmen - Seiten-Konsolidierungs-Entscheidungen, Anker-Umbenennung für Stabilität, Screenshot-zu-Tabelle-Urteilsentscheidungen, Hersteller-Doc-Overlays, Richtlinien-Interpretation, Betriebsrat-Freigabe.
• Beide zusammen - Qualitätsbewertung: Menschen kuratieren das 20-Fragen-Test-Set, Automatisierung läuft nightly und meldet Regressionen.

Die 7 Dokumentations-Fallen, die Mittelstands-Projekte zum Entgleisen bringen

Das Versagensmuster ist konsistent genug, um es aufzulisten. Jede ist vermeidbar; fast alle passieren in den ersten sechs Monaten des Agenten-Rollouts, meistens weil niemand die Dokumentationsfrage explizit übernommen hat.

1. Den Agenten ausliefern, bevor die Docs fertig sind - Der Agent geht live auf einem Confluence, das niemand umgestellt hat. Nutzer bekommen falsche Antworten, Vertrauen kollabiert, das Projekt wird gekillt, bevor die Docs aufholen. Lösung: Top-50-Seiten der relevanten Docs als Vorbedingung für den Go-Live umstellen, nicht als Follow-up.
2. Zwei Wahrheitsquellen pflegen - Das Team schreibt in Confluence und pflegt separat eine Markdown-Kopie. Sie driften. Der Agent antwortet aus dem gestrigen Markdown, während der Mensch das heutige Confluence liest. Lösung: eine kanonische Quelle, zwei Oberflächen. Markdown-Quelle zu HTML für Menschen gerendert, als Markdown für Agenten ausgeliefert.
3. Öffentliche llms.txt mit internem Inhalt - Das Team auto-generiert llms.txt aus der vollen Sitemap und veröffentlicht versehentlich interne Docs ins offene Web. Lösung: explizite Allowlist für llms.txt; interne Docs gehen über MCP, nicht über den öffentlichen Index.
4. Screenshots und PDFs vergessen - Das Markdown sieht gut aus, bis der Agent auf das Richtlinien-Dokument trifft, das nur als gescanntes PDF existiert. Lösung: PDF-Inventar in Woche eins des Projekts; OCR plus strukturierte Markdown-Extraktion in Woche zwei.
5. Identitätspropagierung im MCP-Server überspringen - Der MCP-Server liefert Dokumente, ohne die Permissions des aufrufenden Nutzers zu prüfen. Der Agent beantwortet Fragen, die eine Buchhalterin nicht stellen dürfen sollte, mit Inhalten aus dem Vorstands-Space. Lösung: OAuth 2.1 mit On-Behalf-of; der MCP-Server filtert nach der ACL des Nutzers, nicht des Agenten.
6. Das Projekt als Einmalsache behandeln - Das Team liefert die Umstellung, erklärt den Sieg, geht weiter. Neue Seiten werden HTML-only geschrieben. In sechs Monaten rät der Agent wieder. Lösung: Doku-Richtlinien aktualisiert, CI-Checks für Markdown-Export, Neue-Seite-Checkliste mit Anker- und Ausschluss-Prüfung.
7. Indizierte Seiten messen statt Antwortqualität - Das Dashboard zeigt 5.000 indizierte Seiten, der Agent gibt selbstbewusste falsche Antworten. Lösung: nightly Eval-Suite mit 20 bis 50 kanonischen Fragen und kuratierten korrekten Antworten. Die Zahl auf dem Dashboard ist „Antwortgenauigkeit“, nicht „ingestete Dokumente“.

GoBD, EU-KI-Verordnung, DSGVO und der Betriebsrat

Agent-Native Documentation sitzt am Schnittpunkt dreier deutscher Mittelstands-Compliance-Regime. Keines davon erwähnt „Agent-Native Docs“ explizit; alle verlangen sie implizit, sobald ein Agent ein reguliertes Dokument liest.

