Dokumente in strukturierte Informationen umwandeln

Die Herausforderung

Unternehmen und Privatpersonen sind nach wie vor stark auf Dokumente angewiesen. Rechnungen, Verträge, Strom-, Gas- und Wasserrechnungen, Steuerunterlagen, Versicherungsdokumente, medizinische Berichte und projektbezogene Unterlagen gehen oft über unterschiedliche Kanäle und in verschiedenen Formaten ein.

Zwar hat die Digitalisierung den Papieraufwand verringert, doch die eigentliche Herausforderung bleibt bestehen: Wertvolle Geschäftsinformationen bleiben in unstrukturierten Dokumenten verborgen.

Herkömmliche Lösungen zum Scannen von Dokumenten helfen Anwendern zwar dabei, digitale Kopien zu erstellen, lösen jedoch selten die nachfolgenden Schritte des Prozesses:

• Ermitteln, was ein Dokument tatsächlich enthält
• Geschäftskritische Metadaten extrahieren
• Dokumente einheitlich benennen
• Dateien automatisch organisieren
• Informationen bei Bedarf sofort finden

Mit steigendem Dokumentenvolumen werden die manuelle Ablage und das manuelle Abrufen von Dokumenten immer zeitaufwändiger und fehleranfälliger. Die eigentliche Herausforderung liegt nicht mehr in der Digitalisierung der Dokumente.

Die Herausforderung besteht darin, Dokumente zu verstehen.

Die Lösung

ScanMyDocuments kombiniert Computer Vision, optische Zeichenerkennung (OCR) und gerätebasierte künstliche Intelligenz zu einem umfassenden Workflow für die Dokumentenverarbeitung.

Der Nutzer erfasst ein Dokument einfach mit einem Smartphone oder Tablet. Die Plattform verarbeitet das Dokument automatisch, extrahiert relevante Informationen und ordnet das Ergebnis nach vordefinierten geschäftlichen oder persönlichen Regeln. So werden unstrukturierte Dokumente in strukturierte, durchsuchbare Informationen umgewandelt, ohne dass manuelle Bearbeitungsschritte erforderlich sind.

So funktioniert es

Dokumentenerfassung auf Basis von Computer Vision

Die Lösung nutzt Computer-Vision-Techniken, um Dokumente direkt bei der Erfassung zu erkennen und zu verarbeiten. Zu den Funktionen gehören:

• Automatische Dokumentenerkennung
• Kantenerkennung
• Perspektivkorrektur
• Automatisches Zuschneiden
• Bildoptimierung

Dadurch können Benutzer Dokumente schnell digitalisieren, ohne manuelle Anpassungen vornehmen zu müssen.

OCR und durchsuchbare Dokumente

Nach der Erfassung werden mittels OCR-Verarbeitung Textinformationen aus dem Dokument extrahiert. Die Lösung bietet folgende Funktionen:

• Hochwertige Textextraktion
• Mehrseitige Dokumente
• Erstellung durchsuchbarer PDF-Dateien
• Offline-Verarbeitung
• Ausführung auf dem Endgerät

Die erstellten Dokumente bleiben vollständig durchsuchbar, wobei die ursprüngliche visuelle Darstellung erhalten bleibt.

KI-gestütztes Dokumentenverständnis

Über die OCR hinaus nutzt die Plattform eine KI-basierte Dokumentenanalyse, um den Inhalt eines Dokuments zu erfassen. Je nach Dokumenttyp kann die Lösung automatisch Informationen wie die folgenden identifizieren:

• Dokumenttyp (Rechnung, Vertrag, Garantie usw.)
• Dokumentdatum
• Ausstellende Organisation / Lieferant
• Geschäftseinheiten und Referenzen
• Namen von Kunden oder Partnern
• Relevante finanzielle oder vertragliche Metadaten

Anstatt lediglich Rohtext zu extrahieren, wandelt die Plattform unstrukturierte Dokumentinhalte in strukturierte Informationen um, die direkt in nachgelagerten Prozessen verwendet werden können.

Intelligente Ablageprofile

Sobald die Metadaten identifiziert wurden, können Dokumente mithilfe konfigurierbarer Ablageprofile automatisch organisiert werden. Profile können Folgendes abbilden:

• Persönliche Archive
• Geschäftsumgebungen
• Einzelne Projekte
• Familienmitglieder
• Unternehmensabteilungen
• Großkunden & Kunden

Jedes Profil kann eigene Namenskonventionen, Ordnerstrukturen, Speicherorte und Organisationsregeln definieren. Dies ermöglicht einen konsistenten und wiederholbaren Dokumentenverwaltungsprozess, ohne dass manuelle Eingriffe erforderlich sind.

Eine Architektur, bei der der Datenschutz an erster Stelle steht

Viele moderne Lösungen zur Dokumentenverarbeitung stützen sich stark auf cloudbasierte KI-Dienste. ScanMyDocuments verfolgt einen anderen Ansatz. Die zentralen Verarbeitungskomponenten laufen vollständig auf dem Gerät ab:

• Computer Vision und Bildoptimierung
• Optische Zeichenerkennung (OCR)
• Metadatenextraktion und Entitätserkennung
• Dokumentenklassifizierung

Diese Architektur bietet mehrere strategische Vorteile:

• Strenge Datenschutzbestimmungen: Sensible Informationen bleiben vollständig unter der Kontrolle des Benutzers, was den Anforderungen der DSGVO voll und ganz entspricht.
• Kosteneffizienz: Keine Kosten für externe KI-APIs pro verarbeitetem Dokument.
• Unabhängigkeit: Vollständiger Offline-Betrieb ohne Abhängigkeit von der Netzwerkverfügbarkeit oder externen Diensten.
• Hardwareauslastung: Sofern verfügbar, nutzt die Lösung direkt die lokalen Hardwarebeschleuniger und geräteinternen KI-Engines von Apple, um die Leistung zu steigern.

Die wichtigsten Funktionen auf einen Blick

• Computer Vision: Dokumentenerkennung, Bildverbesserung, Perspektivkorrektur, Kantenerkennung.
• OCR: Durchsuchbare PDFs, Unterstützung mehrseitiger Dokumente, Offline-Verarbeitung, präzise Textextraktion.
• KI-basiertes Verständnis: Dokumentenklassifizierung, Metadatenextraktion, Entitätserkennung, intelligente Erinnerungen (z. B. Vertragsablauf oder Garantieverfolgung).
• Intelligente Ablage: Automatisierte Namenskonventionen, regelbasierte Organisation, benutzerdefinierte Profile, flexible Speicherziele (d. h. Integration der Dateien-App und von iCloud).

Geschäftliche Vorteile und Relevanz für Unternehmen

Unternehmen und Anwender profitieren von einer massiven Reduzierung des manuellen Dokumentenhandlings, einem schnelleren Informationsabruf und absoluter Konsistenz bei der Dokumentenarchivierung.

Die Lösung dient als hochskalierbare Referenzarchitektur. Sie zeigt, wie moderne KI dokumentenorientierte Arbeitsabläufe transformieren kann, ohne dass dafür aufwendige Cloud-Infrastrukturen erforderlich sind oder das Risiko von Datenlecks besteht.

Das zugrunde liegende technische Framework, das Computer Vision, maschinelles Lernen und automatisierte Informationsextraktion kombiniert, zeichnet sich durch mobile Agilität aus und ist so konzipiert, dass es sich mühelos auf breitere Anwendungsfälle in Unternehmen skalieren lässt, wie beispielsweise die Dokumentation von Versorgungsleistungen, die automatisierte Formularverarbeitung, Inspektions-Workflows und die Berichterstattung zur technischen Wartung.