Adaptive AI, zu Deutsch \u201eadaptive KI\u201c, ist eine bestimmte Klasse an L\u00f6sungen, die auf k\u00fcnstlicher Intelligenz (KI) basieren. Diese Technologien lernen st\u00e4ndig dazu und \u201eaktualisieren sich selbst\u201c, indem sie historische Daten auswerten und auf neue Datens\u00e4tze anwenden.<\/p>\n
APIs ist das Akronym f\u00fcr Application Programming Interfaces, die Programmierschnittstellen zwischen Computern und diversen Programmen. APIs<\/a> erm\u00f6glichen es der Software f\u00fcr intelligente Dokumentenverarbeitung, Informationen mit anderen Anwendungen auszutauschen, um einen nahtlosen Datenfluss zwischen den Systemen sicherzustellen.<\/p>\n Als k\u00fcnstliche Intelligenz werden Technologien bezeichnet, die im gro\u00dfen Ma\u00dfstab menschliche Intelligenz nachahmen. IDP-L\u00f6sungen nutzen verschiedene Arten von KI-gest\u00fctzter Software, beispielsweise zur Verarbeitung nat\u00fcrlicher Sprache (NLP) und zum maschinellen Lernen (ML), auch als Maschinenlernen oder Machine Learning bezeichnet.<\/p>\n Personen, die in ihrer Organisation die Hyperautomatisierun<\/a>g vorantreiben, sind f\u00fcr Ephesoft Vorreiter der Automatisierung und werden als Automation Hero bezeichnet. Solche Vorreiter identifizieren gemeinsam mit unseren Spezialisten die richtigen Automatisierungsl\u00f6sungen f\u00fcr die jeweiligen Fragestellungen im Unternehmen und implementieren sie anschlie\u00dfend.<\/p>\n Auf Deutsch bedeutet Batch so etwas wie \u201eStapel\u201c. Darunter versteht man eine gro\u00dfe Anzahl an Unterlagen oder Dokumenten, die zusammen und nicht einzeln bearbeitet werden sollten. Mit dem Begriff \u201eBatchklasse\u201c bezeichnet Ephesoft ein Projekt in Transact. Der Begriff \u201eBatchinstanz\u201c bezieht sich auf eine Aufgabe in Transact.<\/p>\n Die Klassifikation ist ein wichtiger Schritt, um festzulegen, wie ein bestimmtes Dokument verarbeitet wird. Im Rahmen der IDP bezeichnet die Klassifikation ein Verfahren, bei dem Dokumente anhand der Eigenschaften oder der darin enthaltenen Metadaten identifiziert werden.<\/p>\n Ein Cloud Hybrid, oder auch eine \u201eHybrid Cloud\u201c nutzt sowohl am Standort installierte Ressourcen wie auch eine Public Cloud. Diese Kombination eignet sich f\u00fcr Phasen hoher Auslastung, gew\u00e4hrleistet Skalierbarkeit und minimiert die Anschaffungskosten. Ephesoft hat unter der Bezeichnung Cloud HyperExtender<\/a> die erste Hybrid-Cloud-L\u00f6sung f\u00fcr Dokumentenprozesse eingef\u00fchrt.<\/p>\n Unter Cognitive Document Processing versteht man die Dokumentenverarbeitung mit kognitiven Technologien. Die fortschrittlichsten Arten der IDP-Software, zum Beispiel Ephesoft, arbeiten mit kognitiven Technologien. Diese ahmen mithilfe von KI, maschinellem Lernen und NLP-Tools die kognitiven F\u00e4higkeiten des Menschen nach.<\/p>\n Computer-Vision-Technologie ist ein Fachgebiet der KI. Anhand von Computer-Vision-Software k\u00f6nnen Rechner Informationen aus digitalen Videos, Bildern und anderen visuellen Quellen auswerten und Informationen ableiten.<\/p>\n Bestimmte Arten von KI werden als \u201ekontextbezogen\u201c bezeichnet. Dies bedeutet, dass die Software Dokumente verarbeiten kann, indem sie Zusatzinformationen aus historischen Daten und anderen Quellen ber\u00fccksichtigt. Dadurch verbessert sie die Genauigkeit und stellt, wie der Begriff schon besagt, Kontext bereit.<\/p>\n Unter Datenextraktion versteht man das Verfahren, um Informationen aus physischen und digitalen Dokumenten zu gewinnen. Sobald die Daten einmal extrahiert wurden, lassen sich diverse Gesch\u00e4ftsprozesse leicht automatisieren.