Intelligent Document Processing: Build vs. Buy – Die richtige Strategie wählen

Business läuft auf Dokumenten und Kommunikation. Sie liegen fast jedem denkbaren Prozess zugrunde – überall, wo eine Nachricht (wie E-Mail oder Chat) oder ein Dokument gelesen oder gesendet wird. Kein Wunder, dass der Markt für Intelligent Document Processing (IDP) jährlich um 28,9 % wächst und bis 2032 auf 17,8 Milliarden Dollar anwachsen soll.

IDP verbindet typischerweise zahlreiche KI-Technologien, einschließlich Natural Language Processing (NLP) und Bilderkennung, um Unternehmen zu helfen, Dokumente und Kommunikation im großen Maßstab schnell zu verarbeiten. Da Business Leader KI-Agenten annehmen – mächtige KI-basierte Entitäten, die Arbeit für und im Namen von Menschen erledigen können – haben sich dokumentenbasierte Prozesse als idealer Use Case für agentic Automation herauskristallisiert. Die Kombination von KI-Agenten mit Robotern und IDP-Fähigkeiten, überwacht von Humans-in-the-Loop, sorgt für schnelle Returns und großen Effizienz-Impact.

Doch dies wirft die Frage auf: Sollten Sie Ihre IDP-Fähigkeiten selbst bauen oder kaufen? Es ist wichtig, alle Optionen zu prüfen und zu überlegen, welcher Ansatz den höchsten ROI, die beste Performance und die schnellste Time-to-Value liefern kann. Für die meisten Unternehmen ist die richtige Option, eine bestehende IDP-Lösung zu kaufen. Ich erkläre warum:

Eigenes IDP bauen (BYO)

Mit dem Aufstieg öffentlich verfügbarer Large Language Models (LLMs) und der wachsenden Verfügbarkeit unterstützender APIs hatten Unternehmen nie mehr Tools, um custom IDP-Systeme zu bauen. Doch viele Tools im Werkzeugkasten machen die eigentliche Aufgabe nicht einfacher.

In einem BYO IDP-System muss jede Komponente (von Sprachverständnis bis Datenextraktion und Automatisierung) von Grund auf neu gebaut oder, wahrscheinlicher, von mehreren Third-Party-Providern bezogen werden. Um beispielsweise die notwendige NLP-Komponente für Dokumenten- und Kommunikationsverständnis zu liefern, könnte ein Unternehmen sein IDP-System um ein externes LLM wie ChatGPT oder Anthropics Claude herum aufbauen.

Ein BYO IDP-System bietet einem Unternehmen End-to-End-Ownership und größeres Customization-Potenzial im Vergleich zu Vendor-Lösungen. Sie haben die Flexibilität, ihr System an sich ändernde Business-Bedürfnisse anzupassen, ohne eng mit einer anderen Organisation zusammenarbeiten zu müssen. In den meisten Fällen werden diese Vorteile jedoch von den zentralen Herausforderungen des BYO-Ansatzes überwogen:

Kosten

Es ist ein häufiges Missverständnis, dass BYO günstiger ist als IDP as a Service zu bezahlen. In den meisten Fällen ist das weder kurz- noch langfristig wahr. Die Entwicklung und Wartung eines eigenen IDP-Systems erfordert signifikante Zeit und teures Spezialisten-Talent. Sie brauchen Software-Entwickler für Plattform und User Interface (UI), Data Scientists für Datenvorbereitung, Pre- und Post-Processing und viele weitere Experten für Tasks wie Performance-Monitoring (wofür Sie eigene Reporting-Dashboards erstellen müssen), sowie Auditing und Logging.

Bedenken Sie, dass sogar Third-Party-LLMs KI-Spezialisten und Engineers erfordern, um das gewählte Modell auf exakte Business-Anforderungen feinzustimmen. Selbst die beliebtesten und mächtigsten Vision-Language Models (VLMs) sind Foundation Models, trainiert auf Massen verschiedener Datentypen von strukturierten Dokumenten bis Bilder. Standardmäßig werden sie nicht auf den exakten Dokumenttyp oder Schema feinjustiert, den Sie brauchen, was niedrigere Genauigkeit und mehr Fehler bedeutet.

Die Wartung Ihres eigenen IDP-Systems erfordert auch kontinuierliche Updates und Ressourcen. Jedes BYO-System, das Datenannotation erfordert, braucht Trainingsmaterialien für Nutzer, die aktualisiert werden müssen, um Ihr User Interface widerzuspiegeln.

Risiko

Von seltenem und teurem technischem Talent abhängig zu sein, um ein System operational zu halten, ist riskant. Aufgrund von Kosten und Talent-Knappheit tendieren diese Teams dazu, klein zu sein. Sie können Limitierungen in der Anzahl der Use Cases und Business Units haben, die sie realistisch unterstützen können. Talent-Abwanderung kann ein System langfristig non-performant oder non-viable machen. Es gibt das omnipräsente Risiko, dass Projekt-Funding gestrichen wird.

