Viele Auditprogramme beginnen in PDF-Dateien, Tabellen oder gescannten Formularen. Die manuelle Übertragung ist langsam und fehleranfällig. Ein Sprachmodell kann Fragen und erkennbare Strukturen vorbereiten – aber es kennt weder die beabsichtigte Bewertungslogik noch die lokale Prozessrealität zuverlässig genug, um ungeprüft zu veröffentlichen.

Den Import als Entwurf behandeln

Das wichtigste Architekturprinzip ist eine harte Grenze zwischen KI-Ausgabe und produktivem Katalog. Die Extraktion erzeugt ausschließlich einen neuen Entwurf. Bestehende Katalogversionen, laufende Audits und historische Einreichungen bleiben unverändert.

Der Entwurf sollte die erkannte Frage, Antwortoptionen, Gewichtung und Nachweisregel getrennt zeigen. Wo das Modell unsicher ist oder Inhalte nicht eindeutig zuordnen kann, braucht es eine sichtbare Markierung statt erfundener Vollständigkeit.

Fachliche Prüfung strukturieren

Eine gute Oberfläche führt Prüfer durch die Entscheidungen, die KI nicht verantworten kann:

  • Ist die Frage eindeutig und am Ort beobachtbar?
  • Entspricht der Antworttyp der fachlichen Absicht?
  • Wann ist N/A zulässig?
  • Bei welcher Antwort ist ein Foto oder Kommentar erforderlich?
  • Wie wird die Frage bewertet und gewichtet?
  • Gilt sie für alle Werke oder nur einen bestimmten Kontext?

Die Prüfung sollte Änderungen protokollieren und vor Veröffentlichung eine eindeutige Freigabe verlangen.

Quelle und Datenschutz begrenzen

Vor dem Upload muss geklärt sein, ob ein Dokument vertrauliche Informationen, Kundendaten oder personenbezogene Inhalte enthält. Übertragen Sie nur erforderliche Dokumente und definieren Sie, welcher Modellanbieter und welche Speicherregeln gelten. Technische Logs dürfen nicht den vollständigen Dokumentinhalt enthalten.

Qualität messbar machen

„Der Import hat funktioniert“ ist keine ausreichende Abnahme. Testen Sie repräsentative Dokumente mit Tabellen, Scans, mehrsprachigen Fragen und uneindeutigen Layouts. Messen Sie nicht nur erkannte Textmenge, sondern fachlich korrekt übertragene Fragen, erforderliche Korrekturen und besonders kritische Fehler wie falsche Bewertung oder verlorene Pflichtnachweise.

Der NIST AI Risk Management Framework ordnet verantwortbare KI als fortlaufende Aufgabe aus Govern, Map, Measure und Manage ein. Für den Katalogimport ist das ein nützliches Muster: Zweck und Grenzen definieren, Risiken im Dokument verstehen, Ergebnisqualität prüfen und die Veröffentlichung kontrollieren.

Richtig eingesetzt verkürzt KI die mechanische Vorarbeit. Sie macht aus einem Dokument schneller einen strukturierten Startpunkt. Die fachliche Verantwortung bleibt dort, wo sie hingehört: bei den Menschen, die Auditstandard und Prozess kennen.