Führender Schweizer BPO steigert Effizienz in der Dokumenten-Erfassungen signifikant dank KI-basierter Dokumententrennung.
Overview – Management Summary
Durch die Implementation der automatischen Dokumententrennung mit Parashift kann ein im Schweizer Markt bedeutender, spezialisierter IT-Dienstleister die Dokumenten-Digitalisierung signifikant optimieren.
Der Dienstleister kennt die Herausforderung bei diesem Prozess-Schritt und dem damit verbundenen Optimierungspotential bestens.
Mit dem neu konzipierten Verfahren basierend auf KI-Verfahren konnten die gesteckten Ziele erreicht werden. Durch die automatisierte Dokumenttrennung mit Parashift können Kosten und Verarbeitungszeit eingespart werden
Aufgabenstellung – Herausforderung
Jeden Tag verarbeitet der spezialisierte IT-Dienstleister tausende von Dokumenten für seine Kunden. Der Eingang der Dokumente in den Erfassungs-Prozess erfolgt in diesem Fall in Papierform. Aber auch digital eingehende Dokumente profitieren von dieser Funktionalität. Den praktisch immer kommen die Dokumente in grösseren Mengen (Stapeln/Dateien) zusammengefasst in den Prozess und müssen separiert werden.
In diesem Case erfolgte die Separierung eingehende Post nach dem Scannen, in einer Dokumenterfassungs-Software manuell durch Personen am Bildschirm. In vielen anderen Fällen erfolgt die Dokumententrennung beim Scannen durch in der Dokumenten-Aufbereitung (AVOR) aufgeklebte Barcodes oder eingefügte Barcode- oder Patchcode-Trennblätter.
Beide Variante erfordern einen bedeutenden manuellen Arbeitsaufwand. Zudem können sich durch fehlerhaftes Handling korrupte Dokumente ergeben. Zurzeit verfügbare Tools zur automatischen Separation haben sich auf Grund mangelnder Zuverlässigkeit kaum etabliert.
Die Lösung
Auf Basis von GNNs (Graph Neural Networks), einem leistungsstarken Instrument der Künstlichen Intelligenz zur Analyse und Vorhersage von Beziehungen zwischen Objekten, wurde die automatisierte Dokumenttrennung umgesetzt.
- Dokumenten-Bewusstsein
Situatives Trennen basierend auf Seiten, die viel früher oder später im Dokument sind.
- Mehrschichtige KI
Nutzt Layout (textuell) und Bilder (visuell)
- Kontingenz-Entscheidung
Wahrscheinlichkeit “Erste Seite” und “Letzte Seite” werden für Trennungsvorschlag jeder Seite beigezogen. (*Abbildung 1)
- Hohe Automatisierung, wenig Validierung
Automatismus optimiert Validierungsaufwand
- Kontinuierliches, autonomes Lernen
Lernt kontinuierlich auf der Grundlage von menschlichem Feedback (Validierungen und Korrekturen)
- Einfache Konfiguration
Legen Sie eine akzeptable Fehlerquote fest (z. B. 2 %) und überlassen Sie den Rest der Maschine
Das Ergebnis
Eingesparte Kosten, Optimierter Prozess,
Zufriedenere Kunden, Kontinuierliche weitere Verbesserung
Die Implementierung der automatischen Dokumententrennung mit Parashift hat beim Dienstleisterdurch den deutlich geringeren manuellen Aufwand zu signifikanten Kostensparungen geführt.
Als Folge davon konnten die Durchlaufzeiten und somit die Gesamtperformance der Dokumentenerfassung verbessert werden. Die schnellere Verarbeitung der eingehenden Post führte wiederum zu einer höhren Kundenzufriedenheit. Konkret konnten nach den bisherigen Erhebungen bereits mehr als die Häflte (54%) der Dokumente vollautomatisch getrennt werden. Das entspricht in diesem Fall 82% aller erfassten Seiten.
Aber auch die restlichen Dokumente können effizienter und schneller separiert werden. Die von der KI vorgeschlagen Trennung können vom menschlichen Validierer einfach und schnell bestätigt oderdementiert werden. Schöner Nebeneffekt davon – Bei der Validierung lernt das System dazu und verbessert den Automatisierungsgrad durch dessen Nutzung weiter.
Interessiert – Kontaktieren Sie uns
Peter Zurflueh,
Enterprise Sales Development Representative bei Parashift
Phone: +41 79 252 88 50
peter.zurflueh@parashift.io
linkedin.com/peterzurflueh/