EU-KI-Verordnung

• Artikel 4 (KI-Kompetenz) - Angemessene KI-Kompetenz für alle, die KI-Tools nutzen oder leiten²⁵. Das Doku-Team schreibt jetzt für zwei Zielgruppen; das Agenten-Operating-Team muss verstehen, was die Doku-Oberfläche enthält. Kompetenz landet bei der Dokumentations-Governance, nicht nur beim Prompt Engineering.
• Artikel 14 (menschliche Aufsicht) - Eingebaute menschliche Aufsicht verlangt, dass Menschen Agenten-Antworten gegen Quelldokumente verifizieren können. Ohne Agent-Native Docs wird „die Antwort zur Richtlinie zurückverfolgen“ unmöglich, weil der Agent die Richtlinie nie direkt gelesen hat.
• Mittelstands-Aktion - Ein Absatz in Ihrer KI-Kompetenz-Schulung, der die Doku-Oberflächen (llms.txt, Markdown-Endpoint, MCP-Server) erklärt und was jede enthält.

DSGVO

• Auftragsverarbeitung (Artikel 28) - Jeder externe MCP-Server-Anbieter, jeder Doku-Hosting-Anbieter, jede Agenten-Plattform braucht einen unterschriebenen AVV. Liste kurz halten; jährlich prüfen.
• Auskunfts- und Löschrecht (Artikel 15 und 17) - Wenn ein Nutzer seine Daten anfragt, müssen Sie wissen, welche Dokumente der Agent in seinem Auftrag abgerufen hat. Identitätspropagierung durch den MCP-Server macht das technisch möglich.
• Mittelstands-Aktion - Identitätspropagierung als harte architektonische Anforderung. Das MCP-Audit-Log erfasst Nutzer, Dokument, Chunks. Löschanfragen erreichen sowohl das Quellsystem als auch die Observability der Agenten-Plattform.

GoBD und steuerrelevante Dokumentation

• Das Prinzip - Steuerrelevante Dokumente müssen unverändert, nachvollziehbar und reproduzierbar bleiben. Das BMF-Schreiben vom Juli 2025 hat die Regeln für digital gepflegte Aufzeichnungen präzisiert²⁶. Dokumente, die der Agent liest, um steuerrelevante Fragen zu beantworten, gehören zur Doku-Kette.
• Mittelstands-Aktion - Das Original-PDF oder die Originalrechnung ist das GoBD-relevante Artefakt und muss in konformem Speicher archiviert werden. Die Markdown-Extraktion, die der Agent liest, ist eine Ableitung; markieren Sie sie als solche, verlinken Sie zurück zum Original, behalten Sie beides.
• Was Prüfer fragen - Zeigen Sie mir das Quelldokument, das der Agent zitiert hat, zeigen Sie mir den Trace, der die Agent-Antwort an diese Quelle bindet, zeigen Sie mir die Änderungshistorie der Markdown-Extraktion. Alle drei müssen zur Hand sein.

Betriebsrat

• Warum es zählt - Interne Doku enthält oft betriebsratsrelevante Inhalte (HR-Richtlinien, Leistungskriterien, Zeiterfassungs-Verfahren). Sie einem Agenten zugänglich zu machen heißt, dass Mitarbeitende Richtlinien-Interpretationen aus einer nicht-menschlichen Quelle erhalten können.
• Mittelstands-Aktion - Eine einseitige Vereinbarung mit dem Betriebsrat darüber, welche Doku-Spaces agentenlesbar sind, wie Richtlinien-Interpretationen attribuiert werden und welcher Eskalationsweg gilt, wenn eine Agent-Antwort ein Mitarbeitendenrecht berührt.

Ein 90-Tage-Implementierungs-Fahrplan

Die Arbeit teilt sich in drei 30-Tage-Sprints. Bis Tag 90 hat ein Mittelstands-Team die kanonischen 10 Prozent seiner Doku agent-native, mit llms.txt, Markdown-Endpoints und einem MCP-Server in Produktion für mindestens eine interne Quelle.

