Wie Adobe DITAWORLD-Experten Content im KI-Zeitalter navigieren

Hinweis: Dieser Blogartikel wurde aus seiner Originalversion übersetzt und kann geringfügige Abweichungen enthalten. Auch die im Text enthaltenen Zitate wurden übersetzt.

Der Markt ist überflutet mit Erfolgsgeschichten von Unternehmen, die mit ihren KI-Projekten große Erfolge erzielen. Andere Teams sind jedoch im Stillen gestresst und frustriert und fragen sich, warum ihre Projekte diese versprochenen Ergebnisse nicht widerspiegeln. Die Präsentationen bei Adobe DITAWORLD 2025 haben sich dieser Lücke angenommen und konkrete Einblicke gegeben, wie Dokumentation für das KI-Zeitalter aufgerüstet werden kann.

Vivek Kumar eröffnete die 10. Ausgabe dieser Veranstaltung und unterstrich dieses Thema von Anfang an, als er Ergebnisse aus Adobes jüngster KI-Umfrage vorstellte, die ergab, dass 54 % der Befragten besorgt über die Ausgabequalität und KI-Halluzinationen von Generative AI (GenAI)-Tools waren.

Lesen Sie weiter, um die 4 Elemente zu entdecken, die Content-Leader als essenziell für den Aufbau von KI-Readiness und Business-Agilität in dieser neuen Ära intelligenter Inhalte erachten. Wir haben direkte Zitate aus den Präsentationen zusammengestellt, die Ratschläge und Erfahrungen aus erster Hand bieten, wie dieser Übergang zu bewältigen ist.

1. Eine modulare Denkweise für skalierbaren Content

Bei DITAWORLD war es keine Überraschung, dass viele Präsentatoren große Befürworter von strukturierten Authoring-Tools waren und erklärten, dass DITA (oder andere Schreibstandards) ein grundlegender Bestandteil der Vorbereitung von Content für KI ist.

In ihrer Präsentation „Analyzing & preparing your DITA for Generative AI“ ging Amanda Patterson (Comtech Services) auf die häufig gestellte Frage ein: „Woher weiß ich, dass mein Content vom LLM genutzt wird?“. Diese Frage ist besonders wichtig für Unternehmen, deren LLMs archivierte Inhalte unterstützen müssen. „Je nachdem, wie weit Sie zurückgehen müssen und wann Sie zu DITA gewechselt sind, werden Sie Fragen bekommen wie ‚Ist es strukturiert?‘ ‚Wie bringe ich [das LLM] dazu, [den Content] zu lesen?‘ ‚Habe ich native Dateien?‘ ‚Wie bekommen wir diesen Content da rein?‘„.

Bevor Amanda ihre Liste zur KI-Content-Vorbereitung besprach, beruhigte sie die Zuschauer, die derzeit noch keine konkreten Pläne zur Implementierung von KI haben, und erklärte: „Sie können bereits jetzt anfangen, an solchen Dingen zu arbeiten, um Ihren Content vorzubereiten, sodass Sie bereit sind, wenn der Tag kommt, an dem Sie aufgefordert werden, das LLM zu füttern.“ Der erste Punkt auf ihrer Liste war, „Content modular und strukturiert zu gestalten“. Hier empfahl sie allen, die noch nicht in DITA arbeiten, es zur Strukturierung von Content zu verwenden, während diejenigen, die bereits in DITA arbeiten, sich auf Templates konzentrieren sollten.

Amanda erläuterte den Wert von DITA für KI genauer und erklärte: „KI liebt Struktur, weil sie immer noch eine Maschine ist. Sie liest immer noch den Text oder den Code oder die Quellenansichten unseres Contents. Und ich denke, diejenigen von uns, die sagen ‚ja, ja, wir sind schon ewig in DITA, uns geht’s gut‘, sollten wirklich ihre Granularität hinterfragen.“ Sie erläuterte die Bedeutung von Granularität, indem sie erklärte, dass jemand, der googelt „Wie groß ist André the Giant“, eine prägnante, direkte Antwort erwartet und nicht einen langen Textblock, in dem die Antwort versteckt ist. Daher müssen viele Unternehmen, die bereits DITA verwenden, die Größe ihrer Topics neu bewerten, um sicherzustellen, dass die KI in der Lage ist, wichtige Informationen leicht zu extrahieren.

