Gordon Gekko alias Michael Douglas 1987 in Wall Street mit dem Ziegelstein von einem Handy am Strand: Ein Bild, das damals als nie zuvor gesehenes um die Welt ging und als Paradigmenwechsel galt. Plötzlich war es möglich, mit romantischem Sonnenuntergang im Hintergrund am Sandstrand Millionengeschäfte abzuwickeln. Heute, wenn das Smartphone in unserer Tasche mehr auf dem Kasten hat, als die meisten Computer von vor fünfzehn Jahren, dient dieses Bild nur noch nostalgischen Zwecken. Was Gordon Gekko mit OCR (Optical Character Recognition) zu tun hat? Mit Blick auf die technologischen Fortschritte so einiges. Denn ähnlich, wie sich das Handy vom Ziegelstein zum Smartphone gemausert hat, haben sich auch andere Technologiebereiche, beispielsweise eben OCR für die effiziente Dokumentenextraktion, monumental verändert und verbessert.
Machine Learning-basierte OCR gegenüber Template-basierte OCR – ein Kampf, der rasch entschieden ist
Zu Beginn war alles reine manuelle Arbeit. Nach und nach hat die Dokumentenerfassung mit den ersten OCR-Versuchen und Regel-basierter OCR Blut geleckt, einiges an Veränderung erlebt und bis hin zu der heutigen, Machine Learning-basierten und damit intelligenten OCR, einen mehr als bemerkenswerten technologischen Fortschritt gemacht. Doch wo genau liegen für Unternehmen die richtungsweisenden Vorteile und Mehrwerte in der Dokumentenextraktion mit der Machine Learning-basierten (ML-basierten) OCR gegenüber der konventionellen OCR?
Nur mit der ML-basierten OCR ist auch die Datenextraktion aus komplexen und unstrukturierten Dokumenten schmerzfrei möglich
Die ML-basierte OCR als zukunftsweisende Richtung für Unternehmen
An Unternehmen werden in jeglicher Hinsicht immer höhere Ansprüche gestellt, womit auch die Anforderungen stets grösser werden, was wiederum die Entwicklung bereits bestehender Lösungen fordert und fördert. So benötigen Unternehmen heutzutage differenzierte Herangehensweisen für ihre Dokumentenverarbeitung, als dies noch vor zehn Jahren der Fall war. Schon nur aufgrund des zu verarbeitenden Dokumentenvolumen per se, welches sich exponentiell vervielfacht hat (und die Datenmenge auch in Zukunft weiter steigen wird), haben sich die Anforderungen an Unternehmen grundlegend verändert. Zusätzlich zum Volumen gesellen sich vor allem weitgehend unstrukturierte Dokumente in den verschiedensten Formen und Formate dazu, die es zu verarbeiten gilt. Die herkömmliche OCR, welche auf Regel- und Template-basierter Erfassung aufgebaut ist, kommt mit dieser Variationsvielfalt nicht klar, womit ihr auch direkt der Riegel vorgeschoben werden muss. Hier dennoch mit der konventionellen OCR zu fahren ist in etwa so, wie wieder vom Handy von Gordon Gekko Gebrauch zu machen…
Je grösser die Datenmenge, desto besser lernt die ML-basierte OCR – unbezahlbare Vorteile an Effizienz gegenüber der Template-basierten OCR
ML-basierte OCR als Gamechanger für die Dokumentenextraktion
Von entscheidender Bedeutung ist die präzise Extraktion der relevanten Daten aus den Dokumenten. Und zwar aus allen möglichen unstrukturierten Formaten und in Kombination beispielsweise mit handgeschriebenen und elektronisch erfassten, mit Checkboxen und Felder. Erst damit können Unternehmen ihre Prozesse weitgehend und straight-through automatisieren. Genau hier trumpft die ML-basierte OCR gross auf. Dank maschinellem Lernen kann sie unstrukturierte Daten effizienter extrahieren, analysieren, von diesen Daten und allen zuvor extrahierten Daten (und damit immensen Datenmengen) lernen und darauf basiert automatisiert entscheiden, wie eine Aufgabe oder ein Prozess ausgeführt werden muss. Im Detail sehen die Vorteile der Dokumentenextraktion mit der ML-basierten OCR folgendermassen aus:
- Unstrukturiert, semi-strukturiert oder strukturiert, die ML-basierte OCR nimmt die Dokumente so, wie sie sind
- Einzelpositionen werden durch die ML-basierte OCR mühelos identifiziert, erfasst, aufbereitet und extrahiert
- Schnellere Durchlaufzeiten sind möglich und dadurch eine Produktivitätssteigerung bei gleichen Zeitressourcen
- Hohe Flexibilität dank simpler und schneller Skalierbarkeit
- Minimaler Koordinationsaufwand für Mitarbeiter (keine Wartungskosten)
- „Dokumententyp-Fabrik“ in der Cloud
- Mitarbeiter können sich mit hochkomplexen Szenarien beschäftigen, die Eingriffe beschränken sich auf Ausnahmen
- Exzellente Qualität der Datenaufbereitung und -extraktion und damit insgesamt eine Zeit- und Kostenreduzierung in den Prozessen
- Die extrahierten Daten geben tiefe Einblicke und können für jegliche weiteren Analysen verwendet werden
Machine Learning-basierte OCR erfasst und extrahiert nicht nur die Informationen, sondern interpretiert und versteht gleichzeitig auch deren Inhalt
Die ML-basierte OCR ist ein no-brainer
Die Präzision, Qualität und Effizienz, mit welcher die Machine Learning-basierte OCR auftrumpft ist bestechend, das Zukunftsbild der Dokumentenextraktion ein vielversprechendes und die Integration für Unternehmen ein absoluter no-brainer.
