Mobile-Menu

On-Premise Open Source Ein guter Bürorechner genügt

Von Johannes Kapfer 3 min Lesedauer

Anbieter zum Thema

2txt - natural language generation GmbH
cit GmbH
The Quality Group GmbH
SysEleven GmbH

Klassische OCR-Software liest Buchstaben, aber versteht keine Formulare. Neue KI-Modelle können beides – und laufen dabei zunehmend auch ohne Cloud-Anbindung direkt auf handelsüblichen Systemen. Ein Anbieter zeigt beispielhaft, wie sich das in der Praxis umsetzen lässt und welche Hardware dafür tatsächlich nötig ist.

Moderne Gaming-Hardware ist derart leistungsstark und vergleichsweise preiswert, dass sie auch in professionellen Arbeitsumgebungen vermehrt Anwendung findet.(Bild: Gemini / KI-generiert)
Moderne Gaming-Hardware ist derart leistungsstark und vergleichsweise preiswert, dass sie auch in professionellen Arbeitsumgebungen vermehrt Anwendung findet.
(Bild: Gemini / KI-generiert)

Ein eingescannter Bescheid ist für einen Computer zunächst nichts als eine Ansammlung von Pixeln. Klassische OCR-Software interpretiert daraus Buchstaben und Sätze; nicht mehr aber eben auch nicht weniger. Ob in einer Zeile ein Aktenzeichen oder eine Postleitzahl steht, lag bislang im Ermessensspielraum eines Menschen. Alternativ konnte ein aufwendig gepflegtes Regelwerk angelegt werden, welches bei jedem neuen Formularlayout erneute Anpassungsschleifen durchlaufen musste.

Dank KI beginnt sich das zu ändern. Sogenannte Vision-Language-Modelle betrachten ein Dokument nicht mehr zeichenweise, sondern verstehen vielmehr deren Layout und Kontext. Sie erkennen, dass „Antragsteller“ beispielsweise eine Feldbezeichnung ist und der Name direkt darunter der zugehörige Wert. Aus einem gescannten Formular kann auf diese Art und Weise innerhalb eines Schritts ein strukturierter Datensatz generiert werden – ohne dass vorher jemand ein spezifisches Template für dieses spezielle Formular gebaut haben muss.

Weiterführende Inhalte