Wer sich vom Übergang zu strukturiertem Content überfordert fühlt, findet wertvolle Orientierung in der Präsentation „Scale smart!“ von Greg Kalten und Alex Price (Broadcom). Im Jahr 2019 übernahm Broadcom CA Technologies, was die Migration von etwa 1,5 Millionen unstrukturierten Content-Seiten erforderte.

Diese Migration machte ein CCMS erforderlich, das es ihnen ermöglichte, die Dokumentation zu skalieren, mit einem schlanken Dokumentationsteam zu arbeiten und Funktionalitäten wie Authoring-Fähigkeiten, Versionsverwaltung, Übersetzungsdienste, PDF- und HTML5-Publishing sowie Online-Publishing anzubieten. Angesichts dieser Kernfunktionen entschieden sie sich für die Migration zu AEM 6.4.2 und Guides (damals DoX genannt) 3.3. Mit einer Frist von fünf Monaten gelang ihnen erfolgreich der Wechsel von unstrukturiertem zu strukturiertem Content mit folgenden Schritten:

• Bestehenden Content in DITA konvertieren
• Content verpacken, hochladen und installieren
• Die Dokumentation generieren und verifizieren, um zu sehen, ob sie funktioniert
• Eventuelle Content-Probleme beheben und den Validierungsschritt bei Bedarf wiederholen, bis keine Probleme mehr vorhanden sind
• Sobald alles funktioniert, den Content veröffentlichen

Unternehmen, die den Wechsel noch nicht vollzogen haben, können aus Broadcoms Erfahrung lernen, um Best Practices von Anfang an zu priorisieren. Obwohl dies ein komplexer und zeitaufwändiger Prozess ist, zeigt Amandas Präsentation deutlich, dass granularer, strukturierter Content die KI-Relevanz verbessert und somit eine lohnende Investition für zukunftssichere Dokumentation darstellt.

2. Eine umfassende Metadaten-Strategie: Annotieren oder zurückbleiben

Neben der Struktur ist ein weiterer wichtiger Indikator für modernen technischen Content Metadaten. Die Präsentatoren waren sich einig, dass frühe Investitionen in Metadaten sich auszahlen und nicht optional sind. Steven Rosenegger (Topcon Positioning Systems) hob Metadaten und Taxonomie als einen der ersten Schritte im 90-Tage-Kickstart-Ansatz seines Teams zur Entwicklung zukunftssicherer Inhalte hervor. Diese Botschaft war laut und deutlich und hallte durch alle Präsentationen. Veranstaltungsteilnehmerin Heli Hytönen von Lionbridge kam zum gleichen Schluss und teilte auf LinkedIn mit: „Nach zwei Tagen DITAWORLD ist dies mein wichtigstes Fazit: Annotieren Sie diese Daten. Taggen Sie Ihren Content. Labeln Sie ihn. Fügen Sie Metadaten hinzu.„

Warum sind Metadaten so wichtig? Sie sind essenziell für Wiederverwendung, KI-Genauigkeit und dynamische Bereitstellung. Gut annotierter Content hilft KI-Systemen, schneller den richtigen Content für die Bedürfnisse jedes Nutzers zu finden und verhindert Halluzinationen. Noz Urbina (Urbina Consulting) fasste dies in seiner Präsentation „The Truth Collapse“ zusammen, als er erklärte, dass semantische Daten Bedeutung haben. Daher macht das Hinzufügen von Metadaten Content für Maschinen leichter lesbar und verständlich, was wiederum menschlichen Nutzern hilft, relevante Informationen schneller zu finden.

Ein genauerer Blick auf KONEs Metadaten-Journey

Das Annotieren von Content mit Metadaten ist kein einfacher Schritt zum Abhaken, sondern eine komplexe neue Strategie und ein neuer Workflow. Um dies zu veranschaulichen, führten Hanna Heinonen und Kristian Forsman (KONE) die Teilnehmer durch ihren Metadaten-Übergang in der Präsentation „How KONE Delivers Intelligent Experiences“ mit Fabrice Lacroix (Fluid Topics).

