Doppelte Dokumente vor dem Chatbot-Import bereinigen

Das Problem

Sie suchen die Reiserichtlinie Ihres Betriebs und finden sie in sieben Varianten: «Reiserichtlinie.docx», «Reiserichtlinie_neu.docx», «Reiserichtlinie_final.docx», «Reiserichtlinie_final_v2.docx», dazu je eine Kopie in zwei Ordnern und ein PDF. Welche gilt? Wer es nicht weiss, öffnet zuerst die neueste, hofft und fragt dann bei der Kollegin nach.

Ein Chatbot kann das nicht. Er liest alle sieben Dateien und behandelt sie gleich. Auf die Frage «Wie hoch ist die Tagespauschale?» findet er drei verschiedene Beträge, nennt einen davon oder vermischt sie. Der Nutzer erhält eine Antwort, die plausibel klingt und vielleicht falsch ist.

Doppelte und mehrfach vorhandene Dokumente sind deshalb eine der häufigsten Ursachen für schlechte Chatbot-Antworten. Die Lösung liegt nicht im Chatbot, sondern in der Vorbereitung der Daten. Diese Anleitung zeigt Schritt für Schritt, wie Sie vorgehen.

So lösen Sie es mit KI – Schritt für Schritt

1. Sicherung anlegen. Bevor Sie etwas verschieben oder löschen, erstellen Sie eine vollständige Sicherungskopie der betroffenen Ordner. Sie arbeiten dann mit Reserve.

1. Inventar erstellen. Exportieren Sie die Dateiliste mit Name, Pfad, Grösse und Änderungsdatum in eine Tabelle. Siehe Dokumenten-Inventar als Vorlage.

1. Offensichtliche Dubletten finden. Sortieren Sie nach Dateinamen und Grösse. Dateien mit gleichem Namen und gleicher Grösse in verschiedenen Ordnern sind meist Kopien. Es gibt auch Programme, die Dubletten über den Inhalt erkennen.

1. Ähnliche Fassungen gruppieren. Namen wie «_neu», «_final», «_alt», «_v2» deuten auf Versionen. Legen Sie pro Dokument eine Gruppe an und tragen Sie die Dateien in die Tabelle ein. Die KI kann Ihnen helfen, ähnliche Namen zu gruppieren (Vorlage unten).

1. Gültige Fassung bestimmen. Für jede Gruppe legt die zuständige Person fest, welche gilt. Schauen Sie auf Datum, Unterschriften, Freigabevermerke. Im Zweifel fragen Sie die Verfasserin.

1. Unterschiede prüfen. Vergleichen Sie bei unklaren Fällen die Fassungen. Word und Acrobat können Dokumente vergleichen. Notieren Sie, was sich geändert hat.

1. Archiv trennen. Verschieben Sie alte Fassungen in einen Archivordner, der nicht importiert wird. Löschen Sie nichts endgültig, bevor die Sicherung geprüft ist.

1. Regel für die Zukunft festlegen. Pro Dokument gibt es einen Ort und eine gültige Fassung. Neue Fassungen ersetzen die alten. Ein Versionsverlauf im Dokumentensystem ist besser als Dateinamen wie «final2».

Vorlage zum Kopieren

Mit diesem Auftrag lassen Sie sich helfen, Dateinamen zu Gruppen zu ordnen. Geben Sie nur Dateinamen ein, keine Inhalte.

Hier ist eine Liste von Dateinamen aus unserem Dokumentenbestand (Name, Ordner, Datum, Grösse):
[Liste einfügen]

Aufgabe:
1. Gruppiere Dateien, die wahrscheinlich verschiedene Fassungen oder Kopien desselben Dokuments sind (z. B. «Reiserichtlinie», «Reiserichtlinie_neu», «Reiserichtlinie_final»).
2. Gib pro Gruppe eine Tabelle aus: Dateiname | Ordner | Datum | Grösse | Vermutung (Kopie, ältere Fassung, neuere Fassung, unklar).
3. Sage nicht, welche Datei gültig ist. Markiere nur «zuständige Person muss entscheiden».
4. Nenne Dateien, die keiner Gruppe zugeordnet werden konnten.
Erfinde nichts. Wenn du dir nicht sicher bist, schreibe «unklar».