Tage 0-30: Inventar, Auswahl, erster Markdown-Export

• Doku-Bestand inventarisieren - Confluence-Spaces, SharePoint-Bibliotheken, Notion-Datenbanken, PDF-SOPs, Hersteller-Docs (SAP-Hilfe, DATEV-Handbücher). Eine Zeile pro Quelle, mit Größe, Eigentümer, Letzte-Prüfung-Datum.
• Die kanonischen 10 Prozent auswählen - Die Seiten, die 80 Prozent der Fragen beantworten. Über Analytics, Support-Tickets oder ein 30-minütiges Interview mit dem Support-Lead identifizieren.
• Markdown-Quell-Repo aufsetzen - Git-Repo, Branch-Protection, zwei Reviewer pro Merge. Hier lebt das kanonische Markdown.
• Erste Export-Pipeline - Ein Confluence-Space, über REST-API exportiert, mit pandoc konvertiert, in Git committed. Manuelle Aufräumarbeit auf den Top-20-Seiten.
• Die Richtlinie setzen - Einseitiges Dokument zu Markdown-als-Source-of-Truth, wer welchen Space besitzt, was öffentlich versus intern exportiert wird, Screenshot-zu-Tabelle-Richtlinien.

Tage 31-60: Oberflächen, MCP, erster Agent-Test

• Static-Site-Generator und llms.txt - Mintlify, Docusaurus oder Astro wählen. In eine Preview-Umgebung deployen. Verifizieren, dass llms.txt und llms-full.txt korrekt generiert und ausgeliefert werden.
• Markdown-Endpoint - Entweder Cloudflare Markdown for Agents oder eine eigene Middleware. Mit curl verifizieren, dass Accept: text/markdown sauberen Inhalt zurückgibt.
• Erster MCP-Server - Für eine interne Quelle (oft Confluence oder SharePoint). Hinter dem bestehenden OAuth-2.1-Issuer. Identitätspropagierung end-to-end getestet.
• 20-Fragen-Eval-Suite - 20 kanonische Nutzerfragen, kuratierte korrekte Antworten, nightly Run, der den Agenten bewertet. Das Dashboard, das das Team beobachtet.
• Erster End-to-End-Agent-Test - Pilot-Agent liest aus Markdown-Endpoint plus MCP-Server. Antwortqualität gegen das vorherige HTML-Scraping-Baseline vergleichen.

Tage 61-90: Härtung, zweite Welle, Operating Model

• PDF- und Screenshot-Konvertierung - Der Long-Tail-Inhalt. OCR-Pipeline plus strukturierte Markdown-Extraktion. Menschliche Prüfung für hochrelevante Richtlinien.
• Zweiter MCP-Server - Die nächste interne Quelle. Inzwischen ist das Plattform-Muster wiederholbar; weitere Server liefern schneller.
• CI-Checks für neue Seiten - Jede neue Doku-Seite durchläuft Markdown-Export, Anker-Check, Ausschluss-Listen-Check. Der Neue-Seite-Workflow enthält diese Gates.
• Qualitätsmonitoring skaliert - Eval-Suite auf 50 Fragen ausgebaut. Slack- oder E-Mail-Alarme bei Regressionen. Quartals-Review der Korrekt-Antwort-Kuration.
• Operating Model dokumentieren - Einseitiges Diagramm zu Quell-Repo, Generatoren, Oberflächen, MCP-Servern, Identitätspropagierung. Das Artefakt, mit dem der nächste Mitarbeitende beginnt.

Wo Superkind in Agent-Native Docs reinpasst

Superkind baut maßgeschneiderte KI-Agenten für den Mittelstand, mit Dokumentation als Teil der Architektur, nicht als separater Workstream. Wir übernehmen typischerweise die Markdown-Konvertierungs-Pipeline, die llms.txt- und Markdown-Endpoints, das MCP-Server-Design und das identitätspropagierende Gateway für die Agenten, die wir liefern.

