Um neun ist die Besprechung. Um acht fehlen noch drei Dateien.
Stellen wir uns ein operatives Team vor, das wöchentlich Berichte aus mehreren Niederlassungen zusammenstellt. Eine liefert eine PDF-Tabelle, eine andere einen Scan, die dritte eine Tabellenkalkulation. Ein Mitarbeiter kopiert Werte, korrigiert Einheiten und versucht zu klären, ob das Dokument die ganze Woche oder nur einen Teil abdeckt.
Wirkt eine Summe ungewöhnlich, müssen die Anhänge erneut geöffnet werden. Nach der Besprechung trifft eine Korrektur ein. Die neue Zahl kommt in die Tabelle, die zuvor versendete Zusammenfassung bleibt jedoch im Umlauf. Schnelleres Auslesen allein löst die Probleme mit Versionen, fehlenden Daten und Ergebnisvertrauen nicht.
Was hält die Arbeit auf?
Ausgangspunkt
Gleicher Name, andere Definition
Das Feld „Menge“ kann Stück, Verpackungen oder Kilogramm bedeuten. Eine Zahl ohne Kontext ergibt eine korrekt wirkende Tabelle mit unvergleichbaren Werten.
Fehlende Angaben sehen wie null aus
Eine fehlende Datei, eine leere Zelle und ein tatsächlicher Nullwert landen in derselben Kategorie. Der Berichtsempfänger erkennt nicht, ob die Daten vollständig sind.
Ergebnis ohne Weg zur Quelle
Für eine Frage zu einer einzelnen Position durchsucht der Mitarbeiter Verzeichnisse und Korrespondenz. Die Übersicht bewahrt weder Dokument noch Fundstelle des Werts.
Zuerst eine gemeinsame Datensprache, dann Automatisierung
Wir definieren zunächst Zeitraum, Einheiten, erforderliche Quellen und Berechnung jeder Berichtsposition. Erst danach wählen wir Tabellenauslesen, OCR oder ein KI-Modell. Unterschiedliche Dokumente können unterschiedliche Methoden benötigen.
Jedes ausgelesene Ergebnis wird auf Konsistenz geprüft. Ein unsicheres Dokument erhält einen konkreten Prüfgrund und kommt in eine Bearbeitungsliste. Die fertige Zusammenfassung behält Quellenverweise, Versionskennzeichnung und die Information, ob sämtliche erwarteten Daten enthalten sind.
So könnte der neue Ablauf aussehen
Dokumente sammeln und zuordnen
Dateien gelangen über einen vereinbarten Kanal hinein: Ordner, Formular oder Integration. Das System erkennt Absender, Zeitraum und Dokumentart und bemerkt die erneute Lieferung derselben Datei.
Werte in ein gemeinsames Format überführen
Felder werden einer gemeinsamen Struktur zugeordnet. Originalangabe und umgerechneter Wert bleiben erhalten, damit Einheiten- oder Datumsformatänderungen erklärbar sind.
Prüfbedürftige Daten zurückhalten
Eine fehlende Seite, unbekannte Einheit, widersprüchliche Summe oder auffällige Erkennung leitet das Dokument an einen Menschen. Die Oberfläche zeigt Wert und Quellausschnitt nebeneinander und erlaubt eine begründete Korrektur.
Eine Version freigeben und veröffentlichen
Eine berechtigte Person prüft die Vollständigkeitsübersicht. Die Korrektur einer Quelle erzeugt eine neue Berichtsversion mit gekennzeichneten Änderungen, statt ein bestätigtes Ergebnis unbemerkt zu verändern.
KI hilft beim Lesen. Regeln sichern die Bedeutung.
Ein Modell kann ein Feld in wechselnden Dokumentlayouts finden, seine Antwort bestätigt aber noch keine Richtigkeit. Wir verbinden die Erkennung mit Prüfungen von Datentyp, Zeitraum und Beziehungen zwischen Feldern. Die vom Modell angegebene Sicherheit ersetzt keine Kontrolle. Sensible oder geschäftlich wichtige Werte können unabhängig von der Erkennungsmethode eine Freigabe benötigen.
- Ein fehlender Wert bleibt fehlend, bis eine Prozessregel etwas anderes bestimmt.
- Ein abgelehntes Dokument hat eine verantwortliche Person und einen sichtbaren Grund.
- Eine manuelle Korrektur bewahrt den bisherigen Wert und den Urheber der Änderung.
Wer darf das Quelldokument sehen?
Ein Bericht für die Leitung muss nicht sämtliche Anhänge dem ganzen Team offenlegen. Wir trennen Zugriffe auf Dateien, Korrektur der Erkennung und Ergebnisfreigabe. Wir klären Aufbewahrungsdauer, passwortgeschützte Dokumente und zulässige Verarbeitungsorte. Bei externen Diensten muss vor der Integration feststehen, welche Daten übermittelt werden dürfen.
Beginnen wir mit einem funktionierenden Teil.
Zu Beginn wählen wir einen wiederkehrenden Bericht und eine begrenzte Zahl von Formaten. Benötigt werden Beispiele normaler Dokumente, Korrekturen und schwieriger Fälle sowie eine Person, die das richtige Ergebnis bestätigen kann. Die erste Phase endet mit dem Vergleich von Berichten aus denselben Daten, nicht allein mit dem Start des PDF-Auslesens.
Woran erkennen wir eine Verbesserung?
Dies ist ein Messplan, keine Ergebniszusage. Den Vergleichsmaßstab legen wir vor der Einführung fest.
Bearbeitungszeit für den Bericht
Wir messen die aktive Zeit zum Sammeln, Übertragen und Prüfen. Davon trennen wir das Warten auf fehlende Dokumente und die reine Verarbeitungsdauer.
Wirksamkeit der Prüfung
An einer vereinbarten Stichprobe prüfen wir Erkennungsgenauigkeit und Fehler, die trotz Validierung durchgelangt sind. Der Anteil automatisch bearbeiteter Dateien allein genügt nicht.
Nachvollziehbarkeit des Ergebnisses
Wir prüfen, ob Nutzer von einer Berichtsposition zur Quelle gelangen und den Grund für Unterschiede zwischen zwei Versionen rekonstruieren können.
Fragen, die sich lohnen
Können auch Scans ausgelesen werden?
Ja, mit OCR; die Scanqualität beeinflusst jedoch das Ergebnis. Wir prüfen Beispiele aus dem echten Ablauf: schräge Seiten, Stempel, schwachen Kontrast und Ergänzungen. Unlesbare Dokumente benötigen einen Weg zur Verbesserung oder manuellen Prüfung.
Was geschieht, wenn ein Lieferant das Berichtslayout ändert?
Ein unbekanntes Layout sollte zur Prüfung gelangen, statt scheinbar korrekte Daten zu erzeugen. Wir planen Erkennung von Änderungen und Anpassung der Zuordnung. Vor erneuter automatischer Bearbeitung vergleichen wir die Erkennung mit einem bestätigten Beispiel.
