Deep Dive: Wie KI Vertragsdokumente aus PDFs in auswertbare Daten verwandelt

Problemstellung und Motivation

Unternehmen haben oft hunderte oder tausende Nutzungs- bzw. Pachtverträge im Einsatz. Die relevanten Informationen sind über viele PDFs verteilt, schwer vergleichbar und häufig nur mit hohem manuellem Aufwand auswertbar. Gerade dort, wo Fristen, Kündigungsmechanismen oder Prolongationslogiken wirtschaftlich kritisch sind, wird dieser Aufwand schnell zum Risiko.

Typische Herausforderungen:

• Viele unstrukturierte Vertragsdokumente
• Informationen müssen im Kontext interpretiert werden
• Fristen und Abhängigkeiten sind rechtlich und wirtschaftlich relevant
• Manuelle Fehler können teuer werden

Warum KI plus Automatisierung?

• KI (Large Language Models) versteht, interpretiert und strukturiert Inhalte aus komplexen Dokumenten
• Automatisierung sorgt dafür, dass diese Erkenntnisse skalierbar, wiederholbar und sicher in Prozesse überführt werden

Erst die Kombination beider Technologien entfaltet den echten Mehrwert: Verträge werden nicht nur gelesen, sondern fachlich verstanden, strukturiert abgelegt und automatisch in operative Workflows überführt. In diesem Deep Dive zeigen wir, wie wir genau das auf Basis der Microsoft Power Platform umgesetzt haben - am Beispiel der automatisierten Analyse von Nutzungs- bzw. Pachtverträgen.

Zielbild der Lösung

Ziel ist es, die manuelle Vertragsanalyse weitgehend zu automatisieren und alle relevanten Vertragsdaten strukturiert in einer zentralen Dataverse-Datenbank bereitzustellen. Fachanwenderinnen und Fachanwender greifen anschließend über eine Power Apps Anwendung auf diese Daten zu und erhalten eine klare Sicht auf ihren Vertragsbestand.

Typische Informationen in der Übersicht:

• Vertragsparteien
• Grundstücksdaten
• Nutzungsrechte
• Vertragslaufzeiten
• Prolongationsstichtage
• Kündigungsfristen
• Zahlungsinformationen wie Nutzungsentgelt und Bürgschaften
• Bankverbindungen

Die Lösung kombiniert gezielt:

• Power Automate für die Orchestrierung des Gesamtprozesses
• KI für die extraktive und berechnende Analyse der Verträge
• Dataverse als zentrale, strukturierte Datenbasis
• Power Apps als Frontend für Fachbereiche

Die Nutzerinnen und Nutzer sehen nicht mehr nur PDFs, sondern strukturierte, auswertbare Vertragsdaten – inklusive automatisch berechneter Prolongationstermine.

Systemarchitektur der Lösung

Die Umsetzung basiert vollständig auf der Microsoft Power Platform und verwendet etablierte Standardkomponenten.

Komponenten und ihre Rolle:

• SharePoint: Ablage der eingehenden Vertragsdokumente im PDF-Format
• Power Automate: Automatisierter Flow zur Verarbeitung der Dokumente
• KI bzw. Prompt-Ausführung: Extraktion strukturierter Inhalte aus den Verträgen
• JSON-Parsing: Transformation der Modellantwort in ein technisch verwertbares Format
• Dataverse: Zentrale, strukturierte Speicherung der extrahierten Daten
• Power Apps: Frontend zur Anzeige, Filterung und Pflege der Vertragsdaten

Ablauf auf hohem Niveau:

1. Ein neuer Vertrag wird in eine SharePoint-Dokumentbibliothek hochgeladen.
2. Ein Power Automate Flow wird automatisch gestartet.
3. Der Flow ruft einen KI-Prompt auf, übergibt das Dokument und erhält eine strukturierte JSON-Antwort.
4. Die JSON-Daten werden analysiert und auf Dataverse-Felder gemappt.
5. Die Power Apps Anwendung visualisiert die neuen Datensätze und ermöglicht Auswertungen.