<\/p>\n Unter Data of Interest \u2013 zu Deutsch \u201eDaten von Interesse\u201c \u2013 versteht man die Ergebnisse adaptiver KI. Diese umfassen alle Datenpaare, die das System eines Anwenders ben\u00f6tigt, um den Kontext zu erschlie\u00dfen oder um zu verstehen, welchen Zweck ein Dokument hat, wie es zu verarbeiten ist und wie es mit der Organisation verkn\u00fcpft ist.<\/p>\n Day Zero Accuracy ist ein Ma\u00dfstab f\u00fcr die Genauigkeit eines Systems am ersten Tag. Dieses Konzept ist hilfreich, um zu verstehen, welche Time to Value ein System hat, wie schnell es sich auszahlt oder welchen ROI es bietet. Durch IDP-L\u00f6sungen mit hoher DZA erzielen Unternehmen bei der Dokumentenerfassung hohe Genauigkeit, sobald die L\u00f6sung implementiert wurde. Wenn ein System mit \u00e4u\u00dferst genauen Ergebnissen aktiviert wird, profitiert die Organisation sofort von dessen Vorteilen.<\/p>\n Im Rahmen der digitalen Transformation werden digitale Technologien in alle Gesch\u00e4ftsprozesse eingebunden, um Effizienz und Profitabilit\u00e4t zu steigern.<\/p>\n Die DCR bezeichnet den Umfang der \u00c4nderungen in einem Dokument. Sie gibt an, wie viele Felder w\u00e4hrend einer manuellen Pr\u00fcfung korrigiert oder angepasst werden mussten. Die DCR pro Dokument ist die Summe aller Felder, die ein Model bei der Auswertung eines bestimmten Dokuments nicht erkennt. Diese Kennzahl ist ein guter Indikator daf\u00fcr, wie genau eine IDP-L\u00f6sung arbeitet und wie hoch das Konfidenzniveau ist, das dem System zugrunde gelegt werden kann.<\/p>\n Bei Extraktion handelt es sich um die Identifikation und Erfassung bestimmter Indexfelder (Metadaten) in Dokumenten. Beispiele f\u00fcr Indexfelder sind Firmenname, Adresse, Gesamtbetrag und andere.<\/p>\n Die Field Change Rate gibt an, wie oft ein Feld in einem manuell \u00fcberpr\u00fcften Dokument im Durchschnitt ge\u00e4ndert werden muss. Sie gibt f\u00fcr jeden Schl\u00fcssel (z.\u00a0B. Rechnungsnummer, Steuerklasse) an, wie oft die Werte hinzugef\u00fcgt, ge\u00e4ndert oder modifiziert werden m\u00fcssen.<\/p>\n Software zum Erkennen handschriftlicher Informationen ist ein wichtiger Bestandteil der IDP-Technologie. Durch HWR-Tools erkennt die Software handschriftliche Informationen in Dokumenten automatisch und kann sie extrahieren.<\/p>\n Human-in-the-Loop oder HITL ist ein Verfahren der Informationsverarbeitung, bei dem die M\u00f6glichkeiten des Maschinenlernens und die Einbeziehung des Menschen zu gr\u00f6\u00dferer Effizienz f\u00fchren. IDP-L\u00f6sungen sollten effiziente HITL-Unterst\u00fctzung bieten, da KI-gest\u00fctzte IDP-Plattformen nicht 100\u00a0Prozent genau sind und deshalb f\u00fcr Ausnahmen ausgelegt sein m\u00fcssen.<\/p>\n Hyperautomatisierung ist eine Strategie, welche die Identifikation und Automatisierung von m\u00f6glichst vielen IT- und Gesch\u00e4ftsprozessen beinhaltet. Bei der Hyperautomatisierung werden zahlreiche Technologien, Plattformen und Tools eingesetzt, um eine Automatisierung im gro\u00dfen Ma\u00dfstab zu erreichen.<\/p>\n Indexierung kam fr\u00fcher zum Einsatz, um eine Datei manuell mit einer bestimmten Markierung zu verkn\u00fcpfen, sodass sie zu einem sp\u00e4teren Zeitpunkt leicht auffindbar war. Bei IDP-L\u00f6sungen l\u00e4uft dieser Prozess weitgehend automatisiert und Dokumente werden mit gr\u00f6\u00dferer Genauigkeit, Effizienz und Geschwindigkeit indexiert.