OCR, KI und RPA nutzen für fortschrittliche Dateneinblicke

Dieser Beitrag wurde gemeinsam verfasst von Cosmin Nicolae. Nicolae ist Product Manager bei UiPath.

Unstrukturierte Daten sind überall – versteckt in Dokumenten, Audiodateien, Videos, E-Mails, Bildern und Logdateien, die Liste ist lang. Tatsächlich machen unstrukturierte Daten jetzt schätzungsweise 80 bis 90 % aller Daten aus. Trotz ihrer Fülle und ihres Werts bleiben unstrukturierte Daten eine der am meisten verschwendeten Unternehmensressourcen, weil Unternehmen die nötigen Werkzeuge fehlen, um sie zu extrahieren und zu analysieren.

Das ändert sich, da die Nachfrage nach Big-Data-Analysen und Workflow-Automatisierung steigt – beides erfordert strukturierte Daten. Eine wachsende Zahl von Unternehmen nutzt eine Technologie namens Optical Character Recognition (OCR), die es ermöglicht, gedruckten oder handgeschriebenen Text in maschinenlesbaren Text umzuwandeln. Als eigenständige Technologie ist OCR jedoch begrenzt (mehr dazu unten). Doch durch das Triumvirat aus OCR, Robotic Process Automation (RPA) und künstlicher Intelligenz (KI) können Unternehmen hochentwickelte Stufen der Datenverarbeitung und Automatisierung erreichen.

OCR ist eine der Schlüsselkomponenten in zwei UiPath-Lösungen:

1. UiPath Document Understanding für die automatisierte Verarbeitung einer breiten Palette von Dokumenten

2. UiPath AI Computer Vision, das Entwicklern ermöglicht, über virtuelle Desktops und in dynamischen Oberflächen zu automatisieren

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

Zunächst ein kurzer Überblick über OCR.

OCR: Ein Überblick

In einfachen Worten: OCR ist 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 werden, während Mitarbeiter für wichtigere Aufgaben freigesetzt werden.

Hier sind einige gängige Wege, wie Unternehmen OCR nutzen.

1. Dateneingabe automatisieren

Manuelle Dateneingabe ist zeitaufwändig und fehleranfällig. Durch OCR können Unternehmen Papierkram digitalisieren, während sie menschliche Eingriffe minimieren und die Integrität ihrer Daten erhöhen.

2. Dokumente bearbeiten (gescannte oder PDF)

Mitarbeiter erhalten oft gescannte Dokumente und Faxbenachrichtigungen, die nicht in einem bearbeitbaren Format vorliegen. Das ist in Abteilungen wie Finanzen, Supply Management, Personalwesen, Recht und Compliance häufig der Fall. Herkömmliche Scanner können Dokumente nur als Bilder oder PDFs exportieren. Sie können beispielsweise einen Vertrag oder eine Bestellung nicht scannen und dann in Microsoft Word oder Google Docs bearbeiten. Durch den Einsatz einer OCR-Engine ist es jedoch möglich, den Text zu erkennen und in ein maschinenlesbares Format zu exportieren, um ihn weiter zu bearbeiten und zu verarbeiten.

3. Mitarbeitern mit Sehbehinderung helfen

Mitarbeiter mit Sehbehinderungen müssen Papierdokumente oft in digitale Formate umwandeln. OCR kann helfen, indem es geschriebenen Text in Text-to-Speech umwandelt und den Prozess vereinfacht.

4. Dokumente organisieren

OCR kann automatisch durch vielfältige Dokumentenstapel sortieren und diese nach spezifischen Regeln organisieren. Ein klassisches Beispiel wäre die Organisation von Rechnungen nach Typ oder Lieferant. Oder in kritischen Prozessen wie der Nutzung von Multiline OCR (MLOCR) in einer Briefsortiermaschine, 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, was die Zusammenarbeit für Remote-Teams schneller und einfacher macht.

Die Grenzen von OCR

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

Hier sind einige der wichtigsten Einschränkungen von OCR.

1. OCR kann Daten nicht selbst verstehen

Primär 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 genutzt. Um echte Prozessautomatisierung im großen Maßstab zu ermöglichen, werden OCR und RPA mit KI kombiniert.

2. OCR fehlt der Kontext

OCR-Systeme haben auch keinen Kontext. Beispielsweise kann ein OCR-System ein Wort als „Bail“ transkribieren, obwohl das tatsächliche 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 stark fehleranfällig. Sie erfordert eine Human-in-the-Loop-Komponente, um Einträge auf Genauigkeit zu prüfen. Als Ergebnis fehlt OCR allein der optimale Wert als Automatisierungswerkzeug.

3. OCR kann Variabilität nicht bewältigen

Zusätzlich kann OCR Variabilität im Text oder Layout eines Dokuments nicht bewältigen, was ein großes Problem bei der Verarbeitung von Dokumenten mit variierender Struktur darstellt.

4. OCR kann Dokumente nicht trennen

Weitere Probleme können auftreten, wenn Dateien in Dokumente getrennt werden müssen, bevor sie in einen Automatisierungsprozess aufgenommen werden, oder wenn es Wiederholungen in den Indexfeldern oder Schlüsselwerten eines Workflows gibt.

5. OCR ist nicht genau oder skalierbar genug

Am Ende des Tages ist reines OCR nicht genau oder skalierbar genug für komplexe und kognitive Prozesse. Unternehmen benötigen Lösungen, die ausgereift und flexibel sind, im Gegensatz zu Komponenten, die begrenzt und fehleranfällig sind.

