Dokumente mit KI strukturiert verarbeiten

Kernfrage für Unternehmen

Rechnungen, Berichte, Bestellungen, Formulare und gescannte Unterlagen enthalten Werte, die Mitarbeitende häufig manuell in Fachsysteme übertragen. Moderne Dokumenten-KI kann Text, Tabellen, Layout und semantischen Kontext gemeinsam auswerten. Produktiver Nutzen entsteht aber erst, wenn jedes extrahierte Feld zum Original zurückverfolgt, nach Geschäftsregeln geprüft und bei Unsicherheit gezielt an Menschen übergeben wird (Zwingmann 2025; Microsoft o. J.).

Die Führungsfrage lautet: Welche Dokumente und Felder dürfen automatisch weiterlaufen, und welche Provenienz, Prüfregeln und Freigaben braucht der Prozess?

Abbildung: Dokumenten-KI erzeugt nur dann belastbare Strukturdaten, wenn jedes Feld zum Original zurückführt und risikobasiert geprüft wird. Quelle: eigene Darstellung nach Zwingmann 2025 und Microsoft o. J..

OCR, Layoutanalyse und semantische Extraktion unterscheiden

Die drei Fähigkeiten lösen unterschiedliche Teile des Problems (Microsoft o. J.; Zwingmann 2025):

Fähigkeit	Liefert	Typische Grenze
OCR	erkannte Zeichen, Wörter und Positionen	versteht die fachliche Bedeutung eines Wertes nicht
Layout- und Dokumentenanalyse	Textfluss, Tabellen, Auswahlfelder, Schlüssel-Wert-Paare und Struktur	braucht bekannte Dokumenttypen oder nachgelagerte Zuordnung
multimodale semantische Extraktion	kontextabhängige Felder, Klassifikation und Interpretation über Text und Bild	kann Werte inkonsistent deuten oder plausibel ergänzen

Ein multimodales Modell ersetzt vorhandene OCR- und Dokumentendienste nicht automatisch. Deterministische oder spezialisierte Komponenten liefern oft stabile Texterkennung, Koordinaten und bekannte Felder; ein Sprach- oder Bild-Sprachmodell kann danach variable Bezeichnungen und komplexere Zusammenhänge einordnen. Die einfachste Kombination, die Zielqualität und Kosten erreicht, ist meist besser als ein vollständiger Technologiewechsel (Zwingmann 2025; Microsoft o. J.).

Die prüfbare Dokumentenkette

Ein kontrollierter Workflow trennt Dokumentaufnahme, Extraktion, Prüfung und Nutzung. So kann das Unternehmen Fehler lokalisieren, statt nur eine falsche Zahl im Zielsystem zu entdecken (Zwingmann 2023; NIST 2024):

Stufe	Aufgabe	Mindestkontrolle
1. Eingang	Datei empfangen und eindeutig registrieren	Dateityp, Größe, Seitenzahl, Lesbarkeit, Orientierung, Schadsoftware
2. Klassifikation	Dokumenttyp und Variante bestimmen	unbekannte Typen in Ausnahmequeue leiten
3. OCR und Layout	Text, Tabellen, Felder und Positionen erfassen	Originalseite und Koordinaten erhalten
4. Semantische Extraktion	definierte Geschäftsfelder in ein Schema übertragen	keine freien Ergänzungen; fehlende Werte als fehlend ausgeben
5. Validierung	Datentypen, Formate, Summen und Querbezüge prüfen	Regelverletzung oder Widerspruch protokollieren
6. Fachprüfung	riskante oder unsichere Felder bestätigen	Originalausschnitt neben Vorschlag zeigen
7. Übergabe	freigegebene Daten in ERP, CRM oder Bericht übertragen	idempotente Schnittstelle, Audit-Log und Rückweg
8. Monitoring	Fehler, Varianten, Kosten und Drift beobachten	Testset und Regeln bei neuen Dokumenten aktualisieren

Die Referenzarchitektur von 2023 trennte bereits Daten-, Analyse- und Nutzungsschicht und forderte Eingangsprüfungen, Fehlerprotokoll und menschliche Korrektur. Die damaligen Produktnamen und die konkrete Power-Query-Architektur sind austauschbar; dauerhaft bleibt die Trennung zwischen Quelle, Extraktion, standardisiertem Datensatz und Fachoberfläche (Zwingmann 2023).

Provenienz auf Feldebene sichern

Speichern Sie zu jedem Ergebnis mindestens Dokument-ID, Version oder Hash, Seite, Originaltext beziehungsweise Bildausschnitt, Position, extrahierten Wert, Felddefinition, verwendete Komponente oder Modellversion, Konfidenz, Regelprüfungen und Freigabestatus. Eine bloße JSON- oder Tabellenzeile ohne Fundstelle erschwert Korrektur, Audit und Reklamation (Microsoft o. J.; NIST 2024).

Bounding Boxes oder Textspannen sind für menschliche Prüfung besonders wertvoll, weil die Oberfläche den Fundort direkt markieren kann. Wenn eine semantische Komponente keine zuverlässige Position liefert, sollte der Workflow den Wert gegen OCR-Text und Layout zurücksuchen oder den Fall konservativer behandeln (Zwingmann 2025; Microsoft o. J.).

