Kombination von OCR mit KI und RPA für erweiterte Datenanalyse

Dieser Beitrag wurde mitverfasst von Cosmin Nicolae. Nicolae ist Produktmanager bei UiPath.

Unstrukturierte Daten sind überall und verstecken sich an Orten wie Dokumenten, Audiodateien, Videos, E-Mails, Bildern und Protokolldateien – die Liste geht weiter. Tatsächlich machen unstrukturierte Daten heute etwa 80 bis 90 % aller Daten aus. Doch trotz ihrer Fülle und ihres Wertes gehören unstrukturierte Daten nach wie vor zu den am meisten verschwendeten Unternehmensressourcen, da Unternehmen die notwendigen Tools fehlen, um sie zu extrahieren und zu analysieren.

Dies ändert sich, da die Nachfrage nach Big-Data-Analysen und Workflow-Automatisierung steigt – beides erfordert strukturierte Daten. Immer mehr Unternehmen nutzen eine Technologie namens optische Zeichenerkennung (OCR), die es ermöglicht, gedruckten oder handgeschriebenen Text in maschinencodierten Text umzuwandeln. Als eigenständige Technologie ist OCR etwas eingeschränkt (mehr dazu weiter unten). Durch das Trifecta aus OCR, robotergesteuerter Prozessautomatisierung (RPA) und künstlicher Intelligenz (KI) können Unternehmen jedoch hochentwickelte Ebenen der Datenverarbeitung und -automatisierung ermöglichen.

OCR ist eine der Schlüsselkomponenten in zwei UiPath-Lösungen:

1. UiPath Document Understanding ermöglicht die automatisierte Verarbeitung einer Vielzahl von Dokumenten

2. UiPath AI Computer Vision, mit dem Entwickler über virtuelle Desktops und in dynamischen Schnittstellen automatisieren können

Dieser Blog bietet einen Überblick über OCR und untersucht, wie UiPath die Technologie nutzt, um Datenverarbeitung und -analyse der nächsten Generation zu ermöglichen.

Hier ist zunächst eine kurze Einführung in OCR.

OCR:Ein Überblick

Einfach ausgedrückt ist OCR ein Prozess, der Text aus Bildern in bearbeitbare Dokumente umwandelt.

OCR kann manuelle Arbeit für bestimmte Aufgaben reduzieren oder sogar eliminieren. Dadurch können Backend-Workflows beschleunigt und Mitarbeiter für wichtigere Aufgaben entlastet werden.

Hier sind einige gängige Möglichkeiten, wie Unternehmen OCR verwenden.

1. Dateneingabe automatisieren

Die manuelle Dateneingabe ist zeitaufwändig und fehleranfällig. Durch die Verwendung von OCR können Unternehmen Papierkram digitalisieren und gleichzeitig den Bedarf an menschlichem Eingreifen minimieren und die Integrität ihrer Daten erhöhen.

2. Bearbeiten von Dokumenten (gescannt oder PDF)

Mitarbeiter erhalten häufig gescannte Dokumente und Faxbenachrichtigungen, die nicht in einem bearbeitbaren Format vorliegen. Dies ist ein häufiger Fall in Abteilungen wie Finanzen, Beschaffungsmanagement, Personalwesen, Recht und Compliance. Herkömmliche Scanner können Dokumente nur als Bilder oder PDFs exportieren. Beispielsweise können Sie einen Vertrag oder eine Bestellung nicht scannen und dann in Microsoft Word oder Google Docs bearbeiten. Mithilfe einer OCR-Engine ist es jedoch möglich, den Text zu erkennen und ihn zur weiteren Bearbeitung und Verarbeitung in ein maschinenlesbares Format zu exportieren.

3. Befähigung von Mitarbeitern mit Sehbehinderung

Mitarbeiter mit Sehbehinderungen müssen häufig Papierdokumente in digitale Formate umwandeln. OCR kann dabei helfen, geschriebenen Text in Text-to-Speech umzuwandeln und so den Prozess zu optimieren.

4. Dokumente organisieren

OCR kann verschiedene Stapel von Dokumenten automatisch sortieren und nach bestimmten Regeln organisieren. Ein klassisches Beispiel wäre die Organisation von Rechnungen nach Typ oder Lieferant. Oder in kritischen Prozessen wie der Verwendung von Multiline OCR (MLOCR) in einer Postsortiermaschine, die Adressen scannt und bestimmt, wie Post durch das Postsystem geleitet wird.

5. Text über Schnittstellen verstehen

OCR ermöglicht die Verarbeitung von Daten über Remote-Schnittstellen, wodurch die Zusammenarbeit von Remote-Teams schneller und einfacher wird.

Die Einschränkungen von OCR

Obwohl OCR sehr leistungsfähig ist, hat es mehrere Einschränkungen, wenn es als eigenständige Technologie verwendet wird.

