Die besten KI-Tools für Dokumentenmanagement und Wissensdatenbanken im Mittelstand

Ein typischer Mittelständler mit 200 Mitarbeitenden sitzt auf rund 4 Terabyte unstrukturierter Dokumente. Verträge in einer SharePoint-Bibliothek, die niemand pflegt. Qualitätsnachweise in einer alten DocuWare-Instanz. Produktionshandbücher auf einem File Share. Jahrzehntelange E-Mail-Anhänge. Zwanzig Jahre Papier, das jemand gescannt, aber nie indexiert hat. Und irgendwo darin liegt die Antwort auf die Frage, die der neue Projektleiter gerade zum dritten Mal heute jemandem stellt.

Der Markt hat mit einer Welle „KI-gestützter" Produkte reagiert. Jeder DMS-Anbieter hat einen Copilot nachgerüstet. Microsoft, Google und Notion drücken KI-Assistenten in jeden Workspace. Glean hat ein Unternehmen mit 7 Milliarden Dollar Bewertung auf Enterprise Search gebaut. Open-Source-Projekte wie Onyx versprechen dieselben Fähigkeiten ohne Lizenzkosten. Und alle versprechen das gleiche Ergebnis: Jeder Mitarbeitende findet endlich, was er braucht.

Die Realität ist unaufgeräumter. Drei sehr verschiedene Produktkategorien werden unter demselben Label vermarktet, und Mittelständler wählen routinemäßig die falsche für ihr eigentliches Problem. Dieser Leitfaden trennt die Kategorien sauber, benennt die führenden Tools in jeder und liefert einen Entscheidungsrahmen, den Sie am Montag anwenden können.

Das Dokumenten-Chaos im Mittelstand

Bevor wir Tools benennen, benennen wir das Problem. Die meisten Mittelständler haben kein Tooling-Problem, sondern ein Organisationsproblem, das kein Tool allein löst. AIIM hat in ihrer Branchenstudie 2024 gezeigt, dass 68 Prozent der Organisationen „Informationschaos" weiterhin als ihre größte Content-Herausforderung nennen²⁰. Das Chaos hat fünf typische Ursachen.

• Parallele Speichersysteme – Der Durchschnittsmittelständler betreibt 3 bis 5 Dokumentenspeicher parallel: ein DMS, SharePoint oder OneDrive, Netzwerklaufwerke, ein ERP-Anhangsbereich und ein vertikales Tool wie ein CAD-Vault oder ein QM-System. Dasselbe Dokument liegt häufig in zwei davon, in unterschiedlichen Versionen.
• Inkonsistente Metadaten – Dateien werden von verschiedenen Teams unterschiedlich klassifiziert. Kunde 4711 taucht mal als „Müller GmbH", mal als „Mueller_4711", mal als „K4711_Müller" oder „Müller-Industrie" auf. Tool-übergreifende Suche scheitert, weil die Schlüssel nicht zusammenpassen.
• Berechtigungswildwuchs – SharePoint-Sites sammeln über Jahre Berechtigungen an. Eine Microsoft-Analyse 2024 ergab, dass im Durchschnittsmandanten 13 Prozent der Dateien übermäßig geteilt sind. Wenn Sie Copilot anschließen, werden diese Dateien plötzlich per natürlicher Sprache auffindbar.
• Implizites Wissen in Köpfen – Forrester schätzt, dass 70 bis 80 Prozent des Unternehmenswissens nie aufgeschrieben werden²⁶. Wissensassistenten können nur abrufen, was erfasst wurde. Wenn die Antwort im Kopf eines erfahrenen Ingenieurs sitzt, findet sie kein Tool.
• Altpapier und gescannte PDFs – Jahrzehnte gescannter Dokumente ohne Textebene, ohne Metadaten, in schwankender Qualität. Für Standard-Suche unsichtbar, für reine OCR-Tools unzuverlässig.

