Dokumentenautomatisierung mit europäischer Datenhoheit

DNA Solutions baut Pipelines für Rechnungen, Verträge und gescannte Belege, und für die gemischten Dokumentströme, die der Unternehmensalltag erzeugt. Unser Team trainiert ein Klassifikationsmodell pro Dokumenttyp und extrahiert dann die strukturierten Felder, die jeder Typ trägt: Daten, Parteien, Beträge, Summen und Referenznummern, direkt in Ihre nachgelagerten Systeme. Die Pipeline ist auf die Dokumentklassen dimensioniert, die Ihr Workflow am häufigsten verarbeitet, damit die Genauigkeit auf den Formaten hält, die zählen. Taucht ein neuer Dokumenttyp auf, ergänzen wir eine Klasse und trainieren auf der bestehenden Pipeline nach. Jedes extrahierte Feld lässt sich auf sein Quelldokument zurückverfolgen, und genau das lässt die Ausgabe einem Audit standhalten.

Im Canon-Projekt zur Dokumentklassifikation erreichte unser individueller SVM-Klassifikator 94,7 % Genauigkeit und übertraf Azure AI auf 2 von 3 Datensätzen, gegenüber einer Baseline von 84,2 %. Diese Zahl gilt für einen Dokumentbestand unter einer Konfiguration, wir behandeln sie also als Referenzpunkt. Die Genauigkeit hängt von den Dokumentklassen ab, die Sie verarbeiten, von der Qualität der Scans und von den verfügbaren Trainingsdaten. Wir stimmen jedes Modell auf die Präzision ab, die der Workflow verlangt. Vor einem breiteren Rollout messen wir die Genauigkeit an einer Stichprobe Ihrer eigenen Dokumente, damit die Zahl, die Sie sehen, zu Ihren eigenen Formaten passt. Wo eine Klasse so wichtig ist, dass Fehler Kosten verursachen, leiten wir Vorhersagen mit niedriger Konfidenz zur menschlichen Prüfung weiter und speisen die Korrekturen zurück ins Training.

Die Pipeline kombiniert OCR mit Tesseract für die Texterkennung, word2vec und tf-idf für die Merkmalsextraktion und einen SVM-Klassifikator, abgestimmt pro Dokumenttyp. Wir wählen etablierte Komponenten, die zum Dokumentbestand passen. Das hält die Pipeline erklärbar: Wir können nachvollziehen, warum ein bestimmtes Dokument so klassifiziert wurde, wie es klassifiziert wurde. Das zählt, wenn ein Prüfer oder ein Fachexperte eine Entscheidung hinterfragt. Wir betreiben den Stack auf Ihrem eigenen Cloud-Account oder in Ihrer On-Premise-Umgebung, ohne proprietäre Lizenz, die Sie bindet, und jede Stufe speist Suche, Indexierung und Audit-Trails. Verschiebt sich der Dokumentenmix, trainieren wir nach oder passen die betroffene Stufe auf der bestehenden Pipeline an.

Ja. Die Parsing-Pipeline ist darauf ausgelegt, Rechnungen und strukturierte Dokumente in hohem Volumen zu verarbeiten und Positionen, Summen und Referenzfelder automatisch in nachgelagerte Systeme zu extrahieren. Wir stimmen die Merkmalsextraktion auf die wiederkehrenden Formate ab, die Ihr Betrieb erzeugt. So bleibt der Durchsatz konstant, wenn das Volumen wächst, und die extrahierten Felder bleiben für das Audit auf das Quelldokument zurückverfolgbar. Wir dimensionieren die Pipeline auf Ihre Produktionsvolumen und validieren sie an einer Stichprobe Ihrer eigenen Rechnungen, bevor sie breiter ausgerollt wird, damit der Durchsatz in Produktion dem entspricht, was wir gemessen haben. Wo ein Wert Kosten trägt, gehen Extraktionen mit niedriger Konfidenz zur menschlichen Prüfung, bevor sie weiterfließen, und diese Korrekturen fließen zurück ins Modell. Die Pipeline nimmt Ihr Rechnungsvolumen ohne manuelles Nacherfassen auf, und der Audit-Trail bleibt intakt.