Diese Herausforderungen verschärfen sich, wenn KI-Skills und Modell-Feinjustierung erforderlich sind. Laut aktueller Forschung von McKinsey & Company fühlen sich fast die Hälfte (47 %) der C-Suite-Entscheider zu langsam bei der Entwicklung von KI-Lösungen, wobei Talent-Skill-Gaps die Hauptursache sind.

Komplexität

Wenn Sie ein IDP-System bauen, sind Sie allein verantwortlich für komplexe KI-Modell- und Plattform-Governance. Tatsächlich können Systeme für komplexe Use Cases Hunderte von KI-Modellen erfordern, die gemanagt werden müssen. Beispielsweise könnte eine große Bank mehrere hundert Modelle benötigen, die für verschiedene Use Cases feinjustiert sind, um das nötige Genauigkeitslevel zu erreichen. Selbst wenn ein KI-System Dokumente und Kommunikation „out-of-the-box“ verarbeiten kann, ist immer noch signifikantes Prompt-Engineering oder Context Gathering für akzeptable Performance nötig. Das auf Hunderte von Use Cases zu skalieren, wäre unglaublich schwierig, da Sie Daten annotieren, benchmarken, deployen und Hunderte von Prompts warten müssten.

Es gibt viele versteckte Kosten in einem selbstgebauten IDP-System. Jede Komponente des Systems ist eine wichtige Entscheidung, und jede Technologie erfordert Spezialisten-Skills und erhöht Technical Debt (samt erhöhtem Risiko). Unweigerlich ist BYO ein Heavy Lift und bedeutet langsamere Time-to-Value. Höhere Lifetime-Kosten sind wahrscheinlich aufgrund von Talent, Governance und Wartungsanforderungen. Kein Wunder, dass 69 % der Technologie-Entscheider Dokumenten-Extraktion und Routing Use Cases als hoch schwierig zum Deployen betrachten, laut Forrester-Analyse für UiPath.

Die Vorteile des Kaufs Ihres IDP-Systems

Die Alternative zum Selbstbau ist der Kauf von IDP as a Service von einem Third-Party-Vendor. Es gibt zwei Hauptansätze dafür:

• IDP als Point Solution kaufen und mit dem Rest Ihres Enterprise-Tech-Stacks integrieren.

• IDP als Teil einer größeren Lösung oder Plattform kaufen. Dies gibt Zugriff auf zusätzliche Fähigkeiten wie Automatisierung, falls benötigt.

IDP as a Service zu kaufen, gibt Unternehmen weniger Kontrolle über Plattformentwicklung im Vergleich zu einem Custom-System. Allerdings werden Plattform-Provider mit ihren Kunden zusammenarbeiten, um sicherzustellen, dass das System sich weiterentwickelt, um ihre Bedürfnisse zu erfüllen. Es gibt auch viele andere Vorteile zu berücksichtigen:

Time-to-Value

Die Implementierung einer bestehenden IDP-Plattform ist meist schneller als die Entwicklung einer neuen. Etablierte Plattformen sind über viele Jahre Nutzung in großen Unternehmen über diverse Use Cases erprobt und getestet. Trainings- und Enablement-Ressourcen sind bereits erstellt und in vielen Fällen wird Professional Services Support bereitgestellt, um Nutzer schnell starten und Wert aus ihren Implementierungen ziehen zu lassen.

Foundation LLMs erfordern kostspieliges und zeitaufwendiges Feintuning und Prompt-Engineering, bevor sie für Business-Nutzung bereit sind. Selbst dann gibt es Use Cases, die so komplex oder großskalig sind, dass sie als „Dead Ends“ enden, wo kein Amount an Prompting präzise, zuverlässige Extraktion liefern kann. Im Gegensatz dazu ist die KI hinter IDP as a Service typischerweise auf schnelle Modell-Customization und Low-Code-Training-Erfahrungen ausgelegt. Beispielsweise nutzen sie Active Learning, wo normale Business-User und KI-Modelle aktiv kollaborieren, um den Trainingsprozess schneller abzuschließen.

Reduziertes Risiko

Die Wahl von IDP as a Service reduziert verschiedene Risikoformen substanziell. Sie sind nicht mehr auf teures internes Talent angewiesen, um Ihr IDP-System operational zu halten. Der Vendor übernimmt Systemwartung sowie Plattform- und Modell-Governance. IDP-Lösungsanbieter werden auch erwartet, höchste Enterprise-Grade-Datensicherheit zu liefern.

Cost of Ownership sollte auch betrachtet werden. Übereilte Entwicklung, unperfekter Code oder die Nutzung bald veralteter Technologien in einem BYO IDP-System erhöhen alle das Risiko von Technical Debt. Über Zeit erfordert dies kostspielige Korrekturen und System-Upgrades.