Ein Tool, das nicht auch die zugrunde liegende Ordnung verbessert, verbreitet das Chaos schneller, nicht langsamer. Wissensassistenten sind besonders gefährlich – sie machen jedes zugängliche Dokument sofort besser auffindbar, einschließlich der Dokumente, die Sie nicht auffindbar haben wollten.

DMS vs. Wissensdatenbank: Warum sie konvergieren – und warum das Käufer verwirrt

Dokumentenmanagementsysteme und Wissensdatenbanken haben dreißig Jahre lang verschiedene Probleme gelöst. KI verwischt jetzt die Grenze. Anbieter auf beiden Seiten behaupten, sie könnten den Job der jeweils anderen Kategorie machen, doch die Architekturen unterscheiden sich weiterhin in Punkten, die für Compliance, Aufbewahrung und Kosten zählen.

Das klassische DMS

• Zweck – Den formalen Lebenszyklus von Geschäftsdokumenten verwalten: Erfassung, Klassifizierung, Speicherung, Aufbewahrung, Archivierung, fristgerechte Löschung.
• Stärken – Audit Trails, Versionierung, unveränderlicher Speicher, Aufbewahrungsregeln, Legal Hold, GoBD-konforme Archivierung.
• Schwächen – Starre Metadatenmodelle, Reibung für Gelegenheitsnutzende, begrenzte Antwortqualität auf unstrukturierte Fragen.
• Typische Nutzende – Finanzen, HR, Recht, Qualität – alle, deren Dokumente eine Betriebsprüfung oder einen Prozess überstehen müssen.

Die klassische Wissensdatenbank

• Zweck – Menschen helfen, die Information zu finden, die sie für ihre Arbeit brauchen, unabhängig davon, wo sie liegt.
• Stärken – Schnelle Suche über heterogene Quellen, niedrige Hürde zum Beitragen, konversationelle Entdeckung.
• Schwächen – Keine Durchsetzung von Aufbewahrungsfristen, schwacher Audit Trail, Oversharing-Risiko, kein Konzept von Legal Hold.
• Typische Nutzende – Entwicklung, Kundenservice, Vertrieb – alle, die beruflich Fragen beantworten.

Was KI verändert

KI lässt ein DMS Inhalte verstehen, nicht nur Metadaten. Sie lässt einen Wissensassistenten Dokument-Berechtigungen und Quellenangaben respektieren. Die beiden Kategorien sehen von außen ähnlicher aus. Innen sind sie es nicht.

Der Mittelstands-Fehler ist, diese Kategorien als Alternativen zu behandeln. Sie sind es nicht. Ein 100-Personen-Unternehmen mit regulierten Dokumenten braucht fast immer ein KI-DMS für Compliance plus entweder einen Wissensassistenten oder einen Custom Agent für Produktivität. Nur eines auszuwählen bedeutet entweder Compliance-Lücken oder tägliche Reibung.

Was „KI-gestützt" in dieser Kategorie wirklich heißt

Alle Anbieter verwenden dieselben Worte. Darunter liegen sehr verschiedene technische Fähigkeiten. Wenn Sie ein Tool bewerten, zwingen Sie den Anbieter zu benennen, welche der folgenden vier Fähigkeiten heute produktiv ausgeliefert werden.

1. Intelligent Document Processing (IDP) – Strukturierte Felder aus unstrukturierten Dokumenten extrahieren: Rechnungspositionen, Vertragsklauseln, Formularwerte, Ausweisdokumente. Modernes IDP nutzt LLMs statt regelbasierter Templates und generalisiert dadurch über Formate hinweg, ohne Neutraining pro Lieferant oder Layout.
2. Auto-Klassifizierung und Tagging – Ein neues Dokument lesen, Typ und Metadaten ableiten und automatisch ablegen. Der schwierige Teil ist nicht die KI, sondern das Schema – wenn Ihre Taxonomie chaotisch ist, skaliert Auto-Klassifizierung das Chaos nur.
3. Retrieval-Augmented Generation (RAG) – Über indexierte Inhalte nach relevanten Passagen suchen und mit einem LLM eine Antwort mit Quellenangaben formulieren. Die Technologie hinter jedem „Chat with your data"-Produkt. Die Qualität hängt fast vollständig vom Retrieval-Schritt ab, nicht vom Modell.
4. Agentic Workflows – Die KI antwortet nicht nur, sie handelt: öffnet das richtige Dokument, kopiert den richtigen Wert ins richtige System, sendet die richtige Freigabeanfrage. Hier trennen sich KI-Agenten von Copilots, und hier zeigt sich der eigentliche prozessbezogene ROI.