Anforderungsanalyse und Datenmodellierung

Am Anfang des Projekts steht die Frage: Welche Vertragsinformationen werden im Alltag wirklich gebraucht? Gemeinsam mit dem Fachbereich werden die relevanten Parameter definiert, zum Beispiel:

• Vertragsparteien
• Grundstück und genaue Lage
• Nutzungsrechte und Nutzungszweck
• Vertragsbeginn und Grundlaufzeit
• Prolongationsmechanismus und Kündigungsfristen
• Entgelte, Bürgschaften und Zahlmodalitäten
• Kontoverbindung

Aus diesen Anforderungen entsteht eine Dataverse-Tabelle, in der jedes Feld einen fachlich sauberen Datentyp erhält. Das klingt technisch, entscheidet aber über Stabilität und Datenqualität. Ein mehrzeiliges Textfeld für Nutzungsrechte benötigt zum Beispiel eine ausreichend hohe Maximallänge, damit alle relevanten Passagen gespeichert werden können. Anderenfalls drohen Laufzeitfehler beim Schreiben der Daten.

Automatisierter Power Automate Flow

Trigger und grundlegender Ablauf

Der Prozess startet automatisch, sobald ein Vertragsdokument in SharePoint abgelegt oder aktualisiert wird. Dazu verwenden wir den Trigger:

Wenn eine Datei erstellt oder geändert wird (nur Eigenschaften)

Der Flow wird als automatisierter Cloud-Flow angelegt und mit der entsprechenden Dokumentbibliothek verbunden. So ist sichergestellt, dass jeder neu hochgeladene Vertrag den Analyseprozess anstößt.

Platzhalter Abbildung 3:
Konfiguration des SharePoint-Triggers im Flow

Anbindung der KI per Prompt

Das zentrale Element des Flows ist die Aktion:

• Einen Prompt ausführen

Das Vertragsdokument wird base64-kodiert an das KI-Modell übergeben. In der Konfiguration definieren wir:

• welche Informationen extrahiert werden sollen
• wie die Antwort strukturiert sein soll
• welche fachliche Logik (z. B. Prolongationsberechnung) das Modell anwenden muss

In der Oberfläche sehen wir eine Vorschau der Modellantwort sowohl in Textform als auch als JSON, was die Validierung während der Entwicklung erleichtert.

Prompt Engineering für juristische Logik

Eine besondere Herausforderung bei Nutzungsverträgen ist die korrekte Berechnung von Prolongationsstichtagen. Hier reicht die reine Textextraktion nicht aus. Die KI muss juristische Logik anwenden können.

Im Prompt definieren wir daher unter anderem:

• Welche Daten zu identifizieren sind
  • Beginn der Vertragslaufzeit
  • Grundlaufzeit
  • Ende der Vertragslaufzeit
  • Mindestfrist der Kündigung
• Wie die Prolongation zu berechnen ist
  • Beispiel: Verlängerungsstichtag = Vertragsende minus Mindestfrist
• Welches Format die Ausgabe haben soll
  • Datumswerte als ISO 8601 im Format YYYY-MM-DD
• Was passieren soll, wenn keine eindeutige Berechnung möglich ist
  • In diesem Fall gibt das Modell null zurück

Damit übernimmt die KI nicht nur die Extraktion, sondern auch formale Berechnungslogik, die bislang manuell im Fachbereich durchgeführt wurde.

JSON als Schnittstelle zwischen KI und Automatisierung

Die Antwort der KI wird konsequent in ein vordefiniertes JSON-Format gebracht. Dieses JSON ist der technische Vertrag zwischen KI und Power Automate Flow.

Beispielhafte Strukturen:

• Kontoverbindung mit Kontoinhaber, IBAN, Bank
• Vertragslaufzeit mit Beginn, Dauer und Ende
• Prolongation mit Verlängerungsstichtag und Mindestfrist

Wichtig ist, dass das JSON-Format vom Prompt klar vorgegeben wird und die Power Automate-Logik exakt auf diese Struktur abgestimmt ist. Nur so lassen sich die Felder zuverlässig in Dataverse mappen und anschließend in Power Apps nutzen.

Steuerung des Modells: Temperatur und Datensatzabruf

Je nach verwendetem Modell (OpenAI, Anthropic oder Azure AI Foundry) können zusätzliche Parameter gesetzt werden. Zwei davon sind im Alltag besonders wichtig:

• Temperatur: steuert die Zufälligkeit der Ausgabe. Für die automatisierte Vertragsanalyse ist eine eher niedrige Temperatur sinnvoll, um konsistente und reproduzierbare Ergebnisse zu erhalten.
• Datensatzabruf: legt fest, wie viele Datensätze aus verbundenen Datenquellen gleichzeitig berücksichtigt werden. Für einfache FAQs reichen kleinere Werte, bei komplexen Vertragsanalysen sind höhere Werte nötig.