IDP as a Service zu kaufen, reduziert Risiko und Technical Debt für den Käufer erheblich. Vendors priorisieren technologische Upgrades, um wettbewerbsfähig zu bleiben, adoptieren neueste Fähigkeiten und iterieren und verbessern ihren Service kontinuierlich. Sie kümmern sich um notwendigen Rework, Testing, Updating und Ersetzen obsolet werdender Komponenten.

Versuchen Sie nicht, die Modelle selbst zu bauen. Aufsehenerregende Headlines lassen es simpler aussehen, als es ist. Finden Sie einen Vendor, der KI vor dem LLM-Hype machte. Kompetenz in adjacent KI-Prozessen ist nötig wie Unsupervised Learning, Datenvorbereitung und Basic ML-Berechnungen.

Simon Knowles, Head of Technology, Vabble

Skalierbarkeit

Ein Custom-System erfordert custom-made Connectors und APIs zur Integration mit relevanten Enterprise-Systemen. Je nach Größe und Komplexität des Business kann dies Hunderte oder sogar Tausende kombinierter Entwicklungsstunden erfordern. Etablierte IDP-Plattformen haben vorgefertigte Connectors für die beliebtesten Enterprise-Systeme, was schnelle Integrationen und Time-to-Value ermöglicht. Mit einem cloud-basierten IDP-System können Sie auch Zugriff auf die neuesten KI-Upgrades und Fähigkeiten erwarten, ohne die Kosten für Bau oder Integration selbst zu tragen.

Aus all diesen Gründen sollte IDP as a Service die bevorzugte Option für Enterprises sein, die schnelle Time-to-Value, Genauigkeit und Zuverlässigkeit in ihrem IDP-System suchen. Custom Builds laden beträchtliche Technical Debt ein, samt erhöhtem Risiko und Haftung langfristig. IDP as a Service legt die Verantwortungslast auf eine spezialisierte Plattform, die durch Jahre von Wettbewerb und Iteration geschärft wurde.

Eine Enterprise-ready Plattform zum Skalieren von KI und IDP

UiPath IDP-Fähigkeiten sind die ideale Wahl für Enterprises, die best-in-class KI und IDP sicher und erfolgreich implementieren wollen. IDP ist in unserem End-to-End-Automatisierungs-Framework eingebettet, was Ihnen ermöglicht, Dokumenten- und Kommunikationsverarbeitung zu automatisieren. Sie können auch vorgefertigte Fähigkeiten nutzen, sie anpassen und Ihre eigenen oder Third-Party-Komponenten einbringen, wie erforderlich.

UiPath Intelligent Xtraction and Processing (IXP) bietet einen branchenführenden solutioned Ansatz für IDP. Dank neuester KI-Modelle ermöglicht UiPath IXP die Extraktion einer wachsenden Anzahl an Enterprise-Content-Typen; alles von strukturierten Dokumenten wie Rechnungen bis zu komplexen und unstrukturierten Inhalten wie Rechtsverträgen. Wir bieten umfangreiche Plattformfähigkeiten und Kontrollen über unsere IXP-Modelle, die es ermöglichen, diese schnell im Enterprise zu skalieren:

Enterprise-ready

UiPath IXP ist gebaut für schnelle Time-to-Value und nahtlose User Experience. Das nimmt den Schmerz aus der Dokumentenverarbeitung aller Art und verkürzt Time-to-Deployment.

Erstens ist sein Inference-first-Trainingsprozess. Kein Training ist erforderlich, um nützliche Daten aus komplexen unstrukturierten Dokumenten direkt out-of-the-box präzise zu extrahieren. Stattdessen geben Nutzer einfach Instruktionen (ähnlich einem Prompt) an das Modell, was zu extrahieren ist und wie es im Dokument erscheint. Doch UiPath IXP gibt Nutzern trotzdem die Möglichkeit, zu annotieren, wenn sie das Modell weiter verfeinern oder ihm Ground Truth für Evaluation geben wollen.

UiPath IXP bietet auch starke Kontrollen über das Schema dieser generativen Modelle. Nutzer können ihre eigenen „Field Groups“ erstellen, die die exakten Informationen spezifizieren, die sie extrahieren wollen. UiPath streamlined viel der Arbeit im Post-Processing, und die Ausgabe ist das exakte Format, das nötig ist, um die resultierenden strukturierten Daten in Automatisierungen zu nutzen und mit KI-Agenten zu teilen, um Wert zu schaffen.

Kontrolliert und compliant

UiPath First-Party-Modelle unterliegen den stärksten Enterprise-Kontrollen. Die UiPath Platform liefert robuste rollenbasierte Zugriffskontrolle (RBAC), Modell-Versionierung und umfangreiche Performance-Guardrails für unsere First-Party-IXP-Modelle. Human-in-the-Loop ist auch in unsere Plattform-Erfahrung eingebaut, was sicherstellt, dass generierte Ausgaben ordnungsgemäß validiert werden.

