Style Guide KI-fähige Dokumente

Grundfrage

Generell muss man sich verdeutlichen, wofür ein Dokument verwendet wird, welche Fragen es beantworten kann.

Eine Prozessbeschreibung beispielsweise kann

1. Einen ganzen Prozess Schritt für Schritt beschreiben
2. Eine Antwort darauf geben, auf was in einem bestimmten Schritt zu achten ist oder
3. Ermitteln, wer der Verantwortliche für einen Schritt ist.
   
   

Während die Punkte 2.) und 3.) durchaus mit der Nutzung eines LLMs geschickt beantwortet werden können, sollte man sich überlegen, ob die Frage „beschreibe mir Schritt für Schritt den Prozess xy“ nicht am besten mit einem Link auf das Dokument beantwortet wird. Eine solche Forderung kann als Anweisung in dem Dokument hinterlegt werden.

Inhalt

Die Inhalte müssen vollständig und widerspruchsfrei sein und dürfen kein Spezialwissen voraussetzen.

Vollständigkeit

Vollständigkeit meint, dass alle zu beantwortenden Fragen (die also im entsprechenden Agenten als beantwortbar definiert sind) beantwortet werden können. Alle Wissenslücken laden zum Halluzinieren ein.

Widerspruchsfreiheit

Widerspruchsfreiheit erscheint logisch. Dennoch tritt diese zuweilen auf, wann beispielsweise Sonderfälle nicht eindeutig gekennzeichnet sind. Tatsächlich erkennen die meisten LLMs Widersprüche nicht oder nur sehr unvollständig. Das Leistungsvermögen von LLMs steigt, wenn man den Reasoning-Aufwand erhöht. Allerdings ist dies in einer Beauskunftungssituation unrealistisch und wird auch mit steigendem Textvolumen dann wieder fehleranfälliger. Die tatsächliche Fähigkeit von AI zum Finden von Widersprüchen ist nicht stark ausgeprägt in größeren Textbeständen.

Kein Spezialwissen unerklärt verwenden

Häufig besteht in Unternehmen ein internes, als selbstverständlich vorausgesetztes Wissen, das die Maschine nicht wissen kann. Daher interpretiert sie häufiger Dinge einfach falsch. Beispiele sind Rollen von Mitarbeitern, die eh jeder kennt, Prozessbezeichnungen, Räumlichkeiten, Produkte etc. Aber auch Begriffe, die im Alltag anders verwendet werden. Ein Beispiel wäre der „Anschluss“ bei einem Energieversorger. Wenn das System nicht weiß, dass es um den Energieversorgerfall geht, kann es den Begriff des Anschlusses auch falsch interpretieren.

Dokumentenlänge

Die Fehlerrate steigt bei GenAI mit der Länge der Texte, die es zu verarbeiten hat. Es ist daher hilfreich, abgeschlossene Wissenszusammenhänge zusammenhängend zu schreiben und Dokumente nicht zu lange werden zu lassen.

Das „Lokalitätsprinzip“

LLMs haben immer Probleme, Texte, die an verschiedenen Stellen stehen logisch zusammenzufassen. Soll beispielweise hinterlegt werden, wann dein Service geöffnet ist, dies jedoch auch von der Stadt, dem Tag und potentiellen Feiertagen abhängt, dann ist die Fehlerrate hoch, wenn diese Informationen verteilt stehen. Es ist immer hilfreich, solche zusammengehörenden Informationen auch zusammenzuschreiben.

Das „Vorverarbeitungsprinzip“

Es ist hilfreich, zutreffende komplexerer Aussagen im Dokument schon vorzusehen.

Beispiele:

1. Was ist der Größte, was ist der Kleinste: Das könnte das LLM auch selbst ermitteln, die Fehlerrate ist jedoch nicht klein

2. Wann ist der Laden geöffnet: Abhängig von Wochentag, Standort, Feiertag und noch einer Ausnahmenliste wäre das ziemlich fehlerträchtig. Hier ist es hilfreich, diese Aussagen schon kombiniert z.B. in Tabellenform im Dokument zu hinterlegen

3. Extraktion von Aussagen in strukturierte Datenstrukturen (YAML, JSON, XML): Die Qualität der LLM Verarbeitung steigt extrem, wenn Inhalte vorverarbeitet in strukturierten Daten zusätzlich zum Dokument abgelegt werden.

Nutzung von Templates 

Ein KI-fähiges Dokument sollte eine klare, wiederkehrende Struktur haben. Daher macht es auch Sinn, mit Templates zu arbeiten. Templates können sich dann für Tarife, Prozessbeschreibungen, Produktbeschreibungen, Prozesse, Sprachregelungen, Arbeitsanweisungen etc. unterscheiden. Wichtig ist, dass jeder Tarif gleich strukturiert ist, jeder Prozess etc.