<\/p>\n Die erste Phase der Dokumentenverarbeitung besteht in der Erfassung. Bei der IDP versteht man unter Erfassung das Sammeln von Dokumenten f\u00fcr die Analyse und Datenextraktion.<\/p>\n Unter Integration versteht man die Vernetzung mehrerer Anwendungen, Ger\u00e4te, APIs usw. Eine IDP-L\u00f6sung wird mit anderen digitalen Ressourcen verkn\u00fcpft, damit Prozessautomatisierung und Informationsaustausch zwischen den L\u00f6sungen m\u00f6glich sind.<\/p>\n Eine Integration Engine empf\u00e4ngt Daten aus der Systemlandschaft, modifiziert diese und leitet sie an andere Anwendungen weiter.<\/p>\n Bei der intelligenten Automatisierung werden redundante Prozesse mithilfe von KI-Technologien automatisiert. In ihrer Gesamtheit erm\u00f6glichen diese Technologien, dass Unternehmen ihre Handlungs- und Entscheidungsprozesse straffen.<\/p>\n Bei IDP-Technologie kommt intelligente Erfassung zum Einsatz, um wichtige Informationen in elektronischen Dateien und Dokumenten in Papierform zu identifizieren und automatisch zu extrahieren. Das Eingreifen des Menschen ist nur in Ausnahmef\u00e4llen erforderlich.<\/p>\n Mithilfe der ICR lernen IDP-L\u00f6sungen, unterschiedliche Typenschriften und Handschriften zu unterscheiden. Dadurch wird die Verarbeitung genauer und handschriftliche Informationen werden besser erkannt.<\/p>\n IDP<\/a> ist ein Softwaredienst, der mithilfe von Technologien zur Datenerfassung wichtige Daten aus digitalen und physischen Dokumenten automatisch extrahiert.<\/p>\n Bei iPaaS handelt es sich um eine Plattform, mit der die Integration von Anwendungen unternehmensweit standardisiert wird. Mithilfe der iPaaS k\u00f6nnen Organisationen ihre verschiedenen SaaS-Anwendungen (Software as a Service) integrieren.<\/p>\n Schl\u00fcssel-Werte sind eine M\u00f6glichkeit, nicht relationale Daten in Gruppen, oder auch als Schl\u00fcssel-Wert-Paare, zu speichern. Mit diesem Verfahren k\u00f6nnen Organisationen riesige Datenmengen speichern.<\/p>\n Dieser Fachbegriff bezieht sich auf eine Wissensdatenbank f\u00fcr allgemeine Zwecke und wird h\u00e4ufig in Bereichen wie Wissensrepr\u00e4sentation, Wissensakquisition, Verarbeitung nat\u00fcrlicher Sprache, Ontology Engineering und in Bezug auf das semantische Web verwendet.<\/p>\n Ein Knowledge Graph repr\u00e4sentiert eine Sammlung von Entit\u00e4ten oder Daten von Interesse, gibt an, wie diese in Beziehung zueinander stehen, und liefert Informationen \u00fcber sie, die auch als Metadaten bezeichnet werden. Knowledge Graphs werden heutzutage h\u00e4ufig eingesetzt, von Suchmaschinen und Chatbots \u00fcber Produktempfehlungen, kognitive Automatisierung und andere KI-gest\u00fctzte Dienste.<\/p>\n Der Abgleich von Rechnungspositionen ist eine Funktion bei IDP-L\u00f6sungen. Diese Technologien k\u00f6nnen sicherstellen, dass Rechnungen und Bestellungen \u2013 oder vergleichbare Dokumentens\u00e4tze \u2013 \u00fcbereinstimmen.<\/p>\n Maschinelles Lernen, auch als Maschinenlernen oder Machine Learning bezeichnet, ist ein Gebiet der Informatik und ein Teilbereich der KI, das sich mit lernenden, adaptiven Algorithmen befasst. Technologien f\u00fcr maschinelles Lernen entwickeln sich mit der Zeit weiter und werden dabei genauer und effizienter.<\/p>\n Bei Metadaten handelt es sich um beschreibende Informationen zu bestimmten Daten. Manche Metadaten enthalten beispielsweise Angaben dar\u00fcber, wer eine Datei verfasst hat, wann oder wie sie erstellt wurde, worum es darin geht und dergleichen.