Dort erklärte Kristian, dass das Hinzufügen von Metadaten ein langer Prozess war, insbesondere da KONE zu Beginn viele Legacy-PDFs hatte. Er erklärte, dass am Anfang „PDFs generiert wurden, und dafür braucht man nicht wirklich viele Metadaten. Aber wir haben trotzdem durchgesetzt und die Leute dazu gebracht, Metadaten zu vielen Inhalten hinzuzufügen, was sich jetzt als sehr gut erwiesen hat.“ Mehrere Jahre später, mit Metadaten als Kernbestandteil ihrer Content-Operations, hat KONE die Auffindbarkeit von Informationen und die Genauigkeit der Suchergebnisse verbessert.

Entscheidend ist, dass Hanna auch betonte, dass dies kein einmaliges Projekt ist, „sondern ein fortlaufender Prozess über die Jahre hinweg, um zu verbessern und anzupassen.“ Falls das neben dem Rest Ihrer Content-Operations beängstigend oder überwältigend klingt, beruhigte Hanna ihre Kollegen in der Content-Führung mit den Worten: „Wir haben festgestellt, dass wir uns nicht in Look and Feel von PDFs verlieren sollten. Was wirklich zählt, ist die Semantik von XML. Wir können das Stylesheet feinabstimmen, müssen aber auf das Tagging achten.„

Nach mehreren wertvollen Einblicken fasste Fabrice die wichtigsten Erkenntnisse von KONEs Metadaten-Strategie zusammen. „Ihr Rat ist, so früh wie möglich grundlegende Investitionen in Metadaten zu tätigen. Seien Sie pragmatisch und iterieren Sie dann, um dies zu optimieren und mehr hinzuzufügen, während Sie die Bedürfnisse und den Business Case und den Use Case für diese Metadaten verstehen, um die richtige Information zu platzieren, wie den Kontext oder das Profil des Nutzers und all das.„

Schließlich erkannte KONE bei aktuellen Content-Projekten eine Gelegenheit, Technikern vor Ort zu helfen, komplexe Probleme aus der Ferne mit KI zu lösen. Ihr neuer GenAI-Chatbot, Technician Assistant, ist jetzt der primäre Kontaktpunkt für Techniker und hat die Zeit bis zur Lösung erheblich verkürzt und die Ablenkung von Helpdesk-Anrufen erhöht.

KONEs langjährige Arbeit zur Strukturierung ihres Contents und zur Implementierung gut konzipierter Metadaten für dynamische Content-Bereitstellung bietet weiterhin geschäftlichen Mehrwert. Diese Bemühungen sind jetzt auch für die effiziente maschinelle Verarbeitung von Vorteil und helfen ihrem KI-Chatbot, Daten intelligent abzurufen.

3. Eine Steigerung der Qualität mit Intention

„Content-Qualität ist die nächste Grenze der KI-Leistungsverbesserung.“ Diese Maxime von Noz Urbina fordert die weitreichende Implementierung von Qualitätssicherung, um die Effizienz und das Computerverständnis von Content zu erhöhen. Schließlich reduziert die Aufrechterhaltung eines konsistenten Qualitätsniveaus – einschließlich standardisierter Terminologie, prägnanter Sprache und minimalistischem Schreiben – die Risiken von KI-Halluzinationen.

Deborah Walker (Acrolinx) betonte in ihrer Präsentation „Quality By Design“ die Bedeutung der Integration dieser Qualitätsschritte in Ihre Content-Operations. Die Explosion des Content-Volumens birgt heute neue Risikochancen in einer komplexen und sich entwickelnden regulatorischen Landschaft. Die manuelle, reaktive Strategie, die Compliance als letzte Hürde behandelt, ist veraltet und führt zu Engpässen im Veröffentlichungsprozess. Unternehmen müssen den Ansatz umkehren und Qualitätssicherung und Compliance in ihre Content-Workflows einbetten, um reibungslose Abläufe, verbesserte Konsistenz und erhöhte Effizienz zu erreichen. Sie merkte an, dass dies unter anderem die Content Governance für KI-generierten Content stärkt.

4. Menschengeführter Content und Aufsicht für wertschöpfende KI

Neben der Begeisterung und den Best Practices zur Optimierung von Content für KI-Tools hoben mehrere Präsentationen auch Risiken und Managementüberlegungen für Unternehmen hervor. Tatsächlich war das Verständnis der Beziehung zwischen Menschen und KI ein durchgängiges Thema in der Podiumsdiskussion „Empathy is not a prompt!“, moderiert von Stefan Gentz (Adobe) mit Bernard Aschwanden (CCMS Kickstart), Sarah O’Keefe (Scriptorium) und Markus Wiedenmaier (c-rex.net).