Hier sind einige der wichtigsten Einschränkungen von OCR.

1. OCR kann Daten allein nicht verstehen

In erster Linie kann OCR nur Text aus Dokumenten digitalisieren und maschinenlesbar machen. OCR kann Daten ohne einen ergänzenden Mechanismus nicht verstehen oder interpretieren. Daher wird OCR oft als Komponente innerhalb einer größeren, intelligenteren Lösung verwendet. Um eine echte Prozessautomatisierung im großen Maßstab zu ermöglichen, werden OCR und RPA mit KI kombiniert.

2. Der OCR fehlt der Kontext

OCR-Systemen fehlt es auch an Kontext. Beispielsweise kann ein OCR-System ein Wort als Kaution transkribieren, wenn das eigentliche Wort Ball ist. Eine OCR-Engine allein verfügt nicht über die kognitive Fähigkeit, den Rest des Satzes zu scannen, um zu sehen, welches Wort verwendet werden sollte. Aus diesem Grund ist OCR als eigenständige Technologie sehr fehleranfällig. Es erfordert eine Human-in-the-Loop-Komponente, um Eingaben auf Richtigkeit zu überprüfen. Infolgedessen ist OCR allein als Automatisierungstool nicht optimal.

3. OCR kann mit Variabilität nicht umgehen

Darüber hinaus kann OCR nicht mit Abweichungen im Text oder Layout eines Dokuments umgehen, was ein großes Problem bei der Verarbeitung von Dokumenten mit unterschiedlicher Struktur darstellt.

4. OCR kann Dokumente nicht trennen

Weitere Probleme können auftreten, wenn Dateien vor der Aufnahme in einen Automatisierungsprozess in Dokumente getrennt werden müssen oder wenn es zu Wiederholungen in den Indexfeldern oder Schlüsselwerten eines Workflows kommt.

5. OCR ist nicht genau oder skalierbar

Letztendlich ist reine OCR für komplexe und kognitive Prozesse nicht genau oder skalierbar genug. Unternehmen benötigen Lösungen, die ausgereift und flexibel sind, im Gegensatz zu Komponenten, die begrenzt und fehleranfällig sind.

Wie Sie sehen können, ist OCR als eigenständige Technologie nicht ausgereift genug, um die modernen Arbeitsabläufe in Unternehmen von heute zu unterstützen. In Kombination mit RPA-Software und KI kann OCR jedoch ein äußerst nützliches Werkzeug sein. Im nächsten Abschnitt wird untersucht, wie UiPath OCR verwendet, um eine hochpräzise Automatisierung zu ermöglichen.

Anwendungsfall:OCR in UiPath Document Understanding

UiPath Document Understanding verwendet RPA und KI, um Daten aus Dokumenten zu digitalisieren, damit sie verarbeitet und analysiert werden können. Document Understanding kann sowohl strukturierte als auch unstrukturierte Daten verarbeiten und arbeitet mit einer Vielzahl von Objekten – wie Handschrift, Tabellen, Kontrollkästchen und Unterschriften.

Document Understanding bietet viele Vorteile, wie z. B. eine genaue und flexible Dokumentenverarbeitung, erhöhte betriebliche Effizienz, ein geringeres Risiko menschlicher Fehler sowie die End-to-End-Automatisierung komplexer Prozesse.

Es sollte beachtet werden, dass die Dokumentenverständnistechnologie keine OCR ist. Die Tatsache, dass die beiden ein und dasselbe sind, ist ein weit verbreiteter Irrtum. Document Understanding ist vielmehr eine fortschrittliche Technologie, die OCR verwendet, um Text in nicht digitalen Dokumenten zu digitalisieren.

Ein bemerkenswerter Unterschied besteht darin, dass UiPath OCR von der Datenextraktion entkoppelt. Viele Unternehmen in diesem Bereich verwenden OCR mit Extraktion. Durch die Entkopplung der beiden bietet UiPath eine größere Auswahl, Flexibilität und Genauigkeit, da es möglich wird, bei Bedarf eine andere OCR-Engine auszuwählen, ohne die Vorgänge auf der Extraktionsseite zu unterbrechen. Es ist auch möglich, öffentliche OCR-Verträge von UiPath zu verwenden, um bei Bedarf Ihre eigene OCR-Engine bereitzustellen.

Wie Document Understanding OCR verwendet

OCR kommt früh im Document Understanding-Prozess ins Spiel – unmittelbar nachdem die Taxonomie in den Workflow geladen wurde und alle Dateien und Daten für die Extraktion definiert wurden.