Wie Sie sehen, ist OCR als eigenständige Technologie nicht anspruchsvoll genug, um heutige fortschrittliche Enterprise-Workflows zu unterstützen. Doch in Kombination mit RPA-Software und KI kann OCR ein äußerst nützliches Werkzeug sein. Der nächste Abschnitt untersucht, wie UiPath OCR nutzt, um hochpräzise Automatisierung zu ermöglichen.

Anwendungsfall: OCR in UiPath Document Understanding

UiPath Document Understanding nutzt 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 funktioniert mit einer Vielzahl von Objekten – wie Handschrift, Tabellen, Kontrollkästchen und Unterschriften.

Document Understanding bietet viele Vorteile, wie präzise und flexible Dokumentenverarbeitung, gesteigerte betriebliche Effizienz, reduziertes Risiko menschlicher Fehler sowie End-to-End-Automatisierung komplexer Prozesse.

Es sei angemerkt, dass Document-Understanding-Technologie nicht OCR ist. Dass die beiden ein und dasselbe sind, ist ein häufiges Missverständnis. Vielmehr ist Document Understanding eine fortschrittliche Technologie, die OCR nutzt, um Text in nicht-digitalen Dokumenten zu digitalisieren.

Eine bemerkenswerte Unterscheidung: UiPath entkoppelt OCR von der Datenextraktion. Viele Unternehmen in diesem Bereich kombinieren OCR mit Extraktion. Durch die Entkopplung bietet UiPath größere Wahlfreiheit, Flexibilität und Genauigkeit, da es möglich wird, eine andere OCR-Engine auszuwählen, falls nötig, ohne die Extraktionsseite zu stören. Es ist auch möglich, UiPath OCR Public Contracts zu nutzen, um Ihre eigene OCR-Engine bereitzustellen, falls gewünscht.

Wie Document Understanding OCR nutzt

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 sind.

Document Understanding nutzt OCR-Engines, um Text zu erkennen und zu digitalisieren, sodass er von einem Roboter gelesen werden kann. Danach werden Dokumente aus angegebenen Listen klassifiziert, Daten extrahiert und – falls erforderlich – kann ein Mensch die extrahierten Daten bestätigen, bevor sie in das relevante Repository exportiert werden.

UiPath Document Understanding kann proprietäre UiPath Document OCR sowie Drittanbieter-OCR-Engines nutzen, um Text zu digitalisieren. Kunden können die Engine wählen, die für ihren Anwendungsfall am genauesten funktioniert.

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

Anwendungsfall: OCR in UiPath AI Computer Vision

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

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

AI Computer Vision ermöglicht Automatisierung, die dynamische Benutzeroberflächen-Elemente (UI) wie Dropdown-Menüs und Kontrollkästchen umfasst; es unterstützt eine breite Palette von Schnittstellentypen. Diese Lösung kann die Implementierungszeit bei der Automatisierung virtueller Maschinen verkürzen, während sie die Belastbarkeit und Zuverlässigkeit von Automatisierungen erhöht.

Während AI Computer Vision OCR nutzt, wird es nicht zur Digitalisierung von Dokumenten verwendet. Dies ist ein subtiler, aber häufiger Irrtum.

Wie UiPath AI Computer Vision OCR nutzt

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

AI Computer Vision nutzt ein fortschrittliches neuronales Netzwerk mit einem benutzerdefinierten Screen-OCR, das bei UiPath in den letzten Jahren entwickelt wurde, um eine UI über einen virtuellen Desktop-Feed zu analysieren und sie so zu verstehen, wie ein Mensch es tun würde. Diese Lösung kann problemlos jede verfügbare Schnittstelle navigieren, auf Buttons klicken, aber auch komplexe Interaktionen wie das Extrahieren ganzer Tabellen und die Interaktion mit Dropdown-Menüs durchführen.

Für die Elementidentifikation nutzt AI Computer Vision eine Texterkennungstechnik namens Fuzzy Matching. Diese Technik ermöglicht es UiPath-Robotern, das korrekte Element jedes Mal zu identifizieren, selbst bei OCR-Ergebnisinkonsistenzen, was die Zuverlässigkeit der resultierenden Automatisierungen verbessert und die Entwicklungszeit insgesamt verkürzt.

OCR mit UiPath auf die nächste Stufe heben

Wie Sie sehen, gibt es enormen Wert in der Nutzung einer KI-basierten Lösung, die OCR integriert. UiPath Document Understanding und UiPath Computer Vision Tools gehen weit über grundlegendes OCR hinaus und ermöglichen schnelle und zuverlässige Automatisierung mit Enterprise-Skalierbarkeit – was Ihnen erlaubt, den vollen Wert Ihrer Daten freizusetzen, einschließlich unstrukturierter Daten oder solcher, die hinter einer VDI verborgen sind.

Hier ist eine Übersicht, die Ihnen hilft zu entscheiden, ob Document Understanding oder Computer Vision für Ihre Bedürfnisse richtig ist:

Bereit, Ihre Dokumentendaten und VDI-Systeme arbeiten zu lassen?

Registrieren Sie sich für die UiPath Automation Cloud, wo Sie UiPath Document Understanding und UiPath AI Computer Vision noch heute nutzen 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.