IT & Digitalisierung

Unternehmen investieren Millionen in künstliche Intelligenz und scheitern an Papier. Dabei liegt das Problem nicht in den Algorithmen, sondern im Keller: Verträge, Lieferscheine, Akten, Konstruktionszeichnungen und vollständige Archive der letzten Jahrzehnte. Wer seine digitale Transformation ernst nimmt, muss zuerst das Fundament legen. Und das beginnt mit dem Scanner. Wenn die KI-Strategie am Papierstapel endet Führungskräfte in deutschen Unternehmen haben KI ganz oben auf der Agenda. Laut einer Studie des Bitkom aus dem Jahr 2024 beschäftigen sich erstmals mehr als die Hälfte der deutschen Unternehmen (57 Prozent) mit KI – jedes fünfte setzt sie bereits aktiv ein, mehr als jedes dritte plant oder diskutiert den Einsatz. Die Erwartungen sind hoch: schnellere Prozesse, bessere Entscheidungen, weniger Routinearbeit. Doch in der Praxis zeigt sich ein hartnäckiges Muster: Die Technologie ist bereit, die Daten sind es nicht. Wer ein Sprachmodell mit internen Dokumenten trainieren oder ein KI-gestütztes Dokumentenmanagementsystem einführen möchte, muss in Deutschland oft fehlende Voraussetzungen erfüllen: strukturierte und maschinenlesbare Daten. Das Problem ist nicht neu. Es ist nur dringender geworden. Das stille Problem: Daten, die nicht digital sind Einer der meistzitierten Befunde zum Thema Informationsmanagement stammt aus einer McKinsey-Studie: Hochqualifizierte Mitarbeiter:innen bzw. also Fach- und Führungskräfte verbringen fast 20 Prozent ihrer Arbeitszeit damit, intern nach Informationen zu suchen oder Kolleg:innen mit spezifischem Fachwissen aufzuspüren. Das entspricht bei einer Vollzeitstelle rund einem ganzen Arbeitstag pro Woche. Was in dieser Zahl nicht steckt: Ein erheblicher Teil dieser Suchzeit entfällt auf Informationen, die schlicht nicht digital vorliegen. Lieferscheine aus dem Jahr 2018, Personalakten in Hängeregistern, Baupläne auf Millimeterpapier oder handgeschriebene Protokolle. Für KI-Systeme existieren diese Informationen nicht – sie sind de facto unsichtbar. Für Unternehmen, die sich digital transformieren wollen, ist das kein kleines Hindernis. Es ist ein strukturelles Problem. Warum schlechte Scan-Qualität teurer ist als kein Scan Viele Unternehmen haben in den letzten Jahren begonnen, Dokumente zu digitalisieren. Oft mit dem Bürokopierer, dem Smartphone oder einem günstigen Flachbettscanner. Das Ergebnis: Bilddateien, die zwar digital vorliegen, aber für automatisierte Prozesse wertlos sind. Denn ein JPEG eines Dokuments ist kein digitales Dokument. Es ist ein Foto von einem Dokument. Was professionelle Digitalisierung wirklich bedeutet Der entscheidende Schritt ist die Texterkennung via OCR (Optical Character Recognition). Erst durch OCR werden Bilddateien zu durchsuchbaren, verarbeitbaren Dokumenten. Moderne OCR-Systeme erreichen bei sauberen Vorlagen Erkennungsraten von über 99 Prozent – bei schlechter Scan-Qualität kann diese Rate auf unter 80 Prozent fallen, was in der Praxis bedeutet: fehlerhafte Daten, falsche Indexierung, unbrauchbare Suchergebnisse. Weitere Qualitätsparameter, die in professionellen Digitalisierungsprojekten eine Rolle spielen: Auflösung: Für Standarddokumente gilt 300 dpi als Minimum, für Feinzeichnungen oder technische Pläne sind 600 dpi oder mehr erforderlich. Farbtiefe: Schwarz-weiß oder Graustufen reichen für Textdokumente. Urkunden, Fotos oder farbige Diagramme benötigen eine 24-Bit-Farbdigitalisierung. Dateiformat: PDF/A ist das archivierungstaugliche Standardformat. Es ist langzeitstabil, einbettungsfähig und ISO-genormt. Wer Dokumente lediglich als TIFF oder JPEG ablegt, hat zwar Bilder, aber keine revisionssicheren Dokumente. Metadaten: Ohne saubere Verschlagwortung – Datum, Dokumententyp, Autor, Projekt – ist auch das beste Scanergebnis schwer auffindbar. Metadaten sind das Rückgrat jeder späteren Automatisierung. GoBD: Der Compliance-Aspekt, den viele unterschätzen Für Unternehmen in Deutschland gibt es neben der technologischen auch eine rechtliche Dimension. Die Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form (GoBD) des Bundesfinanzministeriums legen verbindlich fest, wie steuerrelevante Dokumente digital aufzubewahren sind. Die GoBD wurden zuletzt im März 2024 sowie im Juli 2025 aktualisiert, unter anderem im Zuge der Einführung der obligatorischen E-Rechnung für Umsätze zwischen inländischen Unternehmen. Wer Papierbelege scannt