Warum der Unterschied für den ROI zählt

Die vier Fähigkeiten haben sehr unterschiedliche ROI-Profile. IDP und Agentic Workflows automatisieren Arbeit, die sonst ein Mensch machen müsste – der ROI sind direkt eingesparte Personenstunden. Auto-Klassifizierung und RAG reduzieren Reibung, eliminieren aber selten eine Rolle – der ROI ist weicher, ausgedrückt in kürzeren Zykluszeiten und weniger Eskalationen.

Kategorie 1: Die besten KI-gestützten DMS für den Mittelstand

Diese Tools verwalten den gesamten Lebenszyklus von Geschäftsdokumenten und haben KI-Schichten für Extraktion, Klassifizierung und konversationelles Retrieval hinzugefügt. Sie sind die richtige Antwort, wenn GoBD-Konformität, Audit Trails und unveränderliche Archivierung nicht verhandelbar sind. Alle vier führenden Mittelstands-DMS-Anbieter haben deutschen Sitz oder eine starke DACH-Praxis, was für Support, Sprachabdeckung und Datenresidenz zählt.

DocuWare – der GoBD-Audit-Champion

• Was es ist – Cloud-first DMS mit tiefer Workflow-Automatisierung für Rechnungen, Verträge, HR-Dokumente und Bestellungen. Hauptsitz in Germering bei München, Eigentümer Ricoh.
• KI-Funktionen – DocuWare Intelligent Indexing für Auto-Klassifizierung, eingebetteter KI-Assistent für Q&A über gespeicherte Dokumente und Integration mit Microsoft 365 Copilot.
• Compliance – Unabhängig nach IDW PS 880 zertifiziert von PSP Peters Schönberger³, plus ISO 27001 und SOC 2 Typ 2. Die stärkste GoBD-Audit-Position im deutschen DMS-Markt.
• Bereitstellung – Cloud (EU-Rechenzentren) oder On-Premise.
• Preise – Nutzerabhängiges Abo, typisch 25 bis 60 EUR pro Nutzer und Monat je nach Edition.
• Beste Eignung – Unternehmen mit strengen Audit-Anforderungen, bei denen KI ein Produktivitäts-Bonus ist, nicht der Kaufgrund.

M-Files – der metadatenzentrische Ansatz

• Was es ist – DMS, das um Metadaten statt Ordnerstrukturen herum gebaut ist. Ein Dokument ist, was seine Metadaten sagen, unabhängig davon, wo es physisch liegt.
• KI-Funktionen – M-Files Aino, ein generativer KI-Assistent für natürlichsprachliche Q&A über Dokumente, plus Auto-Klassifizierung und Metadaten-Vorschläge⁵. Microsoft Copilot Connector verfügbar.
• Compliance – GoBD-relevante Funktionen unterstützt, Konformität abhängig von der Kundenkonfiguration. ISO 27001 zertifiziert.
• Bereitstellung – Cloud, Hybrid oder On-Premise.
• Preise – Individuell, typisch 40 bis 80 EUR pro Nutzer und Monat.
• Beste Eignung – Unternehmen, deren Dokumenten-Workflows über viele Speichersysteme verlaufen und eine vereinheitlichende Metadatenschicht statt eines weiteren Silos brauchen.

