Technische Dokumentation mit AI
Technische Dokumentation begleitet ein Produkt über seine ganze Lebensdauer, weil noch Jahre später jemand wissen muss, wie es gebaut wurde und warum. Sie wird oft stiefmütterlich behandelt, weil sie Zeit kostet, und ihre Notwendigkeit wird unterschätzt, vor allem wenn das Projekt bereits abgeschlossen ist.
Jedes technische Gewerk verlangt Dokumentation: Betriebsanleitungen, Konformitätsunterlagen, technische Beschreibungen. Oft ist es Pflicht, um ein Produkt überhaupt vermarkten zu können. Erfüllt man nur seine Pflicht, hat man jedoch noch nicht den vollen Nutzen sauberer Dokumentation ausgeschöpft. Oft wird sie erst am Projektende erstellt, wenn das Budget knapp ist und die Köpfe schon beim nächsten Auftrag sind – dann entsteht mit fallender Motivation in wenigen Tagen das Nötigste, und alles wird abgelegt. Die einhellige Meinung ist oft: zu teuer, zu langwierig, ungeliebt, unnötig.
Moderne Dokumentation kann aber viel mehr. Mit AI lohnt es sich, die Doku bereits mit dem Projekt zu beginnen: Der laufende Aufwand sinkt so weit, dass die mitlaufende Dokumentation nicht mehr am Budget scheitert. Die Schritte und Aufzeichnungen werden der AI laufend übergeben, zunächst als Markdown-Dateien und später als Word- und PDF-Dokumente. Lässt man die AI Versionierung und Struktur sauber aufstellen, entsteht eine Basis, auf die sich spätere Aufgaben stützen können.
Durch diese Vorgehensweise wirkt man dem Dokumentations-Drift entgegen, also dem allmählichen Auseinanderlaufen von Realität und ihrer Beschreibung. Für die Software-Entwicklung gibt es Werkzeuge, die Beschreibung und Quelltext automatisch abgleichen. In der Produktentwicklung erleichtern Redaktions- und PLM-Systeme zwar die Verwaltung der Unterlagen; ob die Beschreibung noch zum gebauten Stand passt, musste bisher jedoch ein Mensch von Hand nachvollziehen. Ein vernünftiges Setup mit AI unterstützt wesentlich den Dokumentationsprozess. Stellt man am Ende alles fertig, bleiben kaum Lücken, weil jede Aufzeichnung von Anfang an ihren Ort hat und Fehlendes früh auffällt. Man erzeugt sich einen Almanach des eigenen Produktes und seiner Entstehungsgeschichte. Wer hat was wann gemacht, und welche Implikationen hatte das?
Und viel mehr noch: Eine saubere Aufzeichnung dient auch als Grundlage für Lessons Learned, um beim nächsten Produkt nicht die gleichen Fehler zu machen – und der Zugriff darauf ist eine gezielte Anfrage an die AI statt tagelangen Suchens in alten Ordnern.
„Wie war das beim letzten Projekt, kannst du dich erinnern …?“ – ist eine Frage, die nicht mehr gestellt werden muss. Man kann schnell und einfach nachschlagen über die Suche mit Schlagwörtern, nach Zeitpunkt, nach Bauteil oder einem anderen Kriterium.
Die Maschine schreibt, der Mensch verantwortet
AI verändert, was Dokumentation kostet: Ein Sprachmodell erstellt aus Konstruktionsdaten, Stückliste und Notizen einen ersten Entwurf, sodass die reine Schreibarbeit einen kleinen Teil des Aufwands ausmacht. Dann prüft ein Ingenieur: Stimmen die Angaben, und sind alle Normen eingehalten? Die AI kann diese Prüfung vorbereiten, indem sie Unstimmigkeiten markiert; die Verantwortung für das Ergebnis bleibt beim Ingenieur. Das Umschreiben übernimmt danach wieder die Maschine, sodass der Text rechtschreibgeprüft, sauber formatiert und auf Wunsch gleich mehrsprachig vorliegt.
Was Sie davon haben
Die Dokumentation verändert sich zu Ihrem Vorteil. Sie ist nicht mehr lästige Pflicht, sondern erfüllt gleich mehrere Zwecke und beschleunigt das Projekt. Sie bleibt näher an der Maschine, weil sich ein günstiger Erstentwurf schon dann lohnt, wenn sich nur eine Kleinigkeit ändert – die Beschreibung wächst mit. Und über alle Dokumente hinweg bleibt die Terminologie dieselbe.
Der Aufwand verschiebt sich vom Schreiben zum Prüfen. Der Engpass liegt seltener im Wissen als in den Stunden, die in die Textverarbeitung fließen – das Wissen ist im Team meist vorhanden, es fehlte bisher die Zeit, es aufzuschreiben. Wo früher fünf Technische Redakteure nötig waren, reicht mit AI-Unterstützung heute einer, weil der Entwurf aus den vorhandenen Daten entsteht und nur geprüft werden muss.
Quellen
- Aghajani et al. (2019), Software Documentation Issues Unveiled – ICSE 2019. Dokumentationspflege wird vernachlässigt; mangelnde Aktualität als häufiges Problem.
- Romeo, Raglianti, Nagy, Lanza (2024), Capturing and Understanding the Drift Between Design, Implementation, and Documentation – ICPC 2024. Zum Auseinanderdriften von Umsetzung und Beschreibung.
- Xie et al. (2025), How Effective are Large Language Models in Generating Software Specifications? – SANER 2025. AI-Entwürfe haben eigene Stärken und Schwächen; fachliche Prüfung bleibt nötig.
IDEA e.U. · Determined Innovation