• Doku-Umstellung als Teil des Agent-Builds - Wir liefern keinen Agenten auf nicht umgestellten Docs. Die kanonischen 10 Prozent sind Teil derselben Engagements, kein Folgeprojekt.
• Eine Markdown-Quelle, zwei Oberflächen - Quelle der Wahrheit in Git oder Ihrem Headless-CMS, gerendert zu HTML für Menschen und zu Markdown plus llms.txt für Agenten. Eine Quelle, kein Drift.
• MCP-Server für Confluence, SharePoint, SAP, DATEV - Off-the-Shelf, wo es einen gibt, Custom, wo nicht. Alles hinter Ihrem bestehenden OAuth-2.1-Issuer.
• Identitätspropagierung end-to-end - On-Behalf-of-User-Tokens durch jeden MCP-Server. Der Audit-Trail endet bei einem Menschen, nicht beim Agenten.
• PDF- und Screenshot-Pipeline - OCR plus strukturierte Markdown-Extraktion. Menschliche Prüfung bei hochrelevanten Richtlinien. Original-Artefakt für GoBD bewahrt.
• Qualitätsmonitoring als Service - 20 bis 50 kanonische Fragen, nightly Bewertung, Quartals-Kurations-Review mit Ihren Fachexperten.
• Compliance eingebaut - EU-KI-Verordnung Artikel-4-Kompetenz-Materialien zur Doku-Governance, DSGVO Artikel-28-AVV für jeden externen MCP-Anbieter, GoBD-Quelldokument-Verlinkung.
• Operating-Model-Übergabe - Wir hinterlassen Ihnen keine Black Box. Die CI-Checks, die Eval-Suite, der Neue-Seite-Workflow, das Diagramm - alles an Ihr Team für den Langfrist-Betrieb übergeben.

Entscheidungsrahmen: Sind unsere Docs wirklich agentenfähig?

Eine Sechs-Dimensionen-Prüfung, die einem Mittelstands-IT-Lead und Geschäftsführer hilft, die Reife-Frage in einer Steering-Sitzung zu beantworten - mit einem curl-Befehl statt einer Hersteller-Präsentation.

Die meisten Mittelstands-Firmen landen 2026 in der „Nicht bereit“-Spalte auf vier oder mehr Dimensionen. Die richtige Antwort ist nicht zu warten. Die richtige Antwort ist, die Nicht-bereit-Spalten als die ersten 90 Tage Agent-Native Docs zu beheben, parallel zum ersten Agent-Rollout, nicht als Vorbedingung, die beides verzögert.

Häufig gestellte Fragen

Verwandte Artikel

• Agent Identity: Wie Mittelstands-IT Authentifizierung und Zugriff für KI-Agenten regelt
• Persistenter Kontext für KI-Agenten: Was Mittelstands-IT-Teams 2026 zum Memory-Design wissen müssen
• Software 3.0 im Mittelstand: Warum Programmieren jetzt Prompten ist
• Von SharePoint zur KI-gestützten Wissensbasis für den Mittelstand
• SAP und KI-Agenten: Der pragmatische Weg durch S/4HANA, ECC und Business One
• KI für Wissenstransfer: Wie Sie das Wissen ausscheidender Boomer sichern
• Intelligente Dokumentverarbeitung: Wie der Mittelstand OCR durch KI-Agenten ersetzt
• EU-KI-Verordnung Artikel 4: KI-Kompetenz für den Mittelstand

Henri Jung

Co-Founder von Superkind, wo er KMU und Großunternehmen dabei hilft, maßgeschneiderte KI-Agenten einzusetzen, die wirklich zur Arbeitsweise ihrer Teams passen. Henri liegt es am Herzen, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Er glaubt, dass der Mittelstand alles hat, was er braucht, um in KI führend zu sein - er braucht nur den richtigen Ansatz.