ELO Digital Office – die breite ECM-Suite

• Was es ist – Stuttgarter ECM-Suite mit DMS, Workflow, Archivierung und Vertragsmanagement. Starke Installationsbasis im deutschen Maschinen- und Anlagenbau.
• KI-Funktionen – ELO Docxtractor für KI-gestützte Dokumentenanalyse, ELO Flows für Low-Code-Prozessautomatisierung und der ELO Assistant für natürlichsprachliche Interaktion⁶.
• Compliance – GoBD-Konformität erklärt, BSI-C5-Alignment für Cloud-Deployments.
• Bereitstellung – Cloud, Hybrid oder On-Premise. Starke On-Premise-Reputation.
• Preise – Individuell, Mittelstandseditionen typisch 30 bis 50 EUR pro Nutzer und Monat.
• Beste Eignung – Mittelständler aus Maschinenbau und Engineering, die eine Suite für Dokumente, Verträge und Prozessautomatisierung wollen.

d.velop – die Microsoft-365-native Option

• Was es ist – DMS-Anbieter aus Gescher mit der tiefsten Microsoft-365-Integration im deutschen Markt. Starke Präsenz im Public Sector und KMU-Segment.
• KI-Funktionen – d.velop pilot, ein KI-Assistent für Dokumenten-Q&A und Workflow-Unterstützung, plus KI-gestützte Klassifizierung.
• Compliance – GoBD-Konformität erklärt, ISO 27001 zertifiziert, BSI-C5-Testat verfügbar.
• Bereitstellung – Cloud (deutsche Rechenzentren), Hybrid oder On-Premise.
• Preise – d.velop documents ab 27 EUR pro Nutzer und Monat, bis rund 55 EUR für Vollausstattung⁷.
• Beste Eignung – Unternehmen tief in Microsoft 365, die ein DMS wollen, das sich wie eine native Erweiterung anfühlt, nicht wie eine separate Anwendung.

OpenText Content Cloud – die Enterprise-Option

• Was es ist – Enterprise Content Services Platform mit globaler Reichweite und dem breitesten Funktionsumfang, inklusive Aviator AI für inhaltsbezogene Q&A⁸.
• KI-Funktionen – OpenText Aviator über Content, Business Workflow und Customer Service. Tiefste Integrationsdichte zu SAP und Oracle.
• Compliance – Vollständige Enterprise-Compliance-Suite inklusive GoBD-relevanter Funktionen.
• Bereitstellung – Cloud, On-Premise oder Hybrid.
• Preise – Enterprise-Niveau, in der Regel erst ab 500 Nutzern wirtschaftlich.
• Beste Eignung – Größere Mittelständler und Familien-Konzerne, die SME-DMS entwachsen sind und Tiefe über viele Dokumententypen brauchen.

Kategorie 2: Die besten KI-Wissensassistenten für den Mittelstand

Diese Tools sitzen auf Ihrem bestehenden Speicher und beantworten Fragen in natürlicher Sprache über alles, was darin liegt. Sie speichern, archivieren oder bewahren nicht auf – sie rufen ab und synthetisieren. Für Mittelständler, die in Stammwissen über Slack, Confluence, SharePoint und E-Mail ertrinken, sind sie der KI-Hebel mit der höchsten Hebelwirkung, oft in Wochen statt Monaten produktiv.

Microsoft Copilot für Microsoft 365 – der M365-native Default

• Was es ist – Generative KI direkt eingebettet in Word, Excel, Outlook, Teams und SharePoint, geerdet im Microsoft Graph Ihrer Daten⁹.
• KI-Fähigkeiten – Meetings zusammenfassen, E-Mails kontextuell entwerfen, Fragen über SharePoint und OneDrive beantworten, Folien aus Dokumenten generieren, Excel-Einsichten heben.
• Compliance – EU-Datenresidenz verfügbar, DSGVO-Posture dokumentiert, kein automatisches Training auf Kundendaten.
• Preise – 30 EUR pro Nutzer und Monat zusätzlich zu einer qualifizierenden Microsoft-365-Lizenz.
• Beste Eignung – Unternehmen tief in Microsoft 365 mit halbwegs sauberen SharePoint-Berechtigungen, die einen Produktivitätshebel über die ganze Organisation suchen.
• Achtung – SharePoint-Oversharing wird zu Copilot-Oversharing. Ein Berechtigungs-Audit vor dem Rollout ist Pflicht, nicht Kür.