Darüber hinaus managt UiPath alle Third-Party-Modelle durch den UiPath AI Trust Layer, der Governance, Trust und Sicherheit für GenAI liefert. Das bedeutet Zero Data Retention und externes Modelltraining mit Ihren Business-Daten.

Eine flexible, offene Modellstrategie

KI-Modelle entwickeln sich schnell, und das beste Modell jetzt ist vielleicht nicht das beste für Ihren Use Case in sechs Monaten. Wir investieren kontinuierlich, um die besten spezialisierten LLMs für Kern-Business-Prozesse zu schaffen und diese ständig zu verbessern. Die Veröffentlichung unseres neuesten Modells für komplexe und unstrukturierte Dokumentenverarbeitung ist ein Beweis dafür.

Doch unsere KI-Strategie bleibt offen. Wir stellen das Tooling bereit, um Ihre favorisierten Third-Party- oder proprietären LLMs zu integrieren und sie unter dem UiPath AI Trust Layer zu managen. Mit UiPath haben Sie die Flexibilität, eine Kombination der besten Modelle in der Klasse für jeden Task über Ihre Use Cases zu nutzen.

Optimierung für verbesserte Genauigkeit und Zuverlässigkeit

Unsere IXP-Fähigkeiten sind optimiert für fortgeschrittene Datenextraktion mit Techniken wie RAG und kuratiertem System-Prompting. Context Grounding bedeutet, dass IXP-Modelle sicherer, performanter und präziser sind. Unser Validation Station Interface zeigt Evidenz, wo die extrahierte Information im Dokument gefunden wurde, was bedeutet, dass generierte Ausgaben einfach mit Evidenz verifiziert werden können.

Projektbasierte Erfahrung

Unsere Innovationen werden von realen, vor-Ort IDP-Deployments in großen Enterprises geleitet. Unsere Nutzer definieren einfach ihren Dokumenttyp und können mehrere Modelle nutzen. Sie können auch Performance evaluieren, monitoren und Modellversionen managen – alles Schlüssel-Fähigkeiten für das Deployen von KI, Warten und dann Skalieren über das Business.

Ein Kunde, der die Vorteile von UiPath IDP-Fähigkeiten erlebt, ist das Top-20-Gegenseitigkeitsversicherungsunternehmen Encova Insurance. Um Claims-Invoicing zu automatisieren, hatte Encova zunächst seine eigene IDP-Lösung entwickelt, gebaut um traditionelles Optical Character Recognition (OCR) und ein Third-Party-KI-Modell für Sprachverständnis. Doch nach Adoption der UiPath Platform für IDP bemerkten sie eine sofortige Genauigkeitsverbesserung:

Wenn es um Document Understanding geht, kamen wir mit traditionellem OCR auf 40 % ohne Issues durch und 30 % wurden teilweise abgeschlossen. Mit diesem neuen [UiPath] Prozess liegt die Erfolgsrate bei 99 %.

Jeffrey Martin, Solution Architect, Encova

UiPath IDP-Fähigkeiten lieferten schnelle Time-to-Value und stark gesteigerte Effizienz in Encovas Finance, Sales, Underwriting, Operations und Customer Support Abteilungen. In ihrem Policy Intake Program wurde manuelle Dateneingabezeit um 98 % reduziert. Eine 95 %ige Reduktion der jährlichen Bearbeitungszeit wurde同様lich in Commercial Lines Endorsements erreicht.

UiPath ist auch ein anerkannter Leader im IDC MarketScape: Worldwide Unstructured Intelligent Document Processing Software 2024 Vendor Assessment. Laut dem Report:

„UiPath betrachtet GenAI und LLMs als kritische Technologie-Tools und integriert sie zunehmend in alle Phasen seiner IDP, Communications Mining und Automation Portfolios... Weiterhin priorisiert und deployt UiPath weiterhin Enterprise-Grade-Security, Privacy, Access, Context Grounding und Control Features, um sicherzustellen, dass GenAI-Modelle und Services sicher und geschützt in Unterstützung mission-kritischer Use Cases genutzt werden können.“

Der Report kommentiert auch: „UiPaths Multi-Modal-KI-Fokus bietet ihm den strategischen Vorteil, kontinuierlich neue Methoden und Ansätze zu treiben, um den Wert von traditioneller (d.h. prädiktiver KI) und GenAI für unstrukturiertes IDP zu maximieren.“

Erfahren Sie, wie die IDP-Fähigkeiten der UiPath Platform schnelle Time-to-Value liefern und helfen, State-of-the-Art-KI im gesamten Enterprise zu skalieren.