Wofür wird OCR verwendet? Der vollständige Leitfaden

Rechnungen, Bestellungen, Lieferscheine, Verträge, Angebote, Mietbelege, Kontoauszüge, Bescheinigungen... Wenn Sie Dokumente im PDF- oder Bildformat haben, sind die Daten „gefangen“ und für das Unternehmen unbrauchbar. Dank der OCR-Software können Sie Ihre unstrukturierten Dokumente jedoch in strukturierte Informationen umwandeln und so Zeit bei Ihren Abläufen sparen.

Mit generativer KI hat die OCR-Software erhebliche Fortschritte gemacht.

Traditionelle Methoden: Maschinelles Lernen und überwachtes Lernen

OCR ermöglicht die Verarbeitung eines digitalen Bildes zur Extraktion von Textdaten, die Verbesserungen beinhalten können (Schriftart, Fett, Titel, Layout). Traditionell werden bei der OCR-Analyse mehrere Verarbeitungsebenen miteinander verknüpft:

1. Voranalyse von Bildern: Die Bildschärfe wird mithilfe von Filtern verbessert; das Bild wird begradigt und beschnitten.
2. Textsegmentierung: Jeder Textblock befindet sich relativ zu anderen auf dem Bild.
3. Zeichenerkennung: Jedes Zeichen wird zur Identifizierung mit einer Bibliothek von Formen verglichen, insbesondere mithilfe neuronaler Netzwerkanalysen.
4. Erkennung von Formularen, Tabellen und zugehörigen Werten: eine Funktion, die häufig in OCR der Rechnung wie Amazon Textract zu finden ist.
5. Nachbearbeitung: Auf der Grundlage statistischer Regeln werden Fehler eliminiert.

Beim überwachten Lernen gibt es jedoch zwei Einschränkungen:

1. Mangelndes Sprachverständnis: Die Maschine berücksichtigt nicht die Bedeutung der extrahierten Wörter, was sich auf die Qualität der Extraktion auswirkt. Bei komplexeren Dokumenten (z. B. Angebote oder Verträge) treten häufig Fehler auf.
2. Ausnahmemanagement: Da das Lernen anhand einer begrenzten Anzahl von Dokumenten erfolgt, gibt es oft seltene Fälle, auf die die KI noch nicht gestoßen ist.

‍Die Revolution der LLMs: Präzision und Anpassung

OCR beruhte hauptsächlich auf überwachtem Lernen: Maschinen wurden trainiert, indem Ergebnisse manuell auf Bildern beschriftet wurden. Jetzt, mit dem Aufkommen von LLMs, sind wir in das Zeitalter der intelligentenDie Erkennung handschriftlicher Texte durch OCR ist unterschiedlich: Dokumentenverarbeitung, wo die Ergebnisse deutlich besser sind. Das bedeutet, dass Maschinen generisch lernen, ohne dass eine präzise Kennzeichnung erforderlich ist. Die Ergebnisse sind deutlich besser und bieten eine höhere Genauigkeit und die Fähigkeit, komplexe Dokumente ohne den zuvor erforderlichen intensiven menschlichen Eingriff zu verarbeiten.

Vergleich von Computer Vision und LLMs

Hier ist eine Vergleichstabelle der Leistungsunterschiede zwischen OCRs, die auf Computer Vision basieren, und solchen, die auf LLMs basieren. Die Dokumentenverarbeitungstechnologie Koncile kombiniert das Beste aus beiden, um optimale Ergebnisse zu erzielen.

PDF-, JPEG-, PNG-, gescannte oder Fotodokumente: Was sind die Unterschiede?

Durchsuchbares PDF‍

Ihre PDF-Datei wurde mit einer Software erstellt, sodass Sie Text im Dokument auswählen können. Dies wird als „durchsuchbares“ PDF bezeichnet. Fazit: In diesem Fall ist keine Zeichenerkennung erforderlich, da der Klartext bereits in der Datei vorhanden ist. Das „Layout“ muss jedoch erfasst werden, um die Informationen zu priorisieren.

