Rechnungen, Verträge und Formulare von Hand ins System einzugeben, ist sowohl langsam als auch fehleranfällig. Klassisches OCR gab es lange, war aber begrenzt; es funktionierte nur bei bestimmten Formaten. Modernes LLM-basiertes OCR löst selbst ein Format, das es nicht kennt.
01. Die Grenzen des klassischen OCR
Klassisches OCR (Tesseract, ABBYY usw.) liest zeilenbasiert und sagt „an dieser Koordinate steht das“. Um Felder korrekt zu finden, ist meist eine Vorlagendefinition (Template) nötig. Wechselt der Lieferant der Rechnung, bricht die Vorlage.
02. LLM-basiertes OCR: die neue Generation
Modelle wie GPT-4V, Claude und Gemini lesen und verstehen das Bild direkt. Sie beantworten die Frage „Wie hoch ist die Summe dieser Rechnung?“ ohne jede Vorlage. Das ist ein Zuwachs an Geschwindigkeit und Flexibilität.
03. Konkrete Anwendungsbereiche
Bereiche, in denen LLM-OCR nützt:
- Lieferantenrechnungen (200 verschiedene Formate, derselbe Ablauf)
- Zusammenfassung von Verträgen
- Auslesen von Formularen und Anträgen
- Ausweis- und Passverifizierung
- Versandetiketten und Lieferscheine
In jedem Szenario ist eine Genauigkeit von 90 %+ möglich, für kritische Felder wird eine menschliche Prüfung ergänzt.
04. Der Prozess des Schreibens ins ERP
OCR endet nicht mit dem Auslesen; die ausgelesenen Daten müssen in das richtige Feld des ERP geschrieben werden. Dafür braucht es:
- Feldzuordnung (die „Summe“ in der Rechnung → „Gesamtsumme“ im ERP)
- Genehmigungsablauf (besonders bei Rechnungen mit hohem Betrag)
- Ausnahmeverwaltung (ist das OCR unsicher, kommt der Mensch ins Spiel)
Werden diese nicht konzipiert, ist OCR eine halbe Lösung.
Entdecken Sie unsere Lösung Künstliche Intelligenz
Für ausführliche Informationen können Sie ein kostenloses Beratungsgespräch buchen.