Seit zwanzig Jahren bedeutet „Dokumente durchsuchen“ im Grunde eines: ein Wort eintippen, an das man sich erinnert, und hoffen, dass es im Dateinamen oder im sichtbaren Text vorkommt. Das funktioniert, solange man sich an das richtige Wort erinnert. Es scheitert in dem Moment, in dem das nicht der Fall ist – wenn man sich an den Inhalt eines Dokuments erinnert, aber nicht an seinen Titel, oder wenn die gesuchte Antwort über zwei oder drei Dateien verstreut ist, statt in einer einzigen zu stehen.
KI-gestützte Archivsuche verändert die Frage, die man stellen kann. Statt „finde die Datei mit ‚Vertrag_2023_final‘“ lässt sich fragen „wie lange ist die Kündigungsfrist für unser Büro?“ – und man bekommt eine Antwort, die tatsächlich auf dem basiert, was im Archiv liegt. Das ist eine grundlegend andere Art, ein Archiv zu nutzen – aber sie funktioniert nur, wenn die Antwort mit ihrer Herkunft verbunden bleibt.
Was sich wirklich ändert
Stichwort- und Volltextsuche liefern Dokumente. Man muss jedes davon noch öffnen, überfliegen und selbst entscheiden, ob es die Frage beantwortet. Das ist in Ordnung, solange man ungefähr weiß, wonach man sucht, und es nur wenige Kandidaten gibt. Es wird mühsam, wenn eine Frage mehrere Dokumente betrifft oder wenn das Dokument mit der Antwort nicht die Wörter enthält, nach denen gesucht wurde.
Die KI-Archivsuche ist dagegen darauf ausgelegt, die Frage direkt zu beantworten – sie holt sich die relevanten Passagen aus den indexierten Dokumenten und formuliert daraus eine Antwort in natürlicher Sprache. Man fragt „was wurde zur Zahlungsfrist im Lieferantenvertrag für das dritte Quartal vereinbart“, und statt einer Liste von Dateien bekommt man eine direkte Antwort. Das ist der Übergang von „ein Dokument suchen“ zu „dem Archiv eine Frage stellen“, und er nimmt einem eine ganze Menge manuelles Lesen ab.
Warum der Quellenverweis der wichtige Teil ist, nicht die KI
Es ist verlockend, über KI-Suche vor allem danach zu urteilen, wie klug eine Antwort klingt. Das ist der falsche Maßstab. Der eigentliche Wert eines gut gebauten Systems liegt nicht in der Eloquenz, sondern darin, dass jede Antwort bis zum tatsächlichen Ursprungsdokument nachvollziehbar bleibt. Eine gute KI-Archivsuche zeigt zu jeder Antwort Quellenverweise: welches Dokument – idealerweise welche Passage – die jeweilige Aussage stützt.
Das ist aus einem einfachen Grund wichtig: Sprachmodelle können plausibel klingenden Text erzeugen, der nicht zutrifft. Eine Antwort ohne Möglichkeit zur Überprüfung ist in dem Moment ein Risiko statt einer Erleichterung, in dem sie bei etwas Wichtigem falschliegt – einer Vertragsklausel, einer Compliance-Frist, einer Zahl auf einer Rechnung. Eine Antwort mit Quellenverweis macht die KI-Ausgabe zur Abkürzung beim Auffinden des richtigen Dokuments, nicht zum Ersatz fürs Lesen. Man kann und soll immer noch selbst nachprüfen.
Die KI-Archivsuche von Paperplane ist genau auf diese Idee ausgerichtet: Sie beantwortet Fragen aus den indexierten Dokumenten des Archivs und verweist auf die Passagen, die tatsächlich für die jeweilige Antwort herangezogen wurden – serverseitig überprüft, nicht nur vom Modell behauptet. Das bedeutet nicht, dass die Antwort garantiert korrekt ist – kein KI-System sollte so beschrieben werden, und auch Paperplane erhebt nicht den Anspruch, fehlerfrei zu sein oder fachliche Beurteilung zu ersetzen. Es bedeutet, dass bei jeder Antwort ein direkter Weg zurück zum Originaltext besteht, um sie selbst zu bestätigen – und dass ein sorgfältig gebautes System das auch klar sagt, wenn im Archiv keine Belege dafür vorhanden sind, statt eine Antwort zu erfinden.
Wofür KI-Suche nicht gedacht ist
Es lohnt sich, bei den Grenzen konkret zu sein, denn Übertreibungen bei der KI-Suche untergraben Vertrauen schneller als tatsächliche Fehler. Archivfragen funktionieren gut bei Dingen, die in einer konkreten Passage oder einem konkreten Dokument verankert sind: „Was deckt die Garantie dieses Geräts ab?“, „Welche Frist haben wir mit diesem Kunden vereinbart?“, „Fasse zusammen, zu welchem Ergebnis dieser Bericht kommt.“ Ungeeignet sind sie für erschöpfendes Zählen oder Summenbildung über das gesamte Archiv hinweg – „Wie viele Rechnungen haben wir insgesamt von diesem Lieferanten erhalten“ ist eine grundsätzlich andere Art von Frage als „Was steht in diesem Dokument“. Das erfordert, zuverlässig jeden passenden Datensatz zu erfassen und zusammenzuzählen – ein anderes technisches Problem als das Abrufen und Zusammenfassen relevanter Passagen. Ein System, das für Letzteres gebaut ist, sollte für Ersteres nicht blind vertraut werden. Für solche Fragen ist das direkte Filtern oder Exportieren von Datensätzen weiterhin die verlässlichere Methode.
Beide Suchmodi sinnvoll kombinieren
Die praktische Antwort lautet nicht „Stichwortsuche durch KI-Suche ersetzen“, sondern beide dort einzusetzen, wo sie stark sind. Die schnelle Suche über Dateinamen und extrahierten Text ist zuverlässig und schnell, wenn man ungefähr weiß, wonach man sucht. Die KI-Archivsuche ist im Vorteil, wenn man weiß, was man wissen muss, aber nicht, in welchem Dokument es steht, oder wenn die Antwort wahrscheinlich mehr Kontext braucht, als eine einzelne Dateinamensuche liefern würde.
Eine gute Gewohnheit: Bei Unsicherheit mit einer Archivfrage beginnen, dann den Quellenverweis öffnen und das Detail bestätigen, bevor man danach handelt – besonders bei allem mit finanziellem, rechtlichem oder vertraglichem Gewicht. Diese Kombination – frei fragen, Quelle prüfen – ist es, die KI-Suche schneller macht, ohne die Genauigkeit stillschweigend zu opfern.