Glean – der Anführer der tool-übergreifenden Enterprise Search

• Was es ist – Enterprise-KI-Plattform, die über 100 Tools (Slack, Confluence, Google Drive, Jira, Salesforce etc.) indexiert und einheitliche Suche und Q&A bietet¹².
• KI-Fähigkeiten – Berechtigungsbewusste Suche, konversationelle Antworten mit Quellen, eigene KI-Agenten (Glean Workflows), Integration führender LLM-Anbieter.
• Compliance – SOC 2 Typ 2, ISO 27001, DSGVO. Private-Cloud-Option für strengere Anforderungen verfügbar.
• Preise – Individuell, im Mittelstand typisch 40 bis 60 EUR pro Nutzer und Monat plus sechsstellige Implementierungskosten.
• Beste Eignung – Größere Mittelständler (ab 250 Mitarbeitenden) mit verteiltem Tool-Stack, wo Wissen tatsächlich über Systeme fragmentiert ist.
• Achtung – Hohe Gesamtkosten und ein zentraler Index, der gepflegt werden muss. Kleinere Unternehmen finden es oft überdimensioniert.

Notion AI – die Option für dokumentationsstarke Teams

• Was es ist – KI eingebaut in den Notion-Workspace, mit Q&A über Notion-Inhalte und zunehmend über angebundene Tools¹⁰.
• KI-Fähigkeiten – Inhalte aus Prompts generieren, Seiten zusammenfassen, Fragen über den Workspace beantworten, KI-Datenbanken.
• Compliance – SOC 2 Typ 2, ISO 27001, DSGVO. EU-Datenresidenz in Enterprise-Plänen.
• Preise – Ab 10 EUR pro Mitglied und Monat für KI-Funktionen zusätzlich zum Notion-Plan.
• Beste Eignung – Moderne, dokumentationsstarke Teams, die ohnehin in Notion leben. Besonders verbreitet in Engineering- und Produktorganisationen.
• Achtung – Nur nützlich, wenn das Wissen tatsächlich in Notion liegt. Begrenzte Konnektoren zu Altsystemen.

Onyx (vormals Danswer) – die Open-Source-Selbsthost-Option

• Was es ist – MIT-lizenzierte Open-Source-Plattform für Enterprise Search und Chat, die Sie selbst hosten. Hervorgegangen aus Danswer, umbenannt in Onyx¹¹.
• KI-Fähigkeiten – Konnektoren zu 40+ Tools, RAG-basierte Q&A mit Quellen, eigene KI-Assistenten, BYO-LLM (eigenes Sprachmodell mitbringen).
• Compliance – Selbst-Hosting bedeutet, Daten verlassen Ihre Infrastruktur nie. Sie kontrollieren alles, einschließlich der DSGVO-Posture.
• Preise – Open Source ist kostenlos. Enterprise-Edition mit SSO, erweiterter Auth und Support individuell.
• Beste Eignung – Unternehmen mit starker interner IT, strengen Datensouveränitäts-Anforderungen oder dem Wunsch, Vendor-Lock-in zu vermeiden. Bei Netflix, Ramp und Thales Group im produktiven Einsatz.
• Achtung – Selbst-Hosten verlangt echte operative Kapazität. Die Lizenz ist kostenlos, der Betrieb nicht.

