Esker, ein weltweit führender Anbieter von auf künstlicher Intelligenz basierenden Systemen für automatisierte Dokumentenprozesse und Pionier in Sachen Cloud-Computing, stellt auf der diesjährigen International Conference on Document Analysis and Recognition (ICDAR), der weltweit führenden KI-Konferenz, in Sydney (Australien) neue Forschungsergebnisse zur Datenextraktion vor. Die ICDAR, auch bekannt als „Weltmeisterschaft“ im Bereich der Dokumentenanalyse und -erkennung, ist der wichtigste internationale Treffpunkt für Forscher, Wissenschaftler und Experten in der Dokumentenanalyse.
Clément Sage, Doktorand und Ingenieur bei Esker im Bereich maschinelles Lernen, wird seine Arbeit mit dem Titel „Recurrent Neural Network Approach for Table Field Extraction in Business Documents“, die er im Rahmen seiner Doktorarbeitsforschung an der Université Claude Bernard Lyon 1 in Frankreich erstellt hat, in Sydney vorstellen.
Die effiziente Extraktion von Informationen aus eingehenden Geschäftsdokumenten wie Bestellungen und Rechnungen ist für Unternehmen, die täglich mit unzähligen Dokumenten konfrontiert sind, von entscheidender Bedeutung. Diese Dokumente enthalten wertvolle Informationen, die Unternehmen für die Integration in ihr ERP-System und die strukturierte Archivierung benötigen. Die Automatisierung der Datenextraktion ist jedoch eine große Herausforderung, insbesondere bei der Analyse von Tabelleninhalten zur Erkennung von bestellten oder fakturierten Positionen, da die Dokumente oft komplexe und mehrdeutige Strukturen aufweisen.
Um dieses Problem zu lösen, entwickelte Esker eine End-to-End-Methode zur Extraktion von Tabelleninhalten unter Umgehung der Erkennung physikalischer Strukturen. Esker verfolgt damit einen generischen Ansatz, der auf Deep Learning basiert und die Erkennung von Auftragspositionen in verschiedenen Layouts ermöglicht, die im Rahmen des Trainings nicht unbedingt berücksichtigt werden. Der neuartige Erkennungsansatz von Sage ist für Forscher von besonderem Interesse, da er sehr generisch ist und so leicht an andere Dokumenttypen angepasst werden kann und nur zu einem kleinen Teil auf domänenspezifischer Textverarbeitung basiert. Dieser universelle und nicht-proprietäre KI-Algorithmus ist eine wichtige Entdeckung für die Dokumentenverarbeitung.
Esker hat die Effektivität dieses Ansatzes anhand echter Bestellungen geprüft, um Artikelnummern, Mengen und Stückpreise aus den Bestellungen abzurufen. Die Ergebnisse waren durchweg positiv. Daher setzt Esker diese Technologie nun auch für seine cloud-basierte Plattform ein. Die Kunden des Unternehmens profitieren bereits von einer verbesserten Datenerkennung bei neuen Dokumenten und besseren Automatisierungsraten.
„KI-Technologien sind für Unternehmen, die ihre Wettbewerbsfähigkeit erhalten wollen, unerlässlich“, so Jean-Jacques Bérard, Executive Vice President Research & Development bei Esker. „Unternehmen können nun Tabellenzellen bei Erstbestellungen erkennen. So trägt Esker dazu bei, die Produktivität und die betriebliche Effizienz zu steigern. Besonders spannend ist, dass die besten KI-Ansätze für die Verarbeitung natürlicher Sprache im Bereich Geschäftsdokumente außerordentlich gut geeignet sind und ein enormes Innovationspotenzial für die Zukunft darstellen.“
„Diese Technologie zeigt, wie außergewöhnlich effizient KI sein kann“, sagt Clément Sage, Doktorand und Ingenieur bei Esker. „Wir arbeiten derzeit an der nächsten Generation von KI-Diensten, und ich bin zuversichtlich, dass wir bald in der Lage sein werden, auf Anhieb genaue und zuverlässige Daten aus Bestellungen und Rechnungen und anderen Geschäftsdokumenten zu extrahieren.“
Clément Sage stellt seine Arbeit zusammen mit seinen beiden Co-Autoren Jérémy Espinas, Doktorandenbetreuer bei Esker, und Véronique Eglin, Doktorandenbetreuerin bei LIRIS und Professorin am INSA Lyon, am 25. September 2019 von 15:20–17:00 Uhr im Cockle Bay Room im Sydney Convention and Exhibition Centre vor.
