DocuWare IDP GenAI Extraction: Optimierte Workflows durch sofortige Ergebnisse

Die GenAI Extraction als Bestandteil von DocuWare IDP verändert die Art, wie Unternehmen Dokumente verarbeiten. Heute zeigen wir Ihnen, wie die GenAI funktioniert, wie Sie Schritt für Schritt damit starten und worauf Sie achten sollten, um die bestmöglichen Ergebnisse zu erhalten.

Inhalt:

• Was ist GenAI Extraction?  
• Was ist Zero-Shot-Extraction und wie funktioniert sie?  
• Wer übernimmt die Einrichtung: Administrator oder Nutzer?  
• GenAI Schritt für Schritt erklärt 
• Tipps für optimale Ergebnisse 
  

Was ist GenAI Extraction? 

Die GenAI Extraction ist eine KI-gestützte Funktion innerhalb von DocuWare IDP, die strukturierte Daten automatisch aus unstrukturierten Dokumenten wie Rechnungen, Verträgen oder Lieferscheinen extrahiert. Im Gegensatz zu herkömmlichen Dokumentenverarbeitungssystemen, die auf vordefinierte Vorlagen und manuelle Zuordnungen angewiesen sind, nutzt die GenAI Extraction künstliche Intelligenz und Natural Language (NL). Dadurch wird die Einrichtung deutlich einfacher, schneller und flexibler. Anwender beschreiben die gewünschten Datenfelder einfach in ihren eigenen Worten (z. B. „Rechnungsdatum: Das Datum, an dem die Rechnung ausgestellt wurde“), und die KI übernimmt den Rest, ganz ohne komplexe oder technische Konfiguration. 

Was ist Zero-Shot-Extraction und wie funktioniert sie?  

Die Zero-Shot-Extraction ist eine zentrale Funktion der GenAI Extraction, die auch ohne vorheriges, aufgabenspezifisches Training oder Annotationen direkt erste Ergebnisse liefert. 

So funktioniert es:

Die Zero-Shot-Extraction erfolgt genau in dem Moment, in dem Sie Ihre Dokumente verarbeiten und nicht während der Erstellung oder des Trainings eines KI-Modells. Das GenAI-Modell ist bereits umfassend mit einer Vielzahl von Dokumenttypen vortrainiert. Wenn Sie ein Dokument hochladen und die gewünschten Felder in einfacher Sprache definieren, nutzt GenAI dieses Wissen sofort, um die relevanten Daten zu erkennen und zu extrahieren. Das funktioniert auch bei Dokumentformaten oder Layouts, die das System zuvor noch nicht gesehen hat. 

Es ist nicht nötig, eigene Modelle zu erstellen, Vorlagen anzulegen oder annotierte Beispieldaten bereitzustellen. Sie geben GenAI einfach zum Zeitpunkt der Extraktion an, welche Informationen Sie brauchen und erhalten direkt erste Ergebnisse. 

Was es so besonders macht:

GenAI benötigt vor dem Start kein Training, keine Annotationen und keine Vorlagenerstellung. Sobald Sie ein Dokument hochladen und die gewünschten Felder definieren, erhalten Sie unmittelbar erste Extraktionsergebnisse. Die KI interpretiert Ihre Feldbeschreibungen und wendet sie auf den gesamten Dokumenteninhalt an. Dadurch kann sie Daten aus sehr unterschiedlichen Dokumentlayouts und -strukturen extrahieren, insbesondere aus variablen oder unstrukturierten Dokumenten. 

Kurz gesagt: GenAI ist ein promptbasierter, KI-gestützter Ansatz zur Datenextraktion, der eine schnelle Einrichtung und flexible Nutzung ermöglicht. Die Zero-Shot-Extraction beschreibt die Fähigkeit, direkt während der Dokumentenverarbeitung Ergebnisse zu liefern. Dabei werden die definierten Felder genutzt, ohne dass vorheriges Training, Annotationen oder klassische vorlagenbasierte Konfigurationen erforderlich sind.

Wer übernimmt die Einrichtung: Administrator oder Nutzer?  

Ein wesentlicher Vorteil der GenAI Extraction ist ihre Flexibilität und einfache Zugänglichkeit. Sowohl Administratoren als auch Endnutzer können abhängig ihrer Rollen und Berechtigungen Felder definieren oder anpassen. Administratoren legen dabei in der Regel standardisierte Feldgruppen fest, um eine einheitliche Nutzung im gesamten Unternehmen sicherzustellen. Endnutzer können hingegen direkt in der Benutzeroberfläche Felder erstellen oder für ihre eigenen Anforderungen anpassen. Dafür ist kein tiefes technisches oder datenwissenschaftliches Know-how erforderlich. 

GenAI Schritt für Schritt erklärt 

Die GenAI Extraction bietet einen einfachen und durchgängigen Prozess zur Erfassung von Daten aus Dokumenten: 

1. Dokumente hochladen

Dokumente wie Rechnungen, Verträge oder Lieferscheine werden dem Extraktionsprozess bereitgestellt. Dies kann entweder durch das direkte Hochladen von Dokumenten zusammen mit den zugehörigen JSON-Daten für das Modelltraining erfolgen oder durch die Auswahl vorhandener Dokumente aus DocuWare, wobei die in DocuWare vorhandenen Indexdaten für das Training verwendet werden. 
 