GoSearch – die föderierte Alternative

• Was es ist – Enterprise-KI-Suchplattform mit einer föderierten Architektur: Anfragen werden dort gestellt, wo die Daten liegen, statt einen zentralen Index zu pflegen.
• KI-Fähigkeiten – Tool-übergreifende Suche, KI-Agenten, eigene Workflows. Niedrigerer Indexpflege-Aufwand als Glean.
• Compliance – SOC 2, ISO 27001, DSGVO.
• Preise – Individuell, positioniert als Glean-Alternative mit niedrigeren Gesamtkosten.
• Beste Eignung – Mittelständler, die Glean-Fähigkeiten ohne Enterprise-Preise oder zentrale Indexkomplexität wollen.

Kategorie 3: Open Source und Custom AI Agents

Die dritte Kategorie ist die, die die meisten Mittelständler übersehen: ein Custom AI Agent auf den bestehenden Systemen, gebaut für einen spezifischen, wertvollen Workflow statt für allgemeine Produktivität. Hier stoßen Standardtools an Grenzen – wenn der Workflow zu spezifisch ist, die Systeme zu alt oder das Ergebnis zu kritisch für einen generischen Copilot.

Wann ein Custom Agent das Standardtool schlägt

• Ihre Daten liegen in Altsystemen, an die kein Anbieter nativ andockt – SAP ECC, Eigenbau-ERPs, branchenspezifische CAD-Vaults, On-Premise SharePoint 2016, File Shares mit zwei Jahrzehnten Ordnerakkumulation.
• Der Workflow ist zu spezifisch für einen generischen Copilot – Lieferantenverträge nach Ihrer internen Richtlinie freigeben, Engineering-Change-Requests gegen Ihr QM-Handbuch prüfen, Kunden-Tickets nach Ihrer SLA-Matrix routen.
• Sie brauchen Ergebnisse, die ein Platz-Tool nicht garantieren kann – Ein Copilot macht alle marginal schneller. Ein Custom Agent besitzt einen ganzen Prozess End-to-End und liefert messbare Zykluszeit-Reduktion.
• Souveränität zählt – Sie brauchen volle Kontrolle über Daten, Modell und Verhalten unter Last.
• Die Wirtschaftlichkeit kippt mit Skalierung – Platz-Tools werden mit wachsender Mitarbeiterzahl teuer. Use-Case-Agenten haben flache Wirtschaftlichkeit, sobald sie laufen.

Die drei Komponenten eines Custom Document AI Agent

1. Die Retrieval-Schicht – Ein Vektor-Index über die relevanten Dokumente (Pinecone, Weaviate, pgvector oder ähnliches), mit Berechtigungsfiltern, die Ihre bestehenden Zugriffsrechte respektieren.
2. Die Reasoning-Schicht – Ein LLM (Claude, GPT oder ein lokales Modell), das gefundene Passagen synthetisiert und über den nächsten Schritt entscheidet. Das Modell ist zunehmend der billige, austauschbare Teil.
3. Die Aktionsschicht – Konnektoren zu Ihren Systemen of Record (SAP, DATEV, Salesforce, Eigenbau-DBs), die dem Agent erlauben, echte Aktionen auszuführen statt nur zu antworten.

Die meisten Unternehmen brauchen beides

Die richtige Antwort ist selten „alles Custom" oder „alles Standard". Die meisten Mittelständler landen bei drei Schichten: ein konformes DMS für Archivierung, ein Standardwissensassistent für allgemeine Produktivität und ein bis zwei Custom Agents für die wertvollsten, unternehmensspezifischen Workflows. Die drei Schichten verstärken sich – das DMS ist das System of Record, der Assistent macht alles auffindbar, und die Agenten erledigen die eigentliche Arbeit.

Deutsche Compliance: GoBD, DSGVO, EU AI Act, BSI C5

Keine Tool-Auswahl übersteht den Kontakt mit der deutschen Compliance-Realität unverändert. Vier Regime sind für KI-Dokumententools im Mittelstand entscheidend. Keines schließt KI aus – alle prägen, was als verteidigungsfähige Architektur gilt.

