Das Problem mit der Abkürzung
Ein Sprachmodell auf ein PDF loszulassen und das Ergebnis zu übernehmen ist schnell gebaut und im Betrieb gefährlich: Modelle erfinden im Zweifel plausible Werte. Bei Rechnungsbeträgen, Mengen oder Personendaten ist das keine Unannehmlichkeit, sondern ein Schaden.
Ich baue deshalb bewusst konservativ. Wo das Format bekannt ist, wird deterministisch ausgelesen. Nur wo das nicht geht, kommt ein Modell zum Einsatz — und dessen Ergebnis muss ein Schema passieren, bevor es überhaupt in die Nähe Ihrer Systeme kommt.
Die Kontrollpunkte
Jeder extrahierte Wert wird gegen ein JSON Schema validiert. Was nicht passt, wird nicht übernommen, sondern in Quarantäne gestellt und erneut versucht.
Jedes Feld trägt seine Herkunft: aus welchem Dokument, aus welcher Zeile, mit welcher Konfidenz. Unterhalb einer definierten Schwelle geht der Fall zur menschlichen Prüfung statt automatisch durch.
Alle Schritte landen in einem Audit-Log, das nur ergänzt und nie überschrieben wird. Läufe sind idempotent: dasselbe Dokument zweimal einzuspielen erzeugt keine Dubletten.
Aus der Praxis
Für einen maritimen Transportdienstleister habe ich genau das gebaut: Crew-Wechsel-Daten kommen als mehrblättrige Excel-Dateien, PDF-Listen, Scans und Last-Minute-E-Mails. Das System führt alles zu einem prüffähigen Datensatz pro Person zusammen und exportiert eine saubere CSV für das Buchungssystem.
Was Sie bekommen
- Pipeline von Ihren Eingangsformaten bis in Ihr Zielsystem
- Schema-Validierung, damit ungeprüfte Werte nicht durchrutschen
- Konfidenzschwellen mit definierter Übergabe an die menschliche Prüfung
- Feldgenaue Herkunft und lückenloses Audit-Log
- Betrieb wahlweise vollständig on-premise
Häufige Fragen
Verlassen unsere Dokumente das Haus?
Nur wenn Sie es wollen. Die Verarbeitung kann vollständig on-premise laufen, sodass kein Dokument Ihr Netz verlässt. Alternativ läuft sie in der EU-Datenzone mit Verarbeitung innerhalb der EU-Datengrenze.
Wie zuverlässig ist die Erkennung?
Das hängt vom Dokumententyp ab, und genau deshalb wird gemessen statt versprochen. Bekannte Layouts werden deterministisch ausgelesen und sind praktisch fehlerfrei; bei freien Formaten entscheidet die Konfidenzschwelle, ab wann ein Mensch draufschaut.
Können wir das an unser ERP anbinden?
Ja, das ist der übliche Fall. Die Ausgabe entsteht in genau dem Format, das Ihr Zielsystem erwartet — als Datei, über eine Schnittstelle oder direkt in die Datenbank.
Weitere Leistungen