Gescanntes PDF aus Papierdokument‍

Die PDF-Datei enthält keine Textinformationen. Die OCR-Software muss Zeichen- und Layouterkennung durchführen. Der Dateityp (PDF, PNG oder JPEG) ist für die Verarbeitung im Allgemeinen gleichgültig.

Fotodokument‍

Ähnlich wie bei einem gescannten PDF sind Zeichenerkennungs- und Layoutschritte erforderlich. Beachten Sie, dass ein höheres Fehlerrisiko besteht.

Elektronisches Format oder EDI‍

Für Rechnungen sind typische Formate wie „Invoice-X“ PDFs, die an eine XML-Datei angehängt sind. Die Informationen sind dann direkt in einer Datenbank nutzbar. Die PDF-Datei kann jedoch häufig mehr Informationen als die XML-Datei enthalten, insbesondere zeilenweise Rechnungsinformationen.

Dokument mit Handschrift‍

Die Erkennung von Signaturen liefert derzeit sehr gute Ergebnisse. Die Erkennung handschriftlicher Texte durch OCR ist unterschiedlich:: Großbuchstaben werden gut erfasst, aber kursives Schreiben kann zu Fehlern führen.

Welche Dokumente können verarbeitet werden?ohne Code

Um diese Frage zu beantworten, sollten zwei Kriterien genau untersucht werden:

1. Variabilität des Dokuments: Wenn Dokumente immer dieselben Informationen im gleichen Format enthalten, ist die Erfassung einfacher.
2. Länge des Dokuments: Kurze Dokumente können problemlos verarbeitet werden; mit zunehmender Dokumentgröße kann es zu Verwechslungen zwischen verschiedenen Informationen kommen.

Kurze Dokumente mit relativ standardisierten Informationen

• Reisepass
• Personalausweis
• Führerschein

Kurze Dokumente mit variablen Formaten und wiederholten Informationen:

• Rechnungen
• Bestellungen
• Lieferscheine
• Angaben zum Bankkonto
• Gehaltsabrechnungen

Lange Dokumente, die aus mehreren Teilen bestehen‍

• Verträge
• Ärztliche Verschreibungen und Dokumente
• Gutachten
• Zolldokumente
• Steuerdokumente
• Immobilien-Dateien

Welche Informationen können in einem Dokument erfasst werden?

OCRs bietet eine Standardliste für jeden Dokumenttyp. Mit LLMs können Sie jetzt noch einen Schritt weiter gehen und die Felder definieren, die für Ihren Anwendungsfall sinnvoll sind. Auf der Koncile Plattform können Sie Felder angeben, die in einer Datei extrahiert werden sollen ohne Code. Um die Genauigkeit zu verbessern, kann es nützlich sein, ein Beispiel für das gewünschte Ergebnis anzugeben.

Testen Sie eine Testversion von Koncile und vergleichen Sie die Ergebnisse mit herkömmlichen OCRs.

Was sind die Kosten von OCR?

Die Kosten für OCR können variieren von 1 Cent bis 20 Cent pro Seite.

Es gibt auch es gibt kostenlose, frei verfügbare Bibliotheken zur Zeichenerkennung für die Zeichenextraktion, z. B. die Tesseract-Bibliothek, die jetzt von Google gesponsert wird, oder die in C geschriebene Open-Source-GOCR-Bibliothek, die unter Linux, Windows und macOS funktioniert.

Was ist die durchschnittliche Genauigkeit einer OCR?

Die OCR-Genauigkeit variiert je nach Softwareanbieter. Derzeit ist die zeilenweise Extraktion nach wie vor ein schwieriger Punkt.

Entdecken Sie unseren vollständigen Vergleich verschiedener OCR-Lösungen.

Was ist die Verarbeitungszeit für eine OCR?

Die Verarbeitungszeit kann reichen von wenigen Sekunden bis zu einer Minute, abhängig von der Art der verwendeten OCR.

Die Verarbeitungszeit wird von der Komplexität und Länge des Dokuments sowie der Auflösung des Bildes beeinflusst. Verfahren zur Mehrfachverarbeitung, einschließlich Texterkennung und LLMs, können die Verarbeitungszeit verlängern und gleichzeitig die Gesamtgenauigkeit verbessern.