Die Vermutungen der KI dienen als Arbeitsliste. Entschieden wird von Menschen anhand der Dateien.

Worauf Sie achten müssen

• Nicht blind löschen: Auch «alte» Fassungen können noch gebraucht werden, etwa als Nachweis. Archivieren statt löschen, und Aufbewahrungsfristen beachten.
• Gleicher Name, anderer Inhalt: Dateien mit identischem Namen können ganz verschieden sein. Vergleichen Sie den Inhalt, nicht nur den Namen.
• Mehrere Formate: DOCX und PDF desselben Dokuments sind Dubletten. Wählen Sie eine Form, zumeist die bearbeitbare, oder das PDF, wenn es die freigegebene Fassung ist.
• Auch der Chatbot dupliziert: Manche Systeme zeigen mehrere Treffer aus derselben Quelle an. Siehe Doppelte Suchtreffer.
• Verantwortung: Die Entscheidung, welche Fassung gilt, gehört zur zuständigen Fachperson, nicht zur KI oder zur IT allein.

Ein Beispiel aus der Praxis

Ein Beispiel: Eine Gemeindeverwaltung im Kanton Solothurn möchte Reglemente und Merkblätter für einen internen Chatbot nutzen. Im Ordner «Reglemente» liegen 410 Dateien.

Vorher weiss niemand, welche gilt. Nachher exportiert die Verwaltungsassistentin die Dateiliste und lässt Dateien mit ähnlichen Namen gruppieren. Es zeigt sich: 96 Dateien sind Kopien oder ältere Fassungen. Beim Reglement über die Abfallgebühren gibt es vier Fassungen mit unterschiedlichen Beträgen. Die Gemeindeschreiberin prüft den Gemeinderatsbeschluss und bestimmt die gültige. Die anderen kommen ins Archiv. Im Test nennt der Chatbot danach die richtigen Gebühren und verweist auf die Fassung mit Datum.

Die Assistentin dokumentiert ihr Vorgehen in einem kurzen Merkblatt: wie die Dubletten gefunden wurden, wer die gültige Fassung bestimmt hat und wo das Archiv liegt. Beim nächsten Import muss niemand von vorn beginnen. Auch für Revisionen und Nachfragen ist das hilfreich, denn es zeigt, dass der Bestand bewusst und nachvollziehbar bereinigt wurde und nicht nur zufällig.

So hilft Ihnen Alpasana

Wenn Sie Ihren Dokumentenbestand für einen Chatbot ordnen und den Ablauf dauerhaft verbessern möchten, unterstützt Alpasana bei KI-Beratung und digitaler Transformation: Prozesse aufnehmen, Geschäftsprozesse verbessern, digitale Workflows entwickeln, Systeme verbinden und die Umsetzung dokumentieren.

Eine Software zur Dublettenerkennung ist nicht Teil des Angebots. Projekte werden individuell offeriert.

Häufige Fragen

Kann die KI Dubletten automatisch löschen?

Das sollte sie nicht. Löschen ist unumkehrbar und hängt von Entscheiden über die gültige Fassung ab. Verwenden Sie Werkzeuge nur zum Finden und Gruppieren, nicht zum Löschen.

Wie finde ich Dubletten, wenn die Namen verschieden sind?

Programme zur Dublettensuche vergleichen den Inhalt oder eine Prüfsumme der Datei. Das gelingt bei identischen Kopien. Bei bearbeiteten Fassungen müssen Sie selbst vergleichen.

Wie oft muss ich bereinigen?

Einmal gründlich vor dem Import, danach regelmässig in kleinem Rahmen, zum Beispiel quartalsweise. Mit einer klaren Regel für neue Fassungen sinkt der Aufwand deutlich.