GoBD – die Audit-Trail-Anforderung

• Was es ist – Die Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, die Regeln des Bundesfinanzministeriums für digitale Buchführung und Dokumentenaufbewahrung⁴.
• Was es verlangt – Manipulationssichere Speicherung, vollständiger Audit Trail, Aufbewahrung in der Regel 10 Jahre, Nachvollziehbarkeit jeder Änderung, keine unautorisierte Löschung.
• Was es für KI-Tools heißt – Steuerrelevante Dokumente (Rechnungen, Verträge, Buchhaltungsbelege) müssen in einem System liegen, das GoBD erfüllt. Die meisten US-Wissensassistenten erfüllen das nicht. Die meisten deutschen DMS schon.
• Die Zertifizierungsfrage – GoBD selbst ist Regelwerk, keine Zertifizierung. Am nächsten kommt eine IDW-PS-880-Bescheinigung durch einen unabhängigen Prüfer¹⁶. DocuWare ist das einzige größere Mittelstands-DMS mit einer aktuellen unabhängigen PS-880-Bescheinigung³.

DSGVO – das Datenschutzregime

• Datenminimierung – Die KI soll nur Daten indexieren, die sie für ihren Zweck braucht. Jeden Slack-Channel für einen Sales-Use-Case zu indexieren scheitert am Minimierungs-Test.
• Zweckbindung – Jeder Use Case braucht seine eigene Rechtsgrundlage. Ein allgemeiner „Produktivitäts"-Zweck hält selten stand.
• Betroffenenrechte – Auskunfts-, Löschungs- und Erklärungsrecht. Die KI-Architektur muss alle drei unterstützen, einschließlich der Möglichkeit, personenbezogene Daten aus dem Index zu entfernen.
• Drittlandtransfer – LLM-Aufrufe an US-gehostete Anbieter brauchen einen dokumentierten Transfermechanismus. EU-gehostete Modelle oder Self-Hosting umgehen die Frage komplett.

EU AI Act – die risikobasierte Regulierung

• Zeitplan – Pflichten für General-Purpose-AI seit August 2025 anwendbar. Volle Anwendbarkeit am 2. August 2026¹³.
• Risikokategorien – Die meisten KI-Dokumententools fallen unter begrenztes oder minimales Risiko. Hochrisiko gilt für KI in Beschäftigungsentscheidungen, Kreditscoring und bestimmten regulierten Funktionen.
• Bußgelder – Bis zu 35 Millionen EUR oder 7 Prozent des globalen Jahresumsatzes für die schwersten Verstöße¹⁴. KMU erhalten niedrigere Obergrenzen.
• KMU-Erleichterung – Bevorzugter Zugang zu Sandboxes, leichtere Dokumentationspflicht, reduzierte Bußgelder.

BSI C5 – der Cloud-Computing-Standard

• Was es ist – Der Cloud-Computing-Compliance-Katalog des Bundesamts für Sicherheit in der Informationstechnik¹⁵.
• Wann es zählt – Kritische Infrastruktur (KRITIS), öffentliche Auftraggeber, Finanzdienstleistung. Zunehmend auch im Enterprise-Einkauf gefordert.
• Was es für die Tool-Auswahl heißt – DocuWare, d.velop und Microsoft halten BSI-C5-Testate. Viele neuere Wissensassistenten nicht. Custom Agents erben die Posture ihrer Cloud-Basis.

Entscheidungsrahmen: Welches Tool für welches Problem

Kein Tool ist universell das Beste. Die richtige Antwort hängt davon ab, welches Problem in Ihrer Situation dominiert. Nutzen Sie diesen Rahmen, um die Shortlist einzugrenzen, bevor Sie mit einem Anbieter sprechen.

