KI-Dokumentenverarbeitung: extrahieren, klassifizieren, zusammenfassen

Was ist KI-Dokumentenverarbeitung?

KI-Dokumentenverarbeitung – international als Intelligent Document Processing (IDP) bekannt – bezeichnet Software, die unstrukturierte Dokumente automatisch in strukturierte, weiterverarbeitbare Daten überführt. Statt fixer Vorlagen wie bei klassischer OCR nutzen moderne Systeme Layout-Verständnis, maschinelles Lernen und grosse Sprachmodelle. Damit erkennen sie Felder auch dann, wenn jede Rechnung, jeder Vertrag und jedes Formular anders aussieht.

Drei Kernaufgaben stehen im Zentrum: Extraktion (relevante Felder wie Betrag, Datum, Vertragspartei herauslesen), Klassifizierung (den Dokumenttyp bestimmen, etwa Rechnung, Mahnung oder Vertrag) und Zusammenfassung (lange Texte auf das Wesentliche verdichten). Ziel ist nicht, den Menschen zu ersetzen, sondern repetitive Erfassung zu automatisieren und Fachpersonen für Prüfung und Ausnahmen freizuspielen.

Wie die Verarbeitung funktioniert: von OCR bis Zusammenfassung

Eine typische IDP-Pipeline läuft in mehreren Schritten ab. Jeder Schritt lässt sich einzeln messen und verbessern:

• Erfassung und OCR: Gescanntes oder fotografiertes Papier wird in maschinenlesbaren Text umgewandelt; digitale PDFs liefern den Text direkt.
• Klassifizierung: Das System ordnet das Dokument einem Typ zu (Rechnung, Vertrag, Lieferschein, Formular) und leitet es an den richtigen Prozess weiter.
• Extraktion: Layout- und Sprachmodelle lesen Felder und Positionen aus – etwa Rechnungsnummer, MwSt-Satz, IBAN, Fälligkeitsdatum oder Vertragslaufzeit.
• Validierung: Regeln und Abgleiche prüfen die Daten (Summenkontrolle, Stammdaten-Abgleich, Format der IBAN oder Schweizer QR-Rechnung).
• Zusammenfassung und Analyse: Grosse Sprachmodelle verdichten Verträge zu Kernpunkten, extrahieren Fristen oder markieren Klauseln – idealerweise mit Quellenverweis auf die Fundstelle.
• Übergabe: Die strukturierten Daten fliessen per Schnittstelle in ERP, Buchhaltung, DMS oder CRM – ohne manuelles Abtippen.

Rechnungen, Verträge, Formulare: typische Anwendungsfälle

• Rechnungen (Kreditorenbuchhaltung): automatisches Auslesen von Lieferant, Betrag, MwSt, IBAN und Positionen, Abgleich mit Bestellung und Wareneingang, Verbuchung mit menschlicher Freigabe. Schweizer Besonderheit: die QR-Rechnung mit strukturiertem QR-Code erleichtert die zuverlässige Extraktion.
• Verträge: Klauseln, Kündigungsfristen, Laufzeiten und Vertragsparteien extrahieren, Verträge klassifizieren und für die juristische Prüfung zusammenfassen. KI liefert den Entwurf – die rechtliche Wertung bleibt bei Fachpersonen.
• Formulare und Anträge: Onboarding-, Schaden- oder Antragsformulare digitalisieren, Felder validieren und in Fachsysteme übernehmen – auch bei handschriftlichen Einträgen mit unterschiedlicher Qualität.
• Mehrsprachige Belege: In der Schweiz landen Dokumente in Deutsch, Französisch, Italienisch und Englisch im selben Posteingang. Moderne Modelle verarbeiten diese Sprachen, was manuelle Vorsortierung überflüssig macht.

Genauigkeit, Konfidenz und die menschliche Prüfung

Genauigkeit misst man nicht pauschal, sondern pro Feld: Ein Datum mag zu 99 Prozent stimmen, eine handschriftliche Notiz deutlich seltener. Entscheidend ist der Konfidenzwert, den das Modell für jede Extraktion ausgibt. Er steuert, welche Dokumente ohne Zutun durchlaufen (Straight-Through Processing) und welche zur Prüfung an Menschen gehen (Human-in-the-Loop).

Gute Systeme setzen deshalb auf einen Schwellenwert: Unterhalb einer bestimmten Konfidenz oder bei fehlgeschlagener Validierung landet das Dokument in einer Prüfmaske. So bleibt die Kontrolle beim Menschen, während der Grossteil der Routine automatisch läuft. Gerade bei Sprachmodell-Zusammenfassungen ist Vorsicht geboten: Modelle können plausibel klingende, aber falsche Angaben erzeugen (Halluzinationen). Quellenverweise und stichprobenartige Kontrollen sind daher Pflicht.

Datenschutz und Compliance in der Schweiz

Dokumente enthalten oft Personendaten und Geschäftsgeheimnisse. In der Schweiz gilt das revidierte Datenschutzgesetz (revDSG), beaufsichtigt durch den EDÖB; für Kundinnen und Kunden im EU-Raum kann zusätzlich die DSGVO greifen. Wichtig sind Zweckbindung, Datenminimierung, ein Bearbeitungsverzeichnis und – bei heikleren Vorhaben – eine Datenschutz-Folgenabschätzung.

• Datenstandort: Klären, wo verarbeitet und gespeichert wird. Schweizer oder EU-Hosting, verschlüsselte Übertragung und ein Auftragsbearbeitungsvertrag mit dem Anbieter sind zentral.
• Training mit eigenen Daten: Vertraglich sicherstellen, dass eingereichte Dokumente nicht ohne Einwilligung zum Training fremder Modelle verwendet werden.
• Aufbewahrung: Geschäftsbücher und Belege sind nach Obligationenrecht (OR Art. 958f) grundsätzlich zehn Jahre aufzubewahren – die Archivierung muss revisionssicher bleiben, auch wenn die Erfassung automatisiert ist.
• Berufsgeheimnis: Bei Gesundheits-, Anwalts- oder Bankunterlagen gelten zusätzliche Geheimhaltungspflichten, die eine On-Premise- oder streng abgeschottete Lösung nahelegen können.

In fünf Schritten einführen

• Einen klar abgegrenzten, hochvolumigen Prozess wählen – etwa Eingangsrechnungen – statt alles auf einmal zu automatisieren.
• Erfolgskriterien definieren: Zielgenauigkeit pro Feld, akzeptable Durchlaufquote und maximale Bearbeitungszeit.
• Mit echten, repräsentativen Dokumenten testen – inklusive schlechter Scans, Fremdsprachen und Sonderfälle.
• Prüf-Workflow und Konfidenzschwellen einrichten, damit unsichere Fälle zuverlässig bei Menschen landen.
• Datenschutz, Verträge und Datenstandort früh klären und die Genauigkeit im Betrieb laufend überwachen und nachjustieren.