Document Intelligence

Das Problem: Personenbezogene Daten in jedem Dokument

Unternehmen wollen Dokumente mit KI verarbeiten - Verträge analysieren, Belege klassifizieren, Policys abfragen. Aber jedes Dokument enthält personenbezogene Daten: Namen, Gehälter, Sozialversicherungsnummern, Adressen, Bankverbindungen, Unterschriften.

An ein Sprachmodell - auch an ein selbst gehostetes - dürfen diese Daten nicht ungeschützt. Die DSGVO verlangt Datensparsamkeit. Betriebsvereinbarungen schränken die Verarbeitung personenbezogener Mitarbeiterdaten ein. Geschäftsgeheimnisse in Verträgen dürfen Dritte nicht sehen.

Die bisherigen Lösungen sind unbefriedigend: Manuelle Schwärzung in Adobe Acrobat - zeitaufwendig, fehleranfällig, und oft nur optisch (der Text bleibt unter dem schwarzen Balken erhalten). Oder Verzicht auf KI-Verarbeitung sensibler Dokumente - was den größten Teil des Produktivitätsgewinns zunichte macht.

Roundtrip-Pseudonymisierung für LLM-Input

Die meisten PII-Tools am Markt sind Einweg-Schwärzung - sie entfernen Daten. Für die Verarbeitung mit Sprachmodellen reicht das nicht. Wenn ein Agent einen Vertrag analysieren soll, braucht er den Kontext: "Mitarbeiter X hat Gehalt Y an Standort Z." Ohne diesen Kontext kann das Modell keine sinnvolle Bewertung abgeben.

Die Gosign-Lösung ist Roundtrip-Pseudonymisierung: Namen und Kennzeichen werden vor dem Modell durch Pseudonyme ersetzt, das Modell verarbeitet das Dokument, und im Ergebnis werden die echten Daten wieder eingesetzt. Das Modell sieht Pseudonyme statt Namen. Das Ergebnis enthält die echten Daten.

┌─────────────┐     ┌──────────────────┐     ┌─────────────┐     ┌──────────────────┐     ┌─────────────┐
│  Dokument   │     │  PII-Erkennung   │     │  Pseudonym-  │     │  Sprachmodell    │     │  Re-Mapping │
│  (Original) │────▶│  & Klassifi-     │────▶│  isierung    │────▶│  verarbeitet     │────▶│  Pseudonyme │
│             │     │  zierung         │     │              │     │  mit Pseudonymen │     │  → Echtdaten│
└─────────────┘     └──────────────────┘     └──────────────┘     └──────────────────┘     └─────────────┘
│                        │                                            │
▼                        ▼                                            ▼
┌──────────────┐         ┌──────────────┐                              ┌──────────────┐
│  Decision    │         │  Mapping-    │                              │  Ergebnis    │
│  Layer:      │         │  Tabelle     │◀─────────────────────────────│  mit echten  │
│  Was wird    │         │  (bleibt     │   Rück-Zuordnung            │  Daten       │
│  ersetzt     │         │  lokal)      │                              └──────────────┘
└──────────────┘         └──────────────┘

Entscheidungsschritte im PII-Prozess

Die Zuordnungstabelle (Pseudonym → Echtdaten) verlässt nie den Pre-Processing Layer. Sie wird nach Abschluss der Verarbeitung gelöscht - oder für einen definierten Zeitraum aufbewahrt, je nach Konfiguration. Das Sprachmodell sieht Pseudonyme statt Namen und Kennzeichen.

Pseudonymisierung ersetzt Kennzeichen, nicht den Inhalt. Was der Text selbst über eine Person verrät, bleibt stehen: die Funktion in einem kleinen Team, eine seltene Diagnose, ein bestimmter Vorgang. Pseudonymisierte Daten bleiben deshalb personenbezogen, solange sich die Person mit vertretbarem Aufwand wieder bestimmen lässt (Erwägungsgrund 26 DSGVO). Die Roundtrip-Pseudonymisierung ist Datenminimierung, keine Rechtsgrundlage: Die Verarbeitung braucht weiterhin einen Auftragsverarbeitungsvertrag, bei Berufsgeheimnisträgern zusätzlich die Verpflichtungskette nach § 203 StGB (warum das so ist). Und sie hat einen Preis: Wo eine Aufgabe die echten Namen braucht, etwa ein Schreiben oder ein Vertragsentwurf, arbeitet das Modell mit Platzhaltern unsicherer.

Signaturerkennung: Unterschriften finden, prüfen, dokumentieren

Vertragsmanagement, Audit-Vorbereitung, Compliance-Prüfung - überall muss regelmäßig geprüft werden: Ist das Dokument unterschrieben? Wo ist die Unterschrift? Fehlt eine Gegenzeichnung? Bei 5.000 Verträgen im Archiv ist das manuell nicht leistbar.

Signature Detection - Unterschriften finden

Der Document Agent erkennt Unterschriftenfelder und vorhandene Unterschriften in gescannten Dokumenten und PDFs. Computer Vision, kein Sprachmodell - spezialisierte ML-Modelle für Bildanalyse. Der Output ist strukturiert: Seite, Position, Konfidenz dass eine Unterschrift vorhanden ist.

Massenprüfung Vertragsarchiv: "In welchen der 5.000 Verträge fehlt die Gegenzeichnung?" - Ergebnis in Minuten statt Wochen.

Onboarding-Qualitätsprüfung: "Sind alle Pflichtdokumente des neuen Mitarbeiters unterschrieben?" - Automatische Checkliste, fehlende Unterschriften werden als Workflow-Aufgabe eskaliert.

Audit-Vorbereitung: "Zeige alle Dokumente ohne Unterschrift im Zeitraum Q3 2025." - Strukturierte Exportliste für den Prüfer.

┌─────────────┐     ┌──────────────────┐     ┌──────────────────┐
│  Dokument   │     │  Signatur-       │     │  Vergleich mit   │
│  mit Unter- │────▶│  erkennung       │────▶│  Referenz-       │
│  schrift    │     │  (Position,      │     │  unterschrift    │
│             │     │   Konfidenz)     │     │                  │
└─────────────┘     └──────────────────┘     └──────────────────┘
│
┌───────────┼───────────┐
▼           ▼           ▼
┌────────────┐ ┌────────┐ ┌────────────┐
│  Hohe      │ │Mittlere│ │  Niedrige  │
│  Überein-  │ │Überein-│ │  Überein-  │
│  stimmung  │ │stimmung│ │  stimmung  │
└────────────┘ └────────┘ └────────────┘
│              │           │
▼              ▼           ▼
Automatisch    Eskalation   Blockierung
akzeptiert,    an Sach-     Menschliche
dokumentiert   bearbeiter   Prüfung
mit Ver-     Pflicht
gleichs-
ansicht

Wichtig: Der Signaturvergleich ist ein Anomalie-Detektor, kein Fälschungsdetektor. Unterschriften variieren natürlich - Tagesform, Stift, Untergrund. Das System erkennt Auffälligkeiten und eskaliert sie an einen Menschen. Es behauptet nie "diese Unterschrift ist gefälscht" oder "diese Unterschrift ist echt". Das wäre unseriös.

Integration

Document Intelligence ist eine Capability des bestehenden Document Agent - keine separate Software. Die Integration erfolgt über dieselben Schnittstellen:

• SAP DMS, SAP ArchiveLink - Verträge und Belege aus SAP-Archiven
• SharePoint, OneDrive - Dokumentenmanagement via Microsoft Graph
• E-Mail-Eingänge (IMAP/Exchange) - Anhänge automatisch verarbeiten
• Dateisystem-Watcher - Lokale Verzeichnisse überwachen
• REST API - Für kundenspezifische DMS-Systeme

Die Document-Intelligence-Capabilities werden pro Mandant konfiguriert: Welche PII-Kategorien erkannt werden, welche Schwärzungsregeln gelten, welche Referenz-Signaturen hinterlegt sind. Alles versioniert, alles im Decision Layer.