Document Understanding verwendet OCR-Engines, um Text zu erkennen und zu digitalisieren und ihn für einen Roboter lesbar zu machen. Von dort aus werden Dokumente aus festgelegten Listen klassifiziert, Daten werden extrahiert und – falls erforderlich – kann ein Mensch die extrahierten Daten bestätigen, bevor sie in das entsprechende Repository exportiert werden.

UiPath Document Understanding kann proprietäre UiPath Document OCR sowie OCR-Engines von Drittanbietern verwenden, um Text zu digitalisieren. Kunden können die Engine auswählen, die für ihren Anwendungsfall am besten geeignet ist.

Wie diese Abbildung zeigt, ist OCR Teil des UiPath Document Understanding-Frameworks. Sein einziger Zweck besteht darin, Text maschinenlesbar zu machen.

Anwendungsfall:OCR in UiPath AI Computer Vision

UiPath AI Computer Vision löst eine der größten Herausforderungen im Bereich RPA, nämlich die Automatisierung von Virtual Desktop Infrastructure (VDI) wie Citrix, VMware und Microsoft Windows Remote Desktop.

AI Computer Vision ermöglicht es Software-Robotern, alle Elemente auf einem Computerbildschirm zu sehen und zu verstehen, anstatt sich auf verborgene Eigenschaften zu verlassen, um Entscheidungen zu treffen. Mithilfe von AI Computer Vision können Unternehmen und RPA-Entwickler die Automatisierung für VDIs ermöglichen – unabhängig von Framework oder Betriebssystem.

AI Computer Vision ermöglicht eine Automatisierung, die dynamische Elemente der Benutzeroberfläche (UI) wie Dropdown-Menüs und Kontrollkästchen enthält; unterstützt eine breite Palette von Schnittstellentypen. Diese Lösung kann die Implementierungszeit bei der Automatisierung virtueller Maschinen verkürzen und gleichzeitig die Belastbarkeit und Zuverlässigkeit von Automatisierungen erhöhen.

Während AI Computer Vision OCR verwendet, wird es nicht zum Digitalisieren von Dokumenten verwendet. Dies ist ein subtiler, aber weit verbreiteter Irrtum.

So verwendet UiPath AI Computer Vision OCR

Es ist unmöglich, in virtuellen Umgebungen mit Standard-OCR und RPA zu automatisieren, da ein Remote-Desktop letztendlich nur ein Video-Feed ist. Es sind fortschrittliche Lösungen erforderlich, um Text zu interpretieren und, was noch wichtiger ist, deren Art und Zweck innerhalb einer Schnittstelle zu verstehen.

AI Computer Vision nutzt ein fortschrittliches neuronales Netzwerk mit einer benutzerdefinierten Bildschirm-OCR, die in den letzten Jahren bei UiPath entwickelt wurde, um eine Benutzeroberfläche über einen virtuellen Desktop-Feed zu analysieren und wie ein Mensch zu verstehen. Diese Lösung kann problemlos durch jede verfügbare Oberfläche navigieren, auf Schaltflächen klicken, aber auch komplexe Interaktionen wie das Extrahieren ganzer Tabellen und die Interaktion mit Dropdown-Menüs ausführen.

Zur Elementidentifikation verwendet AI Computer Vision eine Textinterpretationstechnik namens Fuzzy-Matching. Diese Technik ermöglicht es UiPath Robots, jedes Mal das richtige Element zu identifizieren, selbst bei Inkonsistenzen der OCR-Ergebnisse, wodurch die Zuverlässigkeit der resultierenden Automatisierungen verbessert und die Entwicklungszeit insgesamt verkürzt wird.

Bringen Sie OCR mit UiPath auf die nächste Stufe

Wie Sie sehen können, ist der Einsatz einer KI-basierten Lösung mit OCR von enormem Wert. UiPath Document Understanding und UiPath Computer Vision-Tools gehen weit über grundlegende OCR hinaus und ermöglichen eine schnelle und zuverlässige Automatisierung mit Unternehmensskalierbarkeit – wodurch Sie den vollen Wert Ihrer Daten freisetzen können, einschließlich dessen, was unstrukturiert oder hinter einem VDI gesperrt ist.

Hier ist ein Diagramm, das Ihnen bei der Entscheidung hilft, ob Document Understanding oder Computer Vision für Ihre Anforderungen geeignet ist:

Sind Sie bereit, Ihre Dokumentendaten und VDI-Systeme zum Laufen zu bringen?

Registrieren Sie sich zunächst für die UiPath Automation Cloud, wo Sie noch heute mit der Verwendung von UiPath Document Understanding und UiPath AI Computer Vision beginnen können.

Starten Sie Ihre kostenlose UiPath Automation Cloud-Testversion, um herauszufinden, wie einfach es ist, Ihre unstrukturierten Daten zu nutzen, um mehr Struktur und Effizienz in Ihre Geschäftsprozesse zu bringen.