Automatisierte Dokumentenverarbeitung mit Azure Document Intelligence
Ein mittelständisches Immobilienunternehmen aus Bonn automatisierte mit unserer Hilfe die Verarbeitung von eingescannten Rechnungsdokumenten. Auf Basis von Microsoft Fabric, Azure Document Intelligence und einer flexiblen Datenarchitektur entwickelten wir einen Proof of Concept zur automatisierten Attributextraktion. Custom KI-Modelle erkennen dabei auch komplexe Zuordnungen – etwa zur Wohneinheit – mit über 90 % Genauigkeit. Der manuelle Aufwand entfällt weitgehend und bildet die Grundlage für eine skalierbare, zukunftssichere Automatisierung der Dokumentenverarbeitung von Eingangsrechnungen.
Auf einen Blick:
- Branche: Immobilien
- Projektziel: Die Verarbeitung von eingescannten Abrechnungen zu automatisieren und dadurch den Aufwand zu reduzieren sowie eine zuverlässige Zuordnung zu ERP-Daten zu ermöglichen.
- Tools: Microsoft Fabric, Azure Document Intelligence, Python
Die Herausforderung des Kunden
Die manuelle Verarbeitung von Abrechnungsdokumenten und die fehlende Datenplattform machten eine effiziente und skalierbare Zuordnung zu ERP-Daten nahezu unmöglich – der Prozess war zeitaufwendig, fehleranfällig und nicht automatisierbar.
Im Rahmen eines Proof of Concept haben wir ein KI-gestützter Prozess zur automatisierten Dokumentenerkennung entwickelt. Basis dafür waren Microsoft Fabric als Datenplattform und Azure Document Intelligence mit Custom Modellen zur Extraktion relevanter Rechnungsdaten.
Unser Ziel war es, relevante Informationen wie Abrechnungsbeträge, Zeiträume oder Wohneinheiten automatisch aus eingescannten Rechnungen zu extrahieren. Da Standardmodelle von Azure Document Intelligence hierfür nicht ausreichten, kamen speziell trainierte Custom Modelle zum Einsatz.
Diese ermöglichen die präzise Erkennung individueller Felder, die für die Zuordnung zu ERP-Daten entscheidend sind. Die technische Basis bildet Microsoft Fabric als zentrale Datenplattform, ergänzt durch Azure Blob Storage zur Ablage der Dokumente. Die extrahierten Daten haben wir zunächst im Bronze Layer eines Lakehouse gespeichert – mit Blick auf eine spätere Erweiterung zur vollständigen Medallion-Architektur.
So sieht unser Lösungsansatz aus
- Microsoft Fabric Lakehouse
Das Fabric Lakehouse wird als zentrale Datenplattform zur strukturierten Aufbereitung und Speicherung von historischen Verkaufs- und Margendaten (inkl. Gold-Schicht im Medaillon-Modell) verwendet.
- Azure Document Intelligence (Custom Modelle)
Für die Extraktion relevanter Inhalte aus den Abrechnungsdokumenten werden Custom KI-Modelle eingesetzt. Diese ermöglichen das zuverlässige Erkennen auch individuell definierter Felder, etwa für die Zuordnung zu ERP-Daten.
- Azure Blob Storage
Die eingescannten Rechnungsdokumente werden sicher und skalierbar im Azure Blob Storage gespeichert. Von dort aus erfolgt die Verarbeitung durch die Azure Document Intelligence Services.
Bereits im Rahmen des PoC konnten die Custom KI-Modelle über 90 % der relevanten Rechnungsattribute zuverlässig erkennen – auch bei individuellen Feldern. Die automatisierte Verarbeitung ermöglicht eine deutliche Reduzierung manueller Arbeit und verbessert die Datenqualität für die Zuordnung zu ERP-Systemen.
Die auf