Klassische Texterkennung
Die optische Zeichenerkennung (engl. Optical Character Recognition) liest Buchstaben und Ziffern schnell und genau aus dem Bild. Sie weiß aber nicht, was die Zeichen bedeuten.
KI für Geschäftsprozesse
Intelligente Dokumentendigitalisierung: Daten aus Dokumenten zuverlässig erfassen
Wir kombinieren klassische Texterkennung (OCR) mit multimodalen Sprachmodellen, um Daten aus Formularen, Belegen und Schreiben automatisch zu erfassen – auch bei wechselnden Layouts und Handschrift. Prüfregeln sorgen dafür, dass Erkennungsfehler nicht unbemerkt weiterwandern.
- Referenzprojekt aus dem Sparkassensektor
- Flexible statt starrer Layouts
- Vom Fachbereich selbst nachtrainierbar
Digitalisierung DashboardLive DigitalisierungLive
OCR und Sprachmodell: die Mischung macht’s
Für die Digitalisierung von Dokumenten gibt es heute zwei starke Werkzeuge. Jedes hat seine Stärken – in vielen Fällen führt aber erst die Kombination aus beiden zum Erfolg.
Versteht Bild und Text
Ein multimodales Sprachmodell ist eine KI, die nicht nur Text, sondern auch Bilder verarbeitet. Sie „liest“ ein Dokument ähnlich wie ein Mensch: Wo steht der Absender, was ist der Betrag, welche Angaben gehören zusammen?
Das Beste aus beiden
Die OCR liefert die exakten Zeichen, das Sprachmodell den Zusammenhang. Beide Ergebnisse lassen sich gegenseitig absichern – das macht die Erfassung robuster.
Entscheidend ist das Ausgangsformat
Bevor die Technik feststeht, schauen wir uns an, in welcher Form Ihre Dokumente vorliegen. Davon hängt ab, welcher Mix aus OCR und Sprachmodell am besten funktioniert.
Digitale PDFs
Der Text steckt bereits in der Datei. Oft genügt es, ihn auszulesen und richtig zuzuordnen.
Scans und Fotos
Auflösung, Schräglage, Schatten oder Stempel beeinflussen, wie gut sich der Inhalt erkennen lässt.
Handschrift
Jede Handschrift ist anders. Hier braucht es Verfahren, die auch unsaubere Schrift zuverlässig lesen.
Wechselnde Layouts
Rechnungen, Lieferscheine oder Formulare sehen bei jedem Absender anders aus.
Erkennen ist nur die halbe Arbeit
Ein Großteil des Aufwands steckt nicht in der Erkennung selbst, sondern in den Prüfregeln dahinter (Validierungslogik). Sie fangen Fehlerkennungen ab, bevor falsche Daten in Ihre Systeme gelangen.
- 1 · Einlesen
Dokument erfassen
Scan, Foto oder PDF
Dokumente kommen per Scanner, E-Mail oder Upload ins System und werden für die Erkennung aufbereitet.
- 2 · Erkennen
Inhalte auslesen
OCR und Sprachmodell
Texterkennung und Sprachmodell lesen die Inhalte aus und ordnen sie den richtigen Feldern zu.
- 3 · Prüfen
Validierungslogik
Prüfregeln gegen Fehlerkennungen
Prüfregeln kontrollieren jedes Ergebnis auf Plausibilität. Unsichere Fälle gehen zur Kontrolle an einen Menschen.
- 4 · Übergeben
Weiterverarbeitung
an Ihre Fachsysteme
Geprüfte Daten fließen strukturiert in Ihre Fachanwendung – ohne erneutes Abtippen.
Beispiele für Prüfregeln
Gute Prüfregeln verbinden Technik mit Fachwissen aus Ihrem Haus. Sie entscheiden darüber, ob man den erfassten Daten am Ende vertrauen kann.
PrüfregelWas sie abfängt
- PrüfziffernEine IBAN, bei der ein Zeichen falsch gelesen wurde
- Abgleich mit StammdatenEine Kunden- oder Lieferantennummer, die es im System nicht gibt
- PlausibilitätEin Datum in der Zukunft oder eine Summe, die nicht zu den Einzelposten passt
- DoublettenprüfungDasselbe Dokument, das mehrfach eingescannt wurde
- ErkennungssicherheitUnsichere Ergebnisse, die ein Mensch noch einmal ansehen sollte
Beispiele zur Veranschaulichung. Welche Prüfregeln sinnvoll sind, hängt von Ihren Dokumenten und Prozessen ab.
Flexibel statt starr – und vom Fachbereich anpassbar
Frühere Systeme brauchten für jedes Formular eine feste Schablone: Stand ein Feld an anderer Stelle, ging die Erkennung schief. Durch die geschickte Verbindung von Sprachmodellen mit weiteren Werkzeugen erkennen heutige Systeme auch Dokumente, deren Aufbau von Absender zu Absender wechselt.
Starre Schablonen
Jedes Formular brauchte eine feste Vorlage. Neue Absender oder geänderte Layouts bedeuteten Programmieraufwand.