Der Vier-Fragen-Test vor dem Kauf

1. Welchen spezifischen Workflow oder welche Frage wollen Sie lösen? – Wenn die Antwort „allgemeine Produktivität" lautet, sind Sie nicht kaufbereit. Wählen Sie einen Workflow.
2. Wo liegen die relevanten Daten heute? – In einem System? Ein Standardtool reicht. Über Altsysteme verteilt? Sie brauchen wahrscheinlich eine Custom-Schicht.
3. Welches Ergebnis rechtfertigt die Kosten? – Können Sie kein messbares Ergebnis benennen (eingesparte Stunden, kürzere Zykluszeit, vermiedene Fehler), scheitert das Projekt unabhängig vom Tool.
4. Welche Compliance-Posture ist erforderlich? – GoBD-relevant? Dann DMS oder Custom Build auf konformer Basis. DSGVO-Bedenken? Nur EU-gehostet oder selbst gehostet.

Wie Superkind passt

Superkind baut Custom AI Agents für mittelständische Unternehmen. Der Ansatz ist prozess-first statt tool-first – das heißt, der Startpunkt sind Ihre tatsächlichen Workflows, nicht eine generische Plattform, an die Sie sich anpassen müssen. Im Dokumenten- und Wissensraum bedeutet das in der Regel eine von drei Engagements.

• Custom AI Agent auf Ihrem bestehenden DMS – Behalten Sie DocuWare, ELO, d.velop oder was Sie betreiben. Ergänzen Sie einen Agent, der einen spezifischen Workflow End-to-End übernimmt – Lieferantenverträge prüfen, Engineering-Change-Requests bearbeiten, Kundenantworten gegen Ihre Wissensbasis entwerfen.
• Wissensagent über mehrere Systeme – Ein einziger Agent, der aus SharePoint, Ihrem DMS, File Shares und Ticketsystemen liest, mit berechtigungsbewusstem Retrieval und Quellenangaben in jeder Antwort.
• Dokument-KI für einen spezifischen Hochvolumen-Prozess – Custom IDP für steuerrelevante Dokumente, die klassische OCR nicht zuverlässig schafft, mit Übergabe ans Buchhaltungssystem.
• Sitzt auf Ihrem Stack – Kein Rip-and-Replace, keine neue Plattform zum Lernen. Der Agent dockt per API an Ihre bestehenden Tools an.
• In Wochen produktiv – Erster Use Case innerhalb von 8 bis 12 Wochen, messbare Ergebnisse ab dem ersten Tag.
• Ergebnisbasierte Preise – Pro Use Case, gekoppelt an ein definiertes Geschäftsergebnis. Keine Platzlizenzen.
• EU- und On-Premise-Deployments – Datenresidenz und Souveränität für regulierte Branchen.
• Für den Mittelstand gebaut – DSGVO, GoBD und Betriebsrat sind Teil des Designs, nicht eine Compliance-Nachbesserung.

Verwandte Artikel

• Von SharePoint zur KI-gestützten Wissensdatenbank im Mittelstand
• Intelligent Document Processing: Wie der Mittelstand OCR durch KI-Agenten ersetzt
• KI für Wissenstransfer: Das Wissen der Boomer-Generation sichern
• Agent-Native Dokumentation: Warum Mittelstands-Wikis, ERPs und SOPs für KI-Agenten geschrieben werden müssen
• SAP und KI-Agenten: Der pragmatische Weg durch S/4HANA, ECC und Business One
• Souveräne KI für den Mittelstand

Häufige Fragen

Henri Jung

Co-Founder von Superkind. Henri hilft Mittelständlern und Konzernen, Custom AI Agents einzuführen, die tatsächlich zu ihren Teams passen. Vor Superkind hat er jahrelang mit mittelständischen Unternehmen an Digitalisierungsprojekten gearbeitet und aus erster Hand erlebt, woran KI-Projekte scheitern – meist daran, dass sie mit Technologie statt mit Prozess anfangen. Er ist überzeugt, dass der Mittelstand alles hat, was er für die KI-Führerschaft braucht – er braucht nur den richtigen Ansatz.