und das Original vernichten möchte, juristisch als „ersetzende Digitalisierung" bekannt, muss dafür eine Verfahrensdokumentation vorhalten, die nachweist, dass der Prozess reproduzierbar, manipulationssicher und vollständig ist. Ohne diesen Nachweis kann die Finanzverwaltung im Zweifel die digitale Kopie nicht anerkennen. Das klingt bürokratisch, ist aber eine echte Chance: Wer die GoBD-konforme Digitalisierung einmal sauber aufsetzt, hat nicht nur ein rechtssicheres Archiv – er hat auch die Grundlage für alle weiteren Digitalisierungsschritte gelegt. Aufbewahrungsfristen als Digitalisierungsanlass Die gesetzlichen Aufbewahrungsfristen für Geschäftsdokumente betragen in Deutschland in der Regel zehn Jahre für Buchungsbelege und sechs Jahre für Handelsbriefe. Das bedeutet: Unternehmen haben in ihrer physischen Ablage typischerweise einen Jahrzehnte-Berg an Papier, der schrittweise digitalisiert werden kann und muss, wenn KI-gestützte Dokumentenauswertung sinnvoll eingesetzt werden soll. KI und Dokumentendigitalisierung: Wo die Verbindung konkret wird Was passiert, wenn die Datenbasis stimmt? Ein paar Szenarien aus der Praxis: Automatische Rechnungsverarbeitung KI-gestützte Systeme wie DATEV Unternehmen online oder SAP-integrierte Lösungen können eingehende Rechnungen automatisch auslesen, kategorisieren und buchen, aber nur, wenn diese als durchsuchbares PDF oder per elektronischer Übermittlung vorliegen. Papierrechnungen müssen dafür zuerst digitalisiert werden. Vertragsmanagement und juristische KI Moderne Legal-Tech-Plattformen ermöglichen die automatische Analyse von Vertragsklauseln, Fristen und Risikopositionen. Auch hier gilt: Liegt der Vertrag nur als Papierakte vor, ist er für diese Systeme nicht existent. Die Digitalisierung ist die Voraussetzung, nicht das Ziel. Technische Dokumentation und Industrie 4.0 In produzierenden Unternehmen lagern häufig Konstruktionszeichnungen, Prüfprotokolle und Wartungshistorien in Papierarchiven. Für digitale Zwillinge, vorausschauende Wartung (Predictive Maintenance) oder KI-gestützte Qualitätssicherung müssen diese Daten strukturiert digital vorliegen – oft kombiniert mit einer Vektorisierung von technischen Zeichnungen. Typische Fehler in Digitalisierungsprojekten Viele Unternehmen unterschätzen den Aufwand und die Komplexität von Digitalisierungsprojekten. Folgende Fehler treten besonders häufig auf: Kein durchgängiges Konzept: Digitalisierung ohne Zieldefinition führt zu Datensilos und inkonsistenten Ablagestrukturen. Vor dem ersten Scan sollte feststehen, welche Systeme die Dokumente später verarbeiten sollen. Fehlende Priorisierung: Nicht jedes Dokument muss sofort digitalisiert werden. Eine ABC-Analyse nach Zugriffshäufigkeit und Geschäftsrelevanz spart Ressourcen und schafft schnell messbare Ergebnisse. Unterschätzter Indexierungsaufwand: OCR erzeugt Text, aber keine Struktur. Wer hinterher vernünftig suchen will, braucht eine konsistente Metadatenpflege und das kostet Zeit und sollte von Anfang an eingeplant werden. Kein Qualitäts-Monitoring: Ein Scan-Prozess ohne stichprobenartige Qualitätsprüfung produziert fehlerhafte Daten, die erst später, oft in kritischen Momenten, auffallen. Vergessene Altbestände: Viele Unternehmen digitalisieren den laufenden Eingang, vergessen aber die historischen Archive. Diese enthalten oft die wertvollsten Informationen für Analysen und KI-Training. Fazit: Digitalisierung ist kein Selbstzweck, aber die Bedingung für alles andere Die Diskussion um künstliche Intelligenz im Unternehmen ist oft geprägt von großen Visionen: autonome Prozesse, generative Assistenten, datengetriebene Entscheidungen. Was in dieser Diskussion zu kurz kommt, ist die Infrastruktur, auf der all das aufbaut. Daten sind der Treibstoff der KI. Und ein erheblicher Teil dieser Daten liegt in deutschen Unternehmen noch immer in Papierform vor: in Archiven, Ordnern, Kellern. Wer diesen Schritt überspringt und direkt in KI-Oberflächen investiert, baut auf einem Fundament, das nicht trägt. Die gute Nachricht: Die Technologien für eine professionelle Dokumentendigitalisierung sind ausgereift, die Standards sind klar definiert, und der Return on Investment lässt sich in vielen Fällen konkret berechnen. Wer heute anfängt, das physische Archiv systematisch zu digitalisieren, investiert nicht in Vergangenheitsbewältigung – er legt die Grundlage für alles, was als Nächstes kommt.