Flexible Layouts
Das System versteht, welche Angabe was bedeutet – unabhängig davon, an welcher Stelle sie im Dokument steht.
Vom Nutzer nachtrainierbar
Neue Dokumentarten und Korrekturen können Anwender oft selbst einpflegen. Das System muss nicht ständig softwaretechnisch weiterentwickelt werden.
Referenzprojekt: Doublettenerkennung im Zahlungsverkehr
Handschriftliche Formulare, bei denen ein Fehler unmittelbar Geld kostet.
DoublettenerkennungHandschrift
Doublettenerkennung bei handschriftlichen Überweisungsträgern
Für einen Kunden aus dem Sparkassensektor (auf Wunsch des Kunden anonym)
- Ausgangslage
- Handschriftlich ausgefüllte Überweisungsträger werden eingescannt und in den Zahlungsverkehr gegeben. Wird derselbe Beleg versehentlich mehrfach gescannt, droht eine doppelte Ausführung der Überweisung. Um solche Doppelverarbeitungen zu vermeiden, wurden die Belege bisher manuell geprüft.
- Herausforderung
- Jede Handschrift ist anders, und zwei Scans desselben Belegs sind nie völlig identisch – etwa durch leicht verschobene Lage oder andere Helligkeit. Gleichzeitig dürfen zwei echte, ähnliche Überweisungen nicht fälschlich als Doublette aussortiert werden.
- Lösung
- Wir haben eine automatische Doublettenerkennung für die handschriftlichen Formulare entwickelt. Sie erkennt, wenn derselbe Überweisungsträger mehrfach eingescannt wurde.
- Ergebnis
- Mehrfach gescannte Überweisungsträger werden erkannt, damit sie nicht ein zweites Mal in den Zahlungsverkehr gelangen – eine Prüfung, die zuvor von Hand erledigt wurde.
So gehen wir vor
Schritt 1: Erstgespräch
Kostenlos und unverbindlich: Welche Dokumente kosten Sie heute die meiste Zeit?
Schritt 2: Dokumentensichtung
Wir sichten Formate, Varianten und Qualität Ihrer Dokumente.
Schritt 3: Erkennung aufbauen
Wir stellen den passenden Mix aus OCR und Sprachmodell zusammen.
Schritt 4: Prüfregeln
Gemeinsam mit Ihrem Fachbereich entwickeln wir die Validierungslogik.
Schritt 5: Einführung & Schulung
Anbindung an Ihre Systeme – lokal, in der Cloud oder hybrid – und Befähigung Ihres Teams zum Nachtrainieren.
Was Sie davon haben
Weniger Abtippen
Daten werden automatisch erfasst und strukturiert übergeben.
Weniger Fehler
Prüfregeln fangen Fehlerkennungen ab, bevor sie Schaden anrichten.
Selbst anpassbar
Neue Dokumentarten ohne ständige Programmierung.
Daten bleiben im Haus
Auch sensible Dokumente können vollständig lokal verarbeitet werden.
Häufige Fragen zu KI-Dokumentenverarbeitung
Was ist ein multimodales Sprachmodell?
Ein multimodales Sprachmodell ist eine KI, die neben Text auch Bilder verarbeiten kann. Bei Dokumenten erkennt sie nicht nur einzelne Zeichen, sondern versteht den Zusammenhang – etwa, welcher Betrag die Endsumme ist oder wo der Absender steht.
Reicht klassische OCR nicht aus?
Für saubere, immer gleich aufgebaute Vorlagen oft schon. Sobald Layouts wechseln, Handschrift dazukommt oder der Zusammenhang wichtig ist, stößt OCR allein an Grenzen. In vielen Fällen führt erst die Kombination aus OCR und multimodalem Sprachmodell zum Erfolg.
Warum sind Prüfregeln so wichtig?
Keine Erkennung ist fehlerfrei. Prüfregeln – etwa Prüfziffern, Abgleiche mit Stammdaten oder Plausibilitätsprüfungen – fangen Fehlerkennungen ab, bevor falsche Daten weiterverarbeitet werden. Ein Großteil des Aufwands in Digitalisierungsprojekten steckt deshalb in dieser Validierungslogik.
Können auch handschriftliche Formulare verarbeitet werden?
Ja. Ein Beispiel ist unser Projekt für einen Kunden aus dem Sparkassensektor: eine automatische Doublettenerkennung für handschriftliche Überweisungsträger, damit mehrfach gescannte Belege nicht doppelt in den Zahlungsverkehr gelangen.
Muss für jedes neue Formular programmiert werden?
Nein. Moderne Systeme erkennen auch flexible Layouts, und neue Dokumentarten oder Korrekturen können Anwender oft selbst nachtrainieren, ohne dass die Software ständig weiterentwickelt werden muss.
Können sensible Dokumente lokal verarbeitet werden?
Ja. Texterkennung und Sprachmodell können vollständig auf Servern in Ihrem Haus laufen, sodass keine Dokumente das Unternehmen verlassen.