Die Herausforderung der Dokumentenflut
Ein Genfer Vermögensverwalter erhält täglich Fondsberichte, Investitionsverträge, steuerliche Rechtsgutachten, regulatorische Schreiben und Bankkorrespondenz. Das Lesen kostet bis zu 40 % der Zeit, ist nicht fakturierbar, und wichtige Inhalte können übersehen werden. Gesucht war ein System, das verlässliche, strukturierte Zusammenfassungen liefert, ohne die Schweizer Datenhoheit (DSG/Bankgeheimnis) zu verletzen.
Die Lösung: Dokumentenintelligenz
Wir setzten auf Azure AI Document Intelligence und Azure OpenAI Service in Switzerland North. Der Ablauf:
- Ein Dokument landet in einer dedizierten SharePoint-Bibliothek.
- Ein Power-Automate-Flow erkennt den Upload und lässt Document Intelligence den Typ bestimmen (Vertrag, Finanzbericht, Rechtsgutachten usw.).
- Das Dokument geht an ein GPT-4-Turbo-Modell mit typenspezifischem Prompt.
Der Prompt definiert je nach Dokument, was extrahiert wird:
- Fondsbericht: Performance, Hauptrisiken, Strategieänderungen, relevante Ereignisse.
- Vertrag: Parteien, Laufzeit, Kündigung, Pflichten, juristische Punkte.
- Steuerliche Note: Auswirkungen auf Vermögensstrukturen, Fristen, Empfehlungen.
Das Modell erzeugt zwei Stufen: eine Executive Summary (150–200 Wörter) und eine detaillierte Zusammenfassung (500–800 Wörter) mit thematischen Abschnitten und Schlüsselzitaten. Beide werden als SharePoint-Metadaten gespeichert und in Azure AI Search semantisch indexiert.
Betrieb und Benachrichtigung
Der Manager erhält eine E-Mail mit der Executive Summary plus Links zum Dokument und zur Detail-Zusammenfassung. So entscheidet er sofort, ob tiefer gelesen werden muss. Suchen laufen semantisch in AI Search, ohne Daten zu exportieren.
Messbare Vorteile
Nach neun Monaten sank die Review-Zeit um 70 %; was früher drei bis vier Stunden dauerte, braucht jetzt eine. Die Dokumentenabdeckung verzehnfachte sich ohne zusätzliches Personal. Die Qualität stieg: Steuer- und Investmentchancen werden rechtzeitig erkannt. Kunden erhalten regelmäßige Updates; der NPS stieg um 12 Punkte.
Verlässlichkeit und Kontrolle
Wöchentlich prüft ein Senior-Jurist Stichproben; die Genauigkeit liegt bei 97 %, Abweichungen sind meist kleine Auslassungen. Bei hoher Unsicherheit markiert das Modell den Fall für menschliche Freigabe. Vollständige Audit-Trails erfüllen FINMA-Anforderungen.
Architektur und Sicherheit
Alle Dienste nutzen Private Link, keine Internet-Exposition. Daten verlassen die Schweizer Rechenzentren nicht. GPT-4 Turbo läuft mit Azure-OpenAI-Enterprise-Zusagen, dass Daten nicht zum Training dienen. Zugriff via Azure AD, MFA, Conditional Access; Logging in Azure Monitor.
Die monatlichen Kosten (~800 CHF inklusive Azure, Power Automate Premium, Support) amortisieren sich durch eingesparte Tage Arbeit.
Den Ansatz erweitern: von der Zusammenfassung zur Unterstützung beim Verfassen
Dieselbe Architektur auf Basis von Azure OpenAI und Azure AI Search lässt sich nutzen, um das Verfassen juristischer Dokumente zu unterstützen, etwa von Handelsverträgen. Die Aufgabe ändert sich: Es geht nicht mehr darum, einen bestehenden Text zu verdichten, sondern aus geprüftem Material einen verlässlichen ersten Entwurf zu erstellen. Vier Grundsätze ergeben sich daraus.
Eine Klauselbibliothek mit klarer Verantwortung
Freigegebene Klauseln (höhere Gewalt, Vertraulichkeit, Streitbeilegung, geistiges Eigentum usw.) werden nach Typ, Bereich und Risikostufe geordnet, samt Anwendungsbedingungen und Varianten je nach Rechtsordnung. Sie werden mit Embeddings für die semantische Suche indexiert. Eine benannte Person, typischerweise die Leitung Recht, genehmigt jede neue Klausel und jede Änderung, und die Bibliothek wird regelmässig überprüft, um Praxis und Rechtsprechung zu folgen.
Ein Erfassungsformular statt einer freien Anfrage
Die Juristin oder der Jurist erfasst zunächst die Vertragsparameter in einem strukturierten Formular: Art des Geschäfts, Parteien, Rechtsordnung, Zahlungsbedingungen, Fristen, Besonderheiten. Das Modell wählt danach die passenden Klauseln aus der Bibliothek und passt sie an die Variablen des Falls an. Diese Vorgabe begrenzt erfundene Klauseln und macht das Ergebnis reproduzierbar.
Konsistenzprüfung vor der Durchsicht
Vor der menschlichen Durchsicht prüft eine automatische Kontrolle die Querverweise zwischen Artikeln, die Übereinstimmung von Beträgen und Daten sowie das Fehlen widersprüchlicher Klauseln. Stellen, die manuelle Angaben erfordern (Spezifikationen, ausgehandelte Bedingungen), werden im Dokument markiert.
Nachvollziehbarkeit und menschliche Freigabe
Jedes Dokument hält fest, wie es entstanden ist: Ausgangsparameter, gewählte Klauseln, manuelle Änderungen. Dieser Prüfpfad dient Kontrollen und der Weiterentwicklung des Systems. Das Ergebnis bleibt ein Entwurf: Vor jeder Unterzeichnung ist die Freigabe durch eine Juristin oder einen Juristen unerlässlich.
Fazit
Generative KI kann wissensintensive Berufe massiv entlasten. Die automatisierte Erstlektüre gibt Managern Zeit für Analyse und Kundenkontakt. Mit privaten Zusammenfassungen in Microsoft 365 und Azure gewinnt man Tempo und wahrt Vertraulichkeit – im Einklang mit AI-search-Trends, aber mit voller Souveränität.
Practical tips for Microsoft/Azure
- Keep examples concrete: show 1-2 configuration steps (Azure resource, ask prompt), and test with a small dataset first.
- Prefer RAG (retrieval-augmented generation) for grounding answers: index internal docs, add answer citations and logging.
- Deploy models in a Swiss region for data sovereignty and enable proper moderation + access controls (Azure AD, role-based).