Warum viele Deutsche ein Recht auf digitales Bezahlen wollen

Wenn Künstliche Intelligenz zum Bankkunden wird

Frischer Wind für den KI-Transfer

Was bedeuten für KMU die Änderungen beim EU AI Act ganz…

Warum viele Deutsche ein Recht auf digitales Bezahlen wollen

Wenn Künstliche Intelligenz zum Bankkunden wird

Warum wir unsere eigene Podcast-Plattform gebaut haben – ein Erfahrungsbericht von…

Der perfekte Checkout – So verhinderst Du Warenkorbabbrüche und steigerst die…

Startup AMS Go im Gründerview

Startup MAIQ im GründerView

Startup Aqvior im GründerView

Startup onsector im GründerView

Wie viel Mensch verträgt die KI?

Vom Know-how zum Green Skill: Wenn Nachhaltigkeit zur Kompetenz wird

Was macht KI mit unserem Denken? Ein Blick auf die MIT-Studie

Vom Hype zum Helfer: Wie KI-Agenten Fahrt aufnehmen

IT & Digitalisierung

Warum viele Deutsche ein Recht auf digitales Bezahlen wollen

Wenn Künstliche Intelligenz zum Bankkunden wird

Frischer Wind für den KI-Transfer

Was bedeuten für KMU die Änderungen beim EU AI Act ganz konkret?

KI „frisst” keine Software – sie orchestriert sie

KI-Strategie scheitert am Aktenschrank

Warum internationale Zahlungen noch immer komplex sind

Physical AI: Wenn Künstliche Intelligenz die Welt bewegt

Ungesteuerte KI-Nutzung: Das unterschätzte Risiko für Compliance und Sicherheit

Finanzsysteme neu denken: Wie Mambu-Gründer Eugene Danilkis Banking von Grund auf verändert