Sieht man sich die Entwicklung der Dokumentenerfassung \u2013 von manchen auch als intelligente Dokumentenverarbeitung bezeichnet \u2013 einmal an, erweisen sich die letzten paar Jahre als rasante Achterbahnfahrt. Mit dem Aufkommen moderner Supercomputer haben sich alle Akteure in der Branche \u2013 insbesondere die Newcomer \u2013 maschinelles Lernen und k\u00fcnstliche Intelligenz auf die Fahnen geschrieben und werben damit. In diesem kurzen R\u00fcckblick erfahren Sie, wie sich diese wegweisenden Technologien entwickelt haben, welche Ebene der Automatisierung sie jeweils bieten und wie es zum echten \u201eVerstehen\u201c von Inhalten kommt.<\/p>\n
Schon seit Jahrzehnten gibt es Technologien, mit denen Dokumente erfasst werden k\u00f6nnen. Sie sind noch immer die Grundlage f\u00fcr die Systeme traditioneller Hersteller, die ihre Plattformen nicht weiterentwickelt haben.<\/p>\n
Die gute alte Reserve. Es ist erstaunlich, wie viele Organisationen Dokumente noch immer per Hand \u00f6ffnen, von Mitarbeitern identifizieren und die Daten schlie\u00dflich manuell eingeben lassen. Auf der Automatisierungsskala ist dies ganz unten anzusiedeln. Doch dieses Vorgehen funktioniert \u2013 wenn auch sehr langsam.<\/p>\n
Die n\u00e4chsth\u00f6here Stufe der Skala besteht im Einsatz von Barcodes auf Dokumenten, um die Bearbeitung und Weiterleitung eingehender Dokumente zu automatisieren. Die Art der Inhalte und der darin enthaltenen Daten werden codiert. Beim Auslesen der Codes werden die Daten Feldern zugeordnet und automatisch extrahiert. Das Aufkommen von 2D-Barcodes wie QR-Codes, DataMatrix und PDF417 \u00e4nderte die Spielregeln in der Branche, denn damit konnten gro\u00dfe Datens\u00e4tze in Daumengr\u00f6\u00dfe erfasst werden.<\/p>\n
Bei strukturierten, wiederkehrenden Dokumenten oder Formularen, in denen sich dieselben Daten stets an derselben Stelle befinden, ist eine optische Zeichenerkennung (OCR) nach Zonen m\u00f6glich: Hierbei werden die Daten entsprechend ihrer Position in den Dokumenten automatisch extrahiert und Bilder in Text konvertiert.<\/p>\n
Die Verbindung von OCR mit erweitertem Musterabgleich gestattete es, umfassende Regeln zu erstellen, sodass die Suche nach bestimmten Textfolgen oder Kombinationen von Ankerwerten und Text m\u00f6glich war. Dies wurde nicht nur f\u00fcr die Klassifizierung von Dokumenten eingesetzt. Auf diese Weise war die Suche nach bestimmten Informationen m\u00f6glich, unabh\u00e4ngig davon, wo sich diese auf der Seite befanden. Mit diesem Ansatz konnten Dokumente bearbeitet werden, deren Struktur und Layout stark voneinander abwichen.<\/p>\n
H\u00f6here Rechenleistung und schnellere Technologien ebneten der modernen Data Science den Weg. Deren Modelle spornen Organisationen im Rennen um die \u201eDokumentenintelligenz\u201c an. Inzwischen ist k\u00fcnstliche Intelligenz nicht blo\u00df bei Dokumenten gefragt, sondern auch bei allen Arten von Inhalten \u2013 von Bildern und Dokumenten \u00fcber E-Mails, PDF-Dateien und Videos.<\/p>\n
Der letzte Schrei ist anscheinend nun ein System, das sich f\u00fcr die Ausf\u00fchrung dokumentenspezifischer Aufgaben trainieren l\u00e4sst. Maschinelles Lernen ist zurzeit angesagt \u2013 seien es Administratoren oder Spezialisten, die Beispielbilder hochladen, oder Endanwender, die einem System beibringen, wo die ben\u00f6tigten Daten zu finden sind. Inzwischen scheint es die Norm zu sein, Modelle f\u00fcr die Verarbeitung von Dokumenten zu entwickeln. Doch viele Systeme bleiben hinter den Erwartungen zur\u00fcck. Ihrer Steuerung mangelt es an Granularit\u00e4t und sie funktionieren wie eine Blackbox.<\/p>\n
Machen wir uns nichts vor: Dokumente sind schwer zu knacken. Man braucht nur daran zu denken, wie wir Menschen Dokumente interpretieren: Wir st\u00fctzen uns auf unsere Erfahrung, auf Hinweise im Text, unsere Kenntnisse der Gesch\u00e4ftssprache und die Interpretation des Layouts. Nach diesen und viele andere Faktoren \u2013 oder auch \u201eDimensionen\u201c \u2013 ordnen wir Dokumente und ihre Bedeutung ein. Nur sehr wenige Unternehmen sto\u00dfen in diese Sph\u00e4ren vor und setzen die unterschiedlichsten Aspekte der Dimensionsanalyse ein. Dies und Natural Language Processing \u2013 die maschinelle Verarbeitung nat\u00fcrlicher Sprache \u2013 sind die angesagten Technologien beim Sprint der intelligenten Bearbeitung zur Ziellinie.<\/p>\n
Welche Richtung wird die Branche einschlagen? Was zeichnet sich am Horizont ab? Steht bereits eine Technologie in den Startl\u00f6chern, mit der sich die Spielregeln erneut deutlich \u00e4ndern k\u00f6nnten? Ich pers\u00f6nlich gehe davon aus, dass es bis Jahresende einige gro\u00dfe Ank\u00fcndigungen mit bahnbrechenden Technologien geben wird, die \u00fcber die Ans\u00e4tze hinausgehen, die derzeit das Rennen bestreiten. Setzen Sie sich weiter f\u00fcr die digitale Transformation mittels intelligenter L\u00f6sungen ein, aber belassen Sie es nicht dabei. Angesichts der technologischen Weiterentwicklung sollten Sie stets Ausschau nach den aktuellen Ans\u00e4tzen halten.<\/p>\n
Sie folgen uns noch nicht auf LinkedIn<\/a> und Twitter<\/a>? Dann sollten Sie das unbedingt \u00e4ndern: So bleiben Sie auf dem Laufenden, was sich in der Branche tut.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Sieht man sich die Entwicklung der Dokumentenerfassung \u2013 von manchen auch als intelligente Dokumentenverarbeitung bezeichnet \u2013 einmal an, erweisen sich […]<\/p>\n","protected":false},"author":47,"featured_media":2228,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1619,1626],"tags":[3409,3071,3451,3407,3128,3452,3453,3454],"yoast_head":"\n