Konfidenz ist eine Routinghilfe, keine Wahrheit

Technische Konfidenzwerte können helfen, Ergebnisse automatisch anzunehmen oder zur Prüfung auszusteuern. Nicht alle Felder und Modelle liefern dieselbe Art von Wert; ein hoher Wert garantiert keine fachliche Richtigkeit. Das Unternehmen muss Schwellen je Feld, Dokumenttyp und Fehlerschaden mit eigenen Testdaten kalibrieren (Microsoft o. J.).

Kombinieren Sie Konfidenz mit Geschäftsregeln und Risiko. Ein Rechnungsdatum kann formal plausibel, aber außerhalb des Vertragszeitraums liegen. Einzelpreise können korrekt erkannt sein, während Nettosumme, Steuer und Brutto nicht zusammenpassen. Ein Feld mit Rechtsfolge kann trotz hoher Konfidenz eine zweite Freigabe brauchen (NIST 2024).

Eine risikobasierte Queue unterscheidet mindestens diese Fälle (Microsoft o. J.; NIST 2024):

• automatisch weiterleiten: bekannte Variante, bestandene Regeln, geringer Fehlerschaden
• stichprobenartig prüfen: stabiler Prozess mit messbarer Restfehlerrate
• verpflichtend prüfen: hoher Wert, rechtliche Wirkung, personenbezogene Entscheidung oder kritisches Feld
• zurückweisen oder nachfordern: unlesbares Dokument, unbekannter Typ, widersprüchliche Pflichtfelder oder fehlende Quelle

Qualität und Wirtschaftlichkeit messen

Eine dokumentweite Erfolgsquote verschleiert, ob gerade das entscheidende Feld schwach ist. Bewerten Sie deshalb Feldgenauigkeit, Vollständigkeit, False Acceptance, False Rejection und End-to-end-Erfolg nach Dokumenttyp. Ergänzen Sie Durchlaufzeit, manuelle Prüfminuten, Nachbearbeitung, Rückläufer und Kosten pro freigegebenem Dokument (Microsoft o. J.; NIST 2024).

Mehrfachläufe oder ein zweites Modell können Inkonsistenzen sichtbar machen, erhöhen aber Kosten und liefern keine unabhängige Wahrheit. Harte Kontrollsummen, Stammdatenabgleich, Vertragsregeln und eine gezielte Fachprüfung sind oft belastbarer. Redundanz lohnt sich nur, wenn sie den erwarteten Fehlerschaden stärker senkt als sie Betrieb und Prüfung verteuert (Zwingmann 2025).

Datenschutz und Vertraulichkeit

Dokumente enthalten häufig personenbezogene Daten, Geschäftsgeheimnisse, Gesundheits-, Finanz- oder Vertragsinformationen. Vor einer Verarbeitung über Cloud- oder Drittanbieter müssen Unternehmen Zweck, Rechtsgrundlage, Datenminimierung, Auftragsverarbeitung, Speicherorte, Zugriffe, Löschfristen und internationale Datenübermittlung prüfen. Besondere Kategorien personenbezogener Daten brauchen zusätzlichen Schutz (EU 2016).

Cloud, eigene Plattform und On-prem sind keine pauschalen Qualitätsstufen. Entscheidend sind Schutzbedarf, Volumen, Latenz, Integrationsfähigkeit, Betriebsverantwortung und nachweisbare Anbieterbedingungen. Sensible Inhalte lassen sich außerdem vor einer semantischen Verarbeitung pseudonymisieren oder auf notwendige Seiten und Felder begrenzen (EU 2016; NIST 2024).

Abgrenzung zu RAG

Dokumentenextraktion überführt definierte Inhalte in strukturierte Felder, die Fachsysteme weiterverarbeiten können. RAG sucht dagegen relevante Textstellen und stellt sie einem Sprachmodell für eine Antwort bereit. Wer aus einer Rechnung Betrag, Steuernummer und Fälligkeit in ein ERP übertragen will, braucht Extraktion und Validierung; wer Fragen zu vielen Verträgen beantworten will, kann RAG ergänzen (Microsoft o. J.; Zwingmann 2023).

Einstiegspunkte für die Umsetzung

Wählen Sie einen häufigen Dokumenttyp mit klaren Zielwerten, realem manuellem Aufwand und begrenztem Fehlerschaden für den ersten Test (Zwingmann 2023; NIST 2024):

1. Dokumenttypen, Varianten und Pflichtfelder inventarisieren
2. repräsentatives Testset mit schlechten Scans und Grenzfällen sichern
3. Feldschema, Geschäftsregeln und Fehlerkosten definieren
4. OCR, Layout und semantische Extraktion getrennt bewerten
5. Provenienz und Originalfundstelle in der Prüfoberfläche anzeigen
6. automatische, stichprobenartige und verpflichtende Prüfung festlegen
7. End-to-end-Qualität und Kosten pro freigegebenem Dokument messen
8. neue Varianten, Fehler und Korrekturen laufend in Testset und Regeln übernehmen

Mehr dazu: Retrieval-Augmented Generation (RAG), Datenqualität und Drift bei KI, KI-Machbarkeit vor der Integration testen, LLM-Deployment: Cloud, Hybrid oder On-prem? und DSGVO und KI-Projekte.