2. Felddefinition (Schema/Vorlage)

Benutzer definieren die Felder, die sie extrahieren möchten, indem sie Feldnamen und Beschreibungen in Natural Language angeben. Diese Felddefinitionen bilden gemeinsam das Zielschema und steuern das GenAI-Modell bei der Erstellung der finalen strukturierten Ausgabe. Je nach Berechtigungen und organisatorischen Anforderungen können Felddefinitionen entweder von Administratoren oder von den fachlichen Anwendern selbst erstellt und gepflegt werden. Diese Flexibilität ermöglicht es den Teams, Extraktionsanforderungen anzupassen, ohne Vorlagen, manuelle Annotationen oder komplexe Konfigurationen zu benötigen. 

Beispiel für die Einrichtung einer Rechnungsextraktion: 

• Lieferantenname: „Name des Unternehmens, das die Rechnung ausstellt, meist im Kopfbereich oder oben auf dem Dokument“  
• Rechnungsnummer: „Eindeutige Kennung der Rechnung, oft als ‚Rechnung-Nr.:‘ oder ‚Rechnungsnummer‘ bezeichnet“  
• Rechnungsdatum: „Datum, an dem die Rechnung ausgestellt wurde, häufig oben rechts zu finden“  
• Gesamtbetrag: „Gesamtsumme zur Zahlung, meist als ‚Gesamt‘ oder ‚Betrag fällig‘ gekennzeichnet und am unteren Rand des Dokuments zu finden“  
•  Fälligkeitsdatum: „Datum, bis zu dem die Zahlung erfolgen soll“  
  Diese Feldbeschreibungen helfen GenAI dabei, genau zu verstehen, welche Daten     extrahiert werden sollen. Dadurch wird die Genauigkeit verbessert, selbst bei     Dokumenten mit unterschiedlichen Layouts oder Formaten.
  

 
3. Zero-Shot-Extraction

Sobald das Dokument hochgeladen und die Felder definiert sind, wird die Extraktion vollständig automatisiert und vom Benutzer gestartet. Während die Dokumente verarbeitet werden, nutzt GenAI sofort sein vortrainiertes Wissen sowie die definierten Feldbeschreibungen, um die relevanten Daten zu extrahieren. Es sind keine Vorlagenerstellung, keine manuelle Annotation und kein vorheriges Modelltraining erforderlich. Die Ergebnisse stehen sofort zur Verfügung und ermöglichen es den Nutzern, die Felddefinitionen in einem schnellen, iterativen Feedbackprozess zu überprüfen und anzupassen. 
 
4. Überprüfung und Optimierung

Der Nutzer, der die Extraktion gestartet hat (oder ein Administrator bei unternehmensweiten Prozessen), überprüft die Ergebnisse. Wenn ein Feld nicht optimal funktioniert, kann die Beschreibung angepasst oder um Beispielwerte ergänzt werden. Ein zusätzliches KI-Training ist für spezielle Anwendungsfälle möglich, wird aber in der Regel nicht benötigt. 

5. Template-/Schema-Management

Administratoren verwalten in der Regel die Vorlagen, um eine einheitliche Nutzung sicherzustellen. Wenn es die Berechtigungen erlauben, können auch Endnutzer Vorlagen für ihre individuellen Anforderungen erstellen oder anpassen. Sobald eine Vorlage bzw. ein Schema für einen Dokumenttyp definiert ist, wendet GenAI dieses automatisch auf ähnliche Dokumente an. Es muss nicht jedes Mal neu eingerichtet werden. 

Wo findet die Verarbeitung statt? 

Alle Schritte erfolgen direkt in der Dokumentenmanagement- oder Extraktionsoberfläche. Nutzer müssen keine regelbasierten Extraktionslogiken konfigurieren und auch keine manuellen OCR-Box-Annotationen durchführen. Stattdessen basiert die Extraktion auf einem modellbasierten Ansatz, bei dem Einrichtung, Ausführung und Optimierung über Felddefinitionen und Feedback aus der Validierung gesteuert werden.  

Mit GenAI lassen sich Dokumentenprozesse schnell und einfach automatisieren. Die Oberfläche ist intuitiv gestaltet, sodass Sie sich auf Ihre Daten konzentrieren können – statt auf die Konfiguration. 

Tipps für optimale Ergebnisse 

• Verwenden Sie klare und detaillierte Feldbeschreibungen, um die Extraktionsqualität zu verbessern. Geben Sie dabei das erwartete Format an, fügen Sie Beispiele hinzu und beschreiben Sie genau, welche Information zurückgegeben werden soll. 
• Wenn die Ergebnisse nicht korrekt sind, passen Sie die Feldbeschreibungen an oder ergänzen Sie Beispielwerte und verarbeiten Sie das Dokument anschließend erneut, um die Verbesserungen zu überprüfen. 
• Die GenAI Extraction verbessert sich durch Feedback, das während der Nutzung entsteht, wenn Sie die extrahierten Ergebnisse prüfen und validieren. Je häufiger Sie Ergebnisse bestätigen oder korrigieren, desto besser kann sich das System anpassen und die Qualität der Ergebnisse kontinuierlich steigern. 
• Die Validierung erfolgt in der Regel direkt in der Dokumentenoberfläche oder im Dashboard, wo Nutzer die Ergebnisse pro Dokument überprüfen und entweder bestätigen oder korrigieren.

Möchten Sie mehr über die Unterschiede zwischen klassischer Extraktion und GenAI-Extraktion erfahren? Lesen Sie unseren Blog: Neu in Docuware IDP – Datenextraktion mit GenAI.