Ihre Diskussion berührte die Vorstellung, dass wir als Menschen sowohl Nutzer als auch Systeme verstehen und daher die Verantwortung und Rechenschaftspflicht gegenüber Maschinen behalten. Dokumentationsteams kontrollieren, was in KI eingeht, und sind dafür verantwortlich, das anzupassen, was herauskommt, damit es korrekt und zuverlässig ist. Sie sind auch für das Nutzervertrauen oder dessen Fehlen in Content verantwortlich, weshalb Qualitätssicherung in KI-Projekten so wichtig ist.

Später berührte ihr Gespräch die sich verändernde Rolle von Technical Writern. Markus betonte, dass die Frage, ob KI Technical Writer ersetzen wird, davon abhängt, wie man ihre Rollen definiert. Sie schreiben möglicherweise weniger und konzentrieren sich stattdessen mehr auf KI-Management, da diese Systeme kompliziert sind und Aufsicht erfordern, um qualitativ hochwertige Outputs aufrechtzuerhalten. Während sich diese Rolle verändert, werden Dokumentationsteams zu Informationsarchitekten, die sich auf Content-Struktur, Governance und Wiederverwendungsstrategien konzentrieren.

Als Teil dieser Aufsicht warnte Noz in seiner Präsentation, dass KI-Modelle Feedbackschleifen verwenden, um kontinuierlich unsere Daten und Inhalte aufzunehmen, um hochgradig ansprechenden Content zu generieren. Diese Verschiebung davon, dass wir Nutzer sind, die nach Informationen suchen, hin dazu, dass uns Informationen gefüttert werden, stellt jedoch Volumen über Wert, und hier riskieren wir einen Truth Collapse.

Daher müssen wir KI klug einsetzen, damit ihre Outputs Wert schaffen. Das bedeutet, KI für Aufgaben wie Auto-Tagging, Recherche-Synthese, Persona- und Journey-Mapping zu verwenden – für Entwürfe, nicht für Deliverables.

Wie anfangen? Jetzt anpassen, kontinuierlich iterieren

Auch wenn diese Implementierungs-Checkliste und Best Practices lang und komplex erscheinen mögen, keine Sorge. Die Verbesserung von Content für die optimierte Nutzung durch KI-Systeme ist kein einmaliges Projekt. Mit anderen Worten, es ist ein Marathon, kein Sprint. Technischer und Produkt-Content ist ein sich entwickelndes, lebendiges System, das sich auszahlt, wenn es richtig gemacht wird. Der Schlüssel liegt also darin, jetzt mit dem Aufbau des Fundaments zu beginnen und dann kontinuierlich zu iterieren und anzupassen, um bessere Ergebnisse zu erzielen.

In den weisen Worten von Noz Urbina: „Seit Jahrzehnten bereiten wir uns und unseren Content auf diesen Moment in der Geschichte vor.“ Wir wissen, was funktioniert – klare Sprache, modularer und strukturierter Content, durchsuchbare Formate, annotierter Text – und es ist nichts Neues. Aber jetzt ist es an der Zeit, Ihre Strategie zu optimieren und diese Best Practices in die Tat umzusetzen.

Und verpassen Sie nicht die im Artikel erwähnten Präsentationen unter den folgenden Links (auf Englisch):

• Analyzing & preparing your DITA for Generative AI – Amanda Patterson (Comtech Services)
• Empathy is not a prompt! – Stefan Gentz (Adobe), Bernard Aschwanden (CCMS Kickstart), Sarah O’Keefe (Scriptorium), und Markus Wiedenmaier (c-rex.net)
• How KONE Delivers Intelligent Experiences – Hanna Heinonen (KONE), Kristian Forsman (KONE), und Fabrice Lacroix (Fluid Topics)
• How Topcon Future-Proofed Its Global Content – Steven Rosenegger (Topcon Positioning Systems) und Bernard Aschwanden (CCMS Kickstart)
• Quality By Design – Deborah Walker (Acrolinx)
• Scale smart! – Greg Kalten und Alex Price (Broadcom)
• Truth Collapse – Noz Urbina (Urbina Consulting)