Stetige Optimierung der Texterkennung durch Künstliche Intelligenz.
Unsere KI ist an Ihren Prozess angepasst. Mit regelmäßigem Training und neuronalen Netzwerken zu besten Ergebnissen!
Einsatz von Künstlicher Intelligenz (KI) in formstar®
Künstliche Intelligenz kommt an verschiedensten Stellen von formstar® zum Einsatz. Dabei wird der Ansatz verfolgt, menschliche Entscheidungsstrukturen in komplexen und einem meist nicht eindeutigen Umfeld nachzubilden.
Die in formstar® integrierte KI unserer Partner OPENTEXT und Salesbeat nutzt u. a. neuronale Netzwerke. Ähnlich wie im menschlichen Gehirn ist bei der neuronalen KI das Wissen in kleinen Funktionseinheiten segmentiert, den sogenannten künstlichen Neuronen.
Diese liegen in verschiedenen Schichten, sogenannten Layern, übereinander und sind hierarchisch miteinander verbunden. Die oberste Schicht, auch Inputschicht genannt, nimmt die Informationen von außen auf. Das können z. B. schwierig zu erkennende handschriftliche Zeichen sein. Die Informationen werden in Folge durch eine oder mehrere Zwischenschichten, die sogenannten Hidden Layer, gereicht. Je mehr Zwischenschichten es gibt, desto tiefer ist das neuronale Netz. In diesem Fall spricht man auch von Deep Learning. Erhält die Inputschicht eine neue Information, vergibt jedes Neuron in der Inputschicht einer durchfließenden Information ein zufälliges Gewicht und addiert einen sogenannten Neuron-spezifischen Bias-Term hinzu. Das Ergebnis wird dem nächsten Layer als Input weitergegeben. Die tiefste Schicht ist die Output-Schicht. Sie kennzeichnet den Endpunkt des Informationsflusses und enthält das Endergebnis der Informationsverarbeitung.
Damit das System lernen kann, wird sehr häufig die Methode des sogenannten Supervised Learning eingesetzt, bei dem das System anhand von Beispielen, echten Input-Output Datenpaaren, lernt. Dabei errechnet das neuronale Netz ein Ergebnis aufgrund der eingegangenen Input-Daten. Infolge gleicht das System das Ergebnis mit dem des Beispiel-Datensatzes ab und berechnet die Größe der Abweichung.
- Die Abweichung wird erneut in das neuronale Netz gespeist und das Gewicht sowie der Bias-Term so bestimmt, dass die Abweichung kleiner wird.
- Je öfter eine Abgleichung erfolgt und je mehr Beispiele ein System bekommt, desto besser kann es lernen und dem eigentlichen Ziel näherkommen für das das System aufgesetzt wurde.
Konkrete KI-Bausteine in formstar®
Machine Learning von nicht erkannten Belegen
In allen formstar®-Anwendungen ist durch unseren Partner OPENTEXT standardmäßig ein Machine Learning-Modul enthalten. Dadurch steht eine permanente Trainingseinheit zur Verfügung, die es den Nutzern von formstar® erlaubt, nicht erkannte Daten einfach per Klick zu trainieren und das System ist anschließend dauerhaft in der Lage, die trainierten Passagen problemlos zu digitalisieren.
KI zum verbesserten Auslesen von Handschrift
Beim Auslesen von Handschriften erzielt die klassische OCR-Erkennungsquoten von 70% bis 90 %. Die restlichen 10% bis 30% werden durch eine KI-Erweiterung verarbeitet, so dass anschließend ca. 95 % aller handschriftlichen Zeichen sicher erkannt wurden. Dies reduziert den manuellen Nachbearbeitungsaufwand auf ein Minimum.
KI für eine optimale Lösung von formstar®-Posteingang
formstar®-Posteingang steht auch mit einem KI-Modul zur Verfügung. Dadurch kann bereits das Training der KI sehr einfach organisiert werden. Sie definieren die Struktur/Klassifizierung, geben uns für jeden Strukturtyp ca. 10 Originalbeispiele (z.B. Kundenanfragen, Bestellschein, o.ä.) und schon kann das Training und der operative Einsatz dieser hochintelligenten formstar®-Posteingangs-Lösung starten.