Ein Beispiel für eine Prozessbeschreibung könnte so aussehen:

1. Titel – eindeutig und beschreibend
2. Einleitung/Zusammenfassung – wann und wofür der Prozess gilt.
3. Zielgruppe – Wer führt den Prozess durch, welche Berechtigungen / Voraussetzungen werden benötigt
4. Identifikationskriterien – Woran erkennt man den Fall?
5. Prozessbeschreibung – Schritt-für-Schritt, nummeriert
6. Sonderfälle/Ausnahmen – gesondert und klar gekennzeichnet
7. Abschluss – Was danach zu tun ist
8. Querverweise – mit kurzer Erklärung
   
   

Formatierungsregeln für klare Struktur

LLMs profitieren davon, wenn Texte übersichtlich formatiert sind.

• Überschriften konsistent (hierarchisch, z. B. H1 → H2 → H3).
• Nummerierte Listen für Prozessschritte.
• Bulletpoints (•) für Aufzählungen.
• Tabellen nur für strukturierte Daten, nicht für Fließtext.
• Tabellenüberschriften (Header) immer beschreiben, keine leeren Felder in den Tabellen (sondern beispielsweise beschreiben, wenn es eine Variante nicht gibt.)
• Deutlicher Abschluss von Listen: Eindeutig erkennbar machen, wann eine Liste endet, bevor der Fließtext weitergeht.
  
  

Metadaten

Metadaten erlauben häufig, die Datenmenge für das LLM so zu reduzieren, dass die Antwortqualität steigt. Beispielsweise sollen dem System nur die Dokumente zur Verfügung gestellt werden, die für Elektroautos gelten oder nur die Dokumente, die für Verbrenner gelten.

• Verwende klare, direkte Sprache – keine verschachtelten Sätze.
• Im Präsens formulieren, wo es Sinn macht und möglich ist. Auf verwirrende Sprünge in den Zeitformen verzichten. (statt “Wenn der Kunde schon gewechselt hatte, ist zu prüfen ob...” lieber “sind in der Vertragshistorie zum Vertrag schon Wechsel eingetragen, dann ist zu prüfen...”) 
• Konjunktiv vermeiden („sollte“, „könnte“) → stattdessen klare Aussagen
• Keine unnötigen Fachbegriffe, und wenn sie nötig sind: immer erklären. Diese Erklärung kann auch über ein zusätzliches Glossar geliefert werden, auf das die AI im Fragefall Zugriff hat.
• Prozesse beschreiben, nicht nur Zustände („Klicke auf...“, „Wähle...“, statt „ist geöffnet“).
• Klare Bedingungen und Regeln formulieren, wenn Aussagen nur bedingt gelten. Dabei ist zu berücksichtigen, dass komplizierte Bedingungen für AI schnell zu kompliziert werden (beispielsweise Vertragsbedingungen). Da kann es auch sein, dass man lieber auf entsprechende Systeme (Konfiguratoren oder Preisrechner) verweist oder diese als Tool verwendet.
• Kein impliziertes Wissen (siehe oben): Menschen wissen viel über die Umgebung- die AI eigentlich nichts. Allgemeines Wissen zu Sprachregelungen, Ansprechpartnern, räumlichen Gegebenheiten etc. sind dem System generell nicht bekannt und können daher nicht vorausgesetzt werden.
• Konsistente Formulierungen, immer dieselben Begriffe für Prozesse, Rollen, Systeme, Produkte etc. verwenden
• Unklare Ausdrucksweise – vermeide doppeldeutige oder widersprüchliche Formulierungen.
• Eindeutige Satzbezüge herstellen („Die Möglichkeit einer Gruppenversicherung gilt nicht für Landwirt:innen“ statt „Dies gilt nicht für Landwirt:innen“). Statt Pronomen, Adverben etc. den direkt gemeinten Sachverhalt lieber nochmal schreiben.
• Explizit machen, wenn etwas nicht gilt oder nicht existiert, um Fehlinterpretationen zu vermeiden. Beispiel: Gibt es im Hallenbad ermäßigte Preise, im Freibad hingegen nicht, dann sollte man explizit beschreiben, dass es im Freibad keine ermäßigten Preise gibt, um zu verhindern, dass das LLM sich Ermäßigtenpreise im Freibad ausdenkt.
• Klare Trennung zwischen Prozessen, Regeln, Hintergrundinformationen.
• Eindeutige Reihenfolgen sprachlich deutlich kennzeichnen („Zuerst... Dann... Anschließend...“).