I IT-organisationer växer mängden intern dokumentation kontinuerligt, vilketmedför två utbredda problem: känslig information exponeras oavsiktligt i löpandetext och befintliga söksystem hittar inte relevant innehåll om exakt rätt ord inteanvänds. Traditionella verktyg klarar inte av att hantera dessa problem eftersom desaknar förmåga att tolka sammanhang. Detta examensarbete undersöker hur AIbaserade metoder kan användas för att automatisera identifiering av känsliginformation och förbättra informationsåtervinning i teknisk dokumentation lagrad iwiki-miljöer. Arbetet är utfört hos IT-tjänsteföretaget Axians.Arbetet utvärderar tre metoder för identifiering av känslig information: reguljärauttryck, Microsoft Presidio och en generativ språkmodell, samt jämför nyckelordsbaserad sökning med semantisk sökning och en hybridmetod. Metoderna testadespå syntetiskt genererade dokument som efterliknar teknisk IT-dokumentation påsvenska och engelska. Resultaten från det syntetiska testsetet indikerar att dengenerativa språkmodellen Mistral 7B identifierar känslig information med högträffsäkerhet, medan de regelbaserade metoderna missar en stor del av dekontextberoende entiteterna. För sökning uppnådde det semantiska systemet bättreresultat i det använda testsetet, särskilt på synonymfrågor och tvärspråkligasökningar. Slutsatsen är att AI-baserade metoder har stor potential att förbättrabåde datasäkerhet och informationstillgänglighet i tekniska dokumentationsmiljöer.

In IT organizations, the volume of internal documentation grows continuously, giving rise to two widespread problems: sensitive information is unintentionally exposed in plain text, and existing search functionality fails to retrieve relevant contentunless exact terminology is used. Traditional tools are insufficient for addressingthese problems as they lack the ability to interpret context. This thesis investigateshow AI-based methods can be used to automate the identification of sensitive information and improve information retrieval in technical documentation stored in wikienvironments. The work was conducted at the IT services company Axians.The study evaluates three methods for identifying sensitive information: regular expressions, Microsoft Presidio and a generative language model, and compares keyword-based search with semantic search and a hybrid method. The methods weretested on synthetically generated documents resembling technical IT documentationin Swedish and English. The results from the synthetic test set indicate that the generative language model Mistral 7B identifies sensitive information with high recall,while the rule-based methods miss a substantial portion of the context-dependententities. For information retrieval, the semantic system achieved better results in theevaluated test set, particularly on synonym queries and cross-lingual searches. Theconclusion is that AI-based methods have significant potential to improve both datasecurity and information accessibility in technical documentation environments.