Bewährte Richtwerte:

• Einfache Frage-Antwort-Szenarien: etwa 50 bis 200
• Dokumenten- und Vertragsanalyse: etwa 300 bis 1000

JSON-Parsing und Mapping in Dataverse

Damit der Flow mit der JSON-Antwort arbeiten kann, wird sie mit der Aktion JSON analysieren geparst. Über einen Beispielpayload lässt sich das Schema automatisch generieren. So stehen alle Felder des JSONs als dynamische Inhalte im Flow zur Verfügung.

Im nächsten Schritt werden die Felder auf die Dataverse-Tabelle gemappt. Dazu wird im Flow eine neue Zeile in der Vertragstabelle angelegt und die JSON-Werte zugewiesen. Je verschachtelter das JSON, desto anspruchsvoller sind die Ausdrücke für den Zugriff.

Ein typisches Beispiel ist die Bankverbindung. Fachlich gibt es ein Objekt Kontoverbindung mit den Feldern Kontoinhaber, IBAN und Bank. In Dataverse soll die Bankverbindung aber in einem einzigen Textfeld gespeichert werden. Dazu fassen wir die Werte in einem Ausdruck zusammen und ergänzen Zeilenumbrüche für eine bessere Lesbarkeit.

Testphase und Validierung

Bevor die Lösung produktiv geht, werden gezielte Tests mit echten Vertragsdokumenten durchgeführt. Der Ablauf:

1. Verträge werden in die SharePoint-Bibliothek hochgeladen.
2. Der Flow wird automatisch ausgelöst.
3. Die KI extrahiert und berechnet die Vertragsdaten.
4. Neue Datensätze werden in Dataverse angelegt.

In der Testphase prüfen wir:

• Sind alle relevanten Felder befüllt?
• Sind Prolongationsstichtage korrekt berechnet?
• Werden unklare Fälle sauber mit null gekennzeichnet?
• Laufen alle Flows stabil und ohne Fehler durch?

Platzhalter Abbildung 8:
Testdatensätze in Dataverse nach einem erfolgreichen Flow-Durchlauf

Darstellung in der Business-Essentials-App

Die strukturierten Daten werden in einer modellgesteuerten Power Apps Anwendung visualisiert. Fachanwenderinnen und Fachanwender sehen dort eine zentrale Vertragsübersicht mit Filtern, Sichten und Detailformularen.

Mögliche Ansichten in der App:

• Übersicht aller aktiven Verträge
• Verträge mit bevorstehenden Prolongationsstichtagen
• Verträge mit fehlenden oder unklaren Daten
• Detailseiten mit allen extrahierten Informationen zu einem Vertrag

Gesamtbewertung und Mehrwert

Durch die Kombination aus:

• KI-gestützter Dokumentenanalyse
• sauber definiertem JSON-Interface
• Power Automate als Orchestrierungsebene
• Dataverse als zentraler Datenbasis
• Power Apps als Fachbereichsoberfläche

entsteht eine vollständig automatisierte, skalierbare und revisionssichere Lösung zur Verwaltung von Nutzungsverträgen. Kritische Fristen werden automatisch berechnet, manuelle Übertragungsfehler werden drastisch reduziert und Entscheidungsprozesse deutlich beschleunigt.

Fachbereiche profitieren von:

• Transparenz über alle Verträge und Fristen
• Sicheren, nachvollziehbaren Berechnungen
• Deutlich weniger manueller Recherche in einzelnen PDFs

Die IT profitiert von:

• Umsetzung auf einer Standardplattform mit klarer Governance
• Wiederverwendbaren Bausteinen für weitere KI- und Automatisierungsszenarien
• Guter Erweiterbarkeit, zum Beispiel für weitere Vertragstypen oder Prüfprozesse

So unterstützt applied technologies Sie

Als Microsoft- und Power-Platform-Spezialist begleiten wir Unternehmen von der ersten Idee bis zur produktiven Lösung. In typischen Projekten gehen wir wie folgt vor:

• Gemeinsame Anforderungsanalyse mit Fachbereich und IT
• Modellierung des Datenmodells in Dataverse
• Design des Power Automate Flows und der KI-Prompts
• Implementierung und Test der End-to-End-Verarbeitung
• Aufbau einer Power Apps Anwendung für Fachanwender

Wenn Sie prüfen möchten, wie sich ähnliche KI-Automatisierungsszenarien in Ihrem Unternehmen umsetzen lassen, entwickeln wir gemeinsam mit Ihnen in kurzer Zeit einen fokussierten Proof of Concept mit klar messbarem Mehrwert für Fachbereiche und IT.