Airparser-Alternative: Schluss mit der Einrichtung jedes neuen Dokumenttyps

Sie beschreiben Felder für jeden Posteingang. Der Parser von Airparser ist LLM-gestützt und schemabasiert: Definieren Sie Felder wie „Rechnungsnummer: die eindeutige Kennung oben“ und das Modell findet den Wert. Es müssen keine Zonen gezeichnet werden, was eine echte Verbesserung gegenüber älteren Tools darstellt, aber jeder Posteingang hat seine eigenen Felddefinitionen – ein anderer Dokumenttyp bedeutet also ein anderes Schema.

Ein fehlender Wert zeigt das Halluzinationsrisiko, insbesondere bei Finanzdaten. Die eigene Dokumentation von Airparser weist darauf hin, dass längere Verarbeitung das Risiko von Halluzinationen erhöhen kann – Fälle, in denen die KI Daten erfindet oder falsch interpretiert. Wenn ein Feld auf einer Rechnung fehlt, kann ein Textmodell die Lücke mit einer plausiblen Zahl füllen. Bei Rechnungssummen, Steuerbeträgen oder Kontonummern ist ein erfundener Wert schlimmer als eine leere Zelle. Die Überprüfung durch Menschen im Prozess fängt diese Fälle ab, fügt dem Automatisierungsversprechen jedoch einen manuellen Schritt hinzu.

Komplexe Tabellen sind der schwierige Teil – und die Dokumentation von Airparser sagt das selbst. Die LLM-Engine arbeitet gut mit textlastigen Dokumenten wie E-Mails, Lebensläufen und Verträgen. Der Troubleshooting-Leitfaden von Airparser räumt ein, dass „in einigen komplexen Fällen, in denen die Dokumentstruktur für LLM-Engines zu kompliziert ist, die extrahierten Daten unvollständig oder ungenau sein können“, und empfiehlt, zwischen Text- und Vision-Engines zu wechseln. Bei Rechnungspositionen und Kontoauszügen bedeutet das mehr Stichprobenprüfungen, bevor den Zahlen vertraut werden kann.

Kein Schema: Sie geben Spaltennamen ein und erhalten Ergebnisse. Keine Feldbeschreibungen, keine Konfiguration pro Dokumenttyp. Geben Sie „Rechnungsnummer“, „Lieferantenname“, „Gesamtsumme“ ein, und die Vision-KI betrachtet das Dokument als Bild, findet das Label auf der Seite und extrahiert den Wert daneben. Sie liest so, wie ein Mensch es tut, indem sie Labels visuell findet, statt aus Textmustern zu schließen. Sie funktioniert ab dem ersten Upload, bei jedem Layout, ohne Konfiguration.

Verankerung des Lesens im Seitenbild. Das Modell lokalisiert das Label „Gesamtsumme“ und die Zahl daneben als visuelle Objekte, sodass es keinen Wert generiert, um ein vom Schema angefragtes Feld zu füllen. Das reduziert die spezifische Fehlerart des Erfindens einer fehlenden Zahl, ist aber keine Garantie: Jedes Modell kann eine Seite falsch lesen. Deshalb hebt der Überprüfungsmodus den Quellbereich für jede Zelle hervor, damit Sie einen Wert in Sekunden bestätigen können, statt das Dokument neu zu tippen.

Die KI berechnet und leitet während der Extraktion ab. Über das Ablesen von Werten von der Seite hinaus berechnet ImageToTable während der Extraktion (berechnete Spalte wie „Positionssumme (Menge × Einzelpreis)“) und leitet Informationen ab, die nicht auf dem Dokument stehen (abgeleitete Spalte wie „Kategorie (Optionen: Mahlzeiten/Transport/Büro)“). Airparser füllt Schemafelder und bietet Python-Postprocessing; ImageToTable erzeugt abgeleitete Ausgaben im selben Durchgang, was einen Nachbearbeitungsschritt in der Tabellenkalkulation erspart.