Seit ich zum Datenerfassungsteam von Acolad gehöre, lerne ich jeden Tag Neues über Datenerfassung und Prozessautomatisierung – zum Beispiel über die Plattform OpenText Intelligent Capture (ehemals OpenText Captiva).
Mithilfe von Datenerfassungstechnologien lassen sich aus großen Mengen an Dokumenten verwertbare Daten für wichtige Prozesse und Anwendungen gewinnen. Es stimmt zwar, dass die Erstellung komplexer Erfassungsprozesse etwas Zeit in Anspruch nimmt, aber angesichts der Automatisierungsgewinne zahlt sich diese Investition aus. Die meisten Unternehmen, die eine automatisierte Dokumenterkennung und -klassifizierung implementiert haben, erzielten binnen 12 Monaten einen Return on Investment!
Viele globale Unternehmen setzen bereits Datenerfassungstechnologien ein, um Prozesse zu automatisieren und die Effizienz zu steigern. Unsere Erfahrung zeigt jedoch, dass das Potenzial der verfügbaren Möglichkeiten oft längst nicht ausgeschöpft wird. Ein prägnantes Beispiel dafür ist die Funktion Production Auto Learning (PAL) in OpenText Intelligent Capture.
Mit diesem Modul, das auf künstlicher Intelligenz und maschinellem Lernen basiert, lernt Ihr System, Dokumenteigenschaften automatisch zu erkennen, damit Sie noch schneller Nutzen aus der digitalen Dokumenterfassung ziehen.
So kann etwa Ihr Input-Management-System lernen, wie es Rechnungen, Darlehensbelege und andere Dokumente richtig erkennt, klassifiziert und verteilt, ohne dass Ihre Entwickler oder Administratoren eigene Templates dafür erstellen müssen. Mit der Automatisierung der Template-Erstellung wird die Konfigurationszeit um bis zu 90 % reduziert.
PAL lernt durch Interaktion mit Benutzern. Je mehr Daten vorliegen, desto mehr lernt das Modul und desto smarter wird es. Je früher PAL also während des Prozesses implementiert wird, umso früher kann es mit der Sammlung von Informationen beginnen und die Treffergenauigkeit verbessern.
Bei dieser intelligenten Erfassungsfunktion handelt es sich um eine Form des überwachten Lernens. Das bedeutet, dass das System mit einem annotierten Beispieldatensatz trainiert wird, mit dem es automatisch lernen und sich selbst verbessern kann. Das so gewonnene Wissen wendet es anschließend auf neuen, unbekannten Input an.
Bis zum Abschluss der Trainingsphase nimmt die Menge der manuell klassifizierten Dokumente und validierten Formularfelder stetig ab. So trägt PAL dazu bei, dass weniger Mitarbeiter für diese zeitaufwendigen Arbeiten benötigt werden, und dass sie stattdessen für andere Aufgaben zur Verfügung stehen.
Für Unternehmen, die Formulare, Anträge, Rechnungen, Darlehensbeträge, Schadensfälle oder andere Arten von Dokumenten verarbeiten müssen, ist PAL eine große Hilfe. Durch die Kombination von bild- und textbasierter automatisierter Klassifizierung bietet das Modul bei der Verarbeitung dieser verschiedenen Dokumententypen eine bis zu 20 % Prozent höhere Treffergenauigkeit als ein Vorgehen mit manuell erstellten Regeln und Templates.
Anhand eines textbasierten Klassifizierungsverfahrens ermittelt PAL bei semistrukturierten Dokumenten und Dateien aus verschiedensten Kanälen alle Wörter und Wortgruppen, die in verschiedenen Dokumenten jeweils an derselben Stelle stehen. Schlüsselwörter müssen nicht mehr manuell festgelegt werden, sondern werden von der Software vor der Klassifizierung eines Dokuments automatisch ermittelt – so sparen Sie Zeit und Geld.
Fazit: Durch Prozessautomatisierung beschleunigt Production Auto Learning die Datenextraktion und die Klassifizierung von Dokumenten. Als positiver Nebeneffekt verbessert die Funktion zudem die Datenqualität, da dank ihr weniger manuelle Dateneingaben – eine typische Fehlerquelle – notwendig sind. Kurz: Sie erhalten bessere Datenqualität und eine zukunftssichere Erfassungslösung, die den Entwicklungsaufwand verringert und für schnellere Workflows sorgt.
Sie sind noch unsicher, ob PAL Ihr Input-Management-Ökosystem sinnvoll ergänzen kann? Stellen Sie Ihre Frage im Kommentarbereich unten oder vereinbaren Sie eine Demo-Session mit unserem Team, um mehr über kognitive Erfassung zu erfahren und die verschiedenen Schritte einer typischen Implementierung kennenzulernen.