Clément Sage, Doktorand und Ingenieur bei Esker im Bereich maschinelles Lernen, wird seine Arbeit mit dem Titel „Recurrent Neural Network Approach for Table Field Extraction in Business Documents“, die er im Rahmen seiner Doktorarbeitsforschung an der Université Claude Bernard Lyon 1 in Frankreich erstellt hat, in Sydney vorstellen.
Die effiziente Extraktion von Informationen aus eingehenden Geschäftsdokumenten wie Bestellungen und Rechnungen ist für Unternehmen, die täglich mit unzähligen Dokumenten konfrontiert sind, von entscheidender Bedeutung. Diese Dokumente enthalten wertvolle Informationen, die Unternehmen für die Integration in ihr ERP-System und die strukturierte Archivierung benötigen. Die Automatisierung der Datenextraktion ist jedoch eine große Herausforderung, insbesondere bei der Analyse von Tabelleninhalten zur Erkennung von bestellten oder fakturierten Positionen, da die Dokumente oft komplexe und mehrdeutige Strukturen aufweisen.
Um dieses Problem zu lösen, entwickelte Esker eine End-to-End-Methode zur Extraktion von Tabelleninhalten unter Umgehung der Erkennung physikalischer Strukturen. Esker verfolgt damit einen generischen Ansatz, der auf Deep Learning basiert und die Erkennung von Auftragspositionen in verschiedenen Layouts ermöglicht, die im Rahmen des Trainings nicht unbedingt berücksichtigt werden. Der neuartige Erkennungsansatz von Sage ist für Forscher von besonderem Interesse, da er sehr generisch ist und so leicht an andere Dokumenttypen angepasst werden kann und nur zu einem kleinen Teil auf domänenspezifischer Textverarbeitung basiert. Dieser universelle und nicht-proprietäre KI-Algorithmus ist eine wichtige Entdeckung für die Dokumentenverarbeitung.
Esker hat die Effektivität dieses Ansatzes anhand echter Bestellungen geprüft, um Artikelnummern, Mengen und Stückpreise aus den Bestellungen abzurufen. Die Ergebnisse waren durchweg positiv. Daher setzt Esker diese Technologie nun auch für seine cloud-basierte Plattform ein. Die Kunden des Unternehmens profitieren bereits von einer verbesserten Datenerkennung bei neuen Dokumenten und besseren Automatisierungsraten.
„KI-Technologien sind für Unternehmen, die ihre Wettbewerbsfähigkeit erhalten wollen, unerlässlich“, so Jean-Jacques Bérard, Executive Vice President Research & Development bei Esker. „Unternehmen können nun Tabellenzellen bei Erstbestellungen erkennen. So trägt Esker dazu bei, die Produktivität und die betriebliche Effizienz zu steigern. Besonders spannend ist, dass die besten KI-Ansätze für die Verarbeitung natürlicher Sprache im Bereich Geschäftsdokumente außerordentlich gut geeignet sind und ein enormes Innovationspotenzial für die Zukunft darstellen.“
„Diese Technologie zeigt, wie außergewöhnlich effizient KI sein kann“, sagt Clément Sage, Doktorand und Ingenieur bei Esker. „Wir arbeiten derzeit an der nächsten Generation von KI-Diensten, und ich bin zuversichtlich, dass wir bald in der Lage sein werden, auf Anhieb genaue und zuverlässige Daten aus Bestellungen und Rechnungen und anderen Geschäftsdokumenten zu extrahieren.“
Clément Sage stellt seine Arbeit zusammen mit seinen beiden Co-Autoren Jérémy Espinas, Doktorandenbetreuer bei Esker, und Véronique Eglin, Doktorandenbetreuerin bei LIRIS und Professorin am INSA Lyon, am 25. September 2019 von 15:20–17:00 Uhr im Cockle Bay Room im Sydney Convention and Exhibition Centre vor.
