cashcrown // Dokumentenanalyse
Doc Intelligence
doc-intelliveEine Pipeline, die unübersichtliche Dokumente — PDFs, Scans, Fotos, DOCX — in strukturierte, überprüfbare Daten verwandelt: jedes Feld mit Verweis auf die Quellstelle und einem Konfidenz-Schwellenwert.
self-host
Deployment
zero-retention
Daten
4 tryby
Eingabequellen
per-pole
Konfidenz
// 01
Problem
Dokumentdaten werden entweder von Hand abgetippt oder von einer OCR herausgezogen, die nie sagt, wann sie sich geirrt hat. Ein Feld ohne Quelle und ohne Konfidenz landet ungeprüft in Ihrem System, und ein einziger falsch gelesener Scan kostet Stunden an Korrekturen — oder ein stilles Überschreiben eines Werts, auf den es ankam.
// 02
Funktionen
- OCR mit Konfidenzwert pro Feld und pro Zeichen
- Klassifizierung des Dokumenttyps und Feldextraktion
- jedes Feld mit Verweis auf die Quellstelle
- Felder mit niedriger Konfidenz gehen in die menschliche Prüfung
- kritische Felder werden nie automatisch überschrieben
// 05
Integrationen
routerBGE-M3QdrantOllaman8nFastAPI
// 06
Architektur
Knoten wählen, um Beschreibung und Datenfluss zu sehen.
Architektur — Textbeschreibung
- Eingang / Daten
- Datenquellen — Inhalte, Dokumente und Ereignisse speisen den Index. (Fluss zu: BGE-M3)
- BGE-M3 — Lokale Embeddings (1024-dim) — PII bleibt lokal. (Fluss zu: OpenClaw-Router)
- KI-Kern
- OpenClaw-Router — Einziger Modellzugang — maskiert PII, wählt Modell, drosselt. (Fluss zu: Doc Intelligence)
- Doc Intelligence — Eine Pipeline, die unübersichtliche Dokumente — PDFs, Scans, Fotos, DOCX — in strukturierte, überprüfbare Daten verwandelt: jedes Feld mit Verweis auf die Quellstelle und einem Konfidenz-Schwellenwert. (Fluss zu: API)
- Ausgabe
- API — REST-Fläche — belegte Antworten mit Zugriffskontrolle. (Fluss zu: router, BGE-M3, Qdrant, Ollama)
- router — Integration: router.
- BGE-M3 — Integration: BGE-M3.
- Qdrant — Integration: Qdrant.
- Ollama — Integration: Ollama.
// 07
Live-Demo
// 08
FAQ
Was kostet es, wie berechnen Sie den ROI und wie genau ist es?
Wir arbeiten in Spannen je nach Umfang — wir starten mit einem Pilot zu Festkosten auf Ihrer eigenen Dokumentenstichprobe, damit Sie die echte Genauigkeit vor einer größeren Investition sehen. Genauigkeit geben wir als Spannen je nach Quellqualität an: saubere digitale PDFs meist 95–99% der Felder, gute Scans 90–97%, Fotos und schlechte Scans 80–92% — genau deshalb gehen Felder mit niedriger Konfidenz trotzdem in die Prüfung. Wenn die Pipeline ein Dutzend bis mehrere Dutzend Stunden Abtippen im Monat zurückholt, rechnet sie sich meist in 2–4 Monaten. Die Rendite berechnen Sie im ROI-Rechner.
Lässt es sich in unsere Systeme integrieren und ist es DSGVO-konform?
Ja. Ergebnisse liefern wir über eine API und Webhooks (n8n), binden uns in Ihren Dokumentenfluss und Ihr CRM ein, und unumkehrbare Aktionen — einschließlich des Überschreibens eines kritischen Felds — erfordern eine menschliche Bestätigung (Human-Gate). Die Pipeline ist selbst gehostet und läuft zero-retention: Dokumente mit PII werden lokal verarbeitet, nach der Verarbeitung bleibt nichts, und DSGVO- und AI-Act-Konformität sind von Anfang an eingeplant.
Wo fangen wir an, und welche Dokumente kann es verarbeiten?
Wir starten mit einem Dokumenttyp und einigen Dutzend Ihrer echten Beispiele — genug, um die Genauigkeit zu messen und die Konfidenz-Schwellen zu setzen. Wir verarbeiten vier Eingabemodi: digitale PDFs, Scans, Fotos und DOCX (Rechnungen, Verträge, Formulare, Protokolle). Nach dem Pilot erweitern wir auf weitere Typen und Felder. Wir versprechen keine 100%ige Automatisierung — Ziel ist sichere Extraktion, wo das Modell sicher ist, und menschliche Prüfung, wo es das nicht ist.
// →Verwandt