<\/p>\n Natural Language Processing, zu Deutsch \u201eVerarbeitung nat\u00fcrlicher Sprache\u201c, ist ein Prozess, bei dem die nat\u00fcrliche Sprache in physischen und digitalen Dokumenten verarbeitet wird.<\/p>\n Technologien f\u00fcr Maschinenlernen m\u00fcssen Daten normalisieren, damit sie nutzbar werden. Normalisierung wird gelegentlich auch als \u201eDatenbereinigung\u201c bezeichnet. Normalisierte Daten erscheinen in unterschiedlichen Feldern und Datens\u00e4tzen, sodass die Software sie entsprechend verarbeiten kann.<\/p>\n Optische Zeichenerkennung \u2013 auch OCR-Software bzw. OCR-Dienste genannt \u2013 erkennt Text in Bildern und wandelt diesen in maschinell kodierten Text mit Informationen zu dessen Position um. Somit k\u00f6nnen diese Rohdateien weiterverarbeitet werden, z. B. im Rahmen einer Analyse des Texts, um verwertbare Daten zu extrahieren.<\/p>\n W\u00e4hrend OCR-Technologie geschriebenen Text und Bilder erkennt, liest Optical Mark Recognition, zu Deutsch \u201eoptische Markierungserkennung\u201c, Informationen aus, die in Tests, Frageb\u00f6gen und dergleichen markiert sind, wie etwa angekreuzte Kontrollk\u00e4stchen. Mithilfe von OMR-Technologie werden beispielsweise Multiple-Choice-Tests und \u00e4hnliche Dokumente verarbeitet.<\/p>\n Hierbei handelt es sich um Dateien, die mit perfekter Genauigkeit bearbeitet wurden. Um als PRD-Dateien zu gelten, m\u00fcssen Dokumente bei einer Suche in einer Datenbank mit hundertprozentiger Genauigkeit gefunden oder abgerufen werden k\u00f6nnen.<\/p>\n Beim Post-Processing handelt es sich um die letzte Phase der IDP. In dieser werden die extrahierten Daten mithilfe einer Reihe von Validierungsregeln und KI-gest\u00fctzten Prozessen untersucht.<\/p>\n Das Pre-Processing ist die erste Phase der IDP. In dieser Phase wird die Qualit\u00e4t der Dokumente verbessert, damit sie genauer klassifiziert und analysiert werden k\u00f6nnen.<\/p>\n Der Recall gibt an, wie viele der in einer Datenbank vorhandenen relevanten Dokumente bei einer Suche auch tats\u00e4chlich gefunden wurden.<\/p>\n Ein Repository ist ein m\u00f6gliches Ablagesystem f\u00fcr Dokumente.<\/p>\nK\u00fcnstliche Intelligenz (KI)<\/h4>\n
Automation Hero<\/h4>\n
Batch<\/h4>\n
Klassifikation<\/h4>\n
Cloud Hybrid<\/h4>\n
Cognitive Document Processing<\/h4>\n
Computer Vision<\/h4>\n
Kontextbezogen<\/h4>\n
Datenextraktion<\/h4>\n
Data of Interest (DOI)<\/h4>\n
Day Zero Accuracy (DZA)<\/h4>\n
Digitale Transformation<\/h4>\n
Document Change Rate (DCR)<\/h4>\n
Extraktion<\/h4>\n
Field Change Rate (FCR)<\/h4>\n
Handwriting Recognition (HWR)<\/h4>\n
Human-in-the-Loop (HITL)<\/h4>\n
Hyperautomatisierung<\/h4>\n
Indexierung<\/h4>\n
Erfassung<\/h4>\n
Integration<\/h4>\n
Integration Engine<\/h4>\n
Intelligente Automatisierung<\/h4>\n
Intelligente Erfassung<\/h4>\n
Intelligente Zeichenerkennung (Intelligent Character Recognition \/ ICR)<\/h4>\n
Intelligente Dokumentenverarbeitung (Intelligent Document Processing \/ IDP)<\/h4>\n
iPaaS (Integration Platform as a Service)<\/h4>\n
Schl\u00fcssel-Wert<\/h4>\n
Knowledge Graphs<\/h4>\n
Abgleich von Rechnungspositionen<\/h4>\n
Maschinelles Lernen (ML)<\/h4>\n
Metadaten<\/h4>\n
Natural Language Processing (NLP)<\/h4>\n
Normalisierung \/ normalisiert \/ Normalisieren<\/h4>\n
Optische Zeichenerkennung (Optical Character Recognition \/ OCR)<\/h4>\n
Optische Markierungserkennung (Optical Mark Recognition \/ OMR)<\/h4>\n
Perfect Recall Documents (PRD)<\/h4>\n
Post-Processing<\/h4>\n
Pre-Processing<\/h4>\n
Recall<\/h4>\n
Repository<\/h4>\n
Robotic Processing Automation (RPA)<\/h4>\n