Ihre KI-Lösung: trägt im Alltag.

SharePoint-Projektordner und Azure-Dateifreigaben werden über geplante Logic-Apps-Abläufe (Microsofts Integrationsdienst) täglich in einen gemeinsamen Suchindex geladen. Fehlgeschlagene Läufe werden überwacht, damit der Risiko-Radar nicht auf veralteten Unterlagen basiert. Projekt, Dokumenttyp, Berichtsperiode, Quelle und Ablagepfad werden als Metadaten mitgeführt. Copilot Studio fragt nur diesen kuratierten Suchindex ab: zuerst mit Projekt- und Periodenfilter, dann mit einer Suche nach inhaltlich ähnlichen Risikosignalen und Evidenzlücken. Power BI liefert die Finanzkennzahlen über einen kontrollierten Ablauf; Copilot-Studio-Themen und Agentenabläufe erzeugen daraus die Karte für Teams.

• Quellenfundament: Projektordner, Dokumenttypen, Periodenlogik und Pflichtdokumente wurden vorab festgelegt; SharePoint und Azure File Share schreiben mit Projekt-ID, Periode, Quelle und Pfad in einen gemeinsamen Azure-AI-Search-Index.
• Aktualität: Die Logic-Apps-Abläufe laufen täglich automatisch; Fehler und letzte erfolgreiche Aktualisierung werden überwacht.
• Agentenlogik: Copilot Studio nutzt definierte Themen für Projektauswahl, Radar-Erstellung, Evidenzabfrage und erneuten Lauf; Agentenabläufe holen Finanzkennzahlen aus Power BI und führen die bewertete Suchstrategie aus.
• Ausgabekontrolle: Die Teams-Karte entsteht aus einem festen Bewertungsschema mit Ampelstatus, Risikodimensionen, Veränderungen, Evidenzvertrauen, Management-Konsequenzen und Entscheidungen.

• Tägliche Aktualisierung, Laufüberwachung und Projekt-/Periodenmetadaten verhindern, dass der Radar auf veralteter oder falsch zugeordneter Evidenz basiert.
• Die Risikobewertung folgt einer festen Rubrik mit Finanzkennzahlen, Vorperiodenvergleich und Evidenzabdeckung statt einer freien Zusammenfassung.
• Die Teams-Karte wird aus einem stabilen Ergebnisformat erzeugt: Status, wichtigste Erkenntnisse, Management-Konsequenz, Evidenzvertrauen und nächste Entscheidungen.

Eine Agentensteuerung zerlegt die Anfrage in Unterthemen, erweitert die Suchbegriffe und lässt mehrere Suchwellen gegen den Suchindex laufen. Doppelte Treffer werden entfernt, Quellenvielfalt wird erzwungen und zentrale Personen, Organisationen, Projekte und Fachbegriffe werden erkannt. Die Oberfläche bündelt die Ergebnisse zu Themenclustern mit Dokumentanzahl, Relevanz und erklärbaren Verbindungslinien.

• Rechercheplan: Die Agentensteuerung klassifiziert die Anfrage, zerlegt sie in Unterthemen und erzeugt Suchwellen mit Synonymen, Begriffshinweisen und Abdeckungskriterien.
• Suche: Der Suchindex liefert Treffer aus Begriffssuche und Bedeutungssuche; Deduplizierung, Quellenvielfalt und Grenzen pro Thema verhindern, dass ein dominanter Dokumenttyp alles überdeckt.
• Strukturierung: Personen, Organisationen, Projekte und Fachbegriffe werden erkannt, vereinheitlicht und zu Clustern zusammengeführt.
• Visualisierung: Jeder Knoten zeigt Dokumentanzahl, Relevanz und Quelle; Beziehungen werden als erklärbare Hinweise dargestellt, nicht als absoluter Fakt.

• Mehrere Suchwellen laufen bis zu definierten Abdeckungskriterien; der Agent stoppt nicht beim ersten plausiblen Treffer.
• Begriffe, Schlüsselwörter und Cluster bleiben auf Quellen zurückführbar, damit die Themenlandkarte prüfbar bleibt.
• Die Graphansicht wird als erklärbare Themenlandkarte positioniert, nicht als unfehlbarer Wissensgraph.

Der Ablauf führt vom Briefing über Recherche und Gliederungsprüfung bis zum ersten Entwurf. Im Editor erscheinen die KI-Funktionen direkt an der markierten Textstelle: umschreiben, prüfen, belegen oder weiter recherchieren. Jede Aktion erhält markierten Text, Abschnitt, Ziel des Dokuments und passende Quellen als Kontextpaket.

• Dokumentmodell: Der Editor verwaltet Abschnitte, Auswahl, Quellenverweise, automatisches Speichern und Versionen als echte Dokumentobjekte statt als Chattext.
• Kontextpakete: Jede KI-Aktion erhält markierten Text, Abschnittsziel, Nutzerauftrag, vorhandene Quellen und bekannte offene Punkte.
• Prüfpunkte: Recherche, Gliederungsprüfung, Entwurf, Umschreiben im Text und Quellencheck sind getrennte Schritte mit menschlicher Freigabe an den entscheidenden Stellen.
• Änderungskontrolle: Vorschläge werden reviewbar eingefügt; Autoren übernehmen, verwerfen oder überarbeiten, statt dass die KI still das Dokument überschreibt.

• Die KI arbeitet nur auf markiertem Text plus Kontextpaket und liefert reviewbare Vorschläge statt stiller Änderungen.
• Aussagen, Zitate und Evidenz bleiben im Dokumentfluss sichtbar, damit fachliche Autoren Aussagen prüfen können.
• Automatisches Speichern, editierbare Dokumentbausteine und akzeptierbare Änderungen verhindern, dass KI-Arbeit im Chatverlauf verloren geht.

Microsoft Content Understanding (AI Service) erkennt Seiten, Abschnitte, Tabellen und Positionen im Originaldokument. Beim Aufteilen der Texte bleiben Seitenbezug, Textstelle, Dokumentpfad und Berechtigungen erhalten. Der Suchindex kombiniert Begriffssuche und Bedeutungssuche; Belegdatensätze verbinden Antwort, Treffer und markierte Stelle im Dokumentviewer.

• Dokumentenaufnahme: Dokumente werden in Seiten, Abschnitte, Absätze, Tabellen und Positionen im Original zerlegt.
• Suchindex: Textstücke speichern Ursprungselement, Seite, Textstelle, Dokumentpfad und Berechtigungsinformationen; der Suchindex nutzt Begriffssuche und Bedeutungssuche.
• Antwortlogik: Der Bot generiert nur mit zitierfähigen Treffern; bei schwacher Evidenz antwortet er eingeschränkt oder bricht mit Hinweis auf fehlende Belege ab.
• Quellenanzeige: Belegdatensätze verbinden Antwortsatz, Textstück und Viewer-Koordinaten, sodass die Passage im Dokument markiert werden kann.

• Antworten werden an zitierte Passagen gebunden; bei dünner Evidenz muss der Bot einschränken oder abbrechen.
• Belegdaten entstehen bereits beim Aufteilen der Dokumente, sodass Nutzer vom Antwortsatz zur markierten Originalstelle springen können.
• Berechtigungen, Suchtreffer und Belegdatensätze bilden die Prüfspur für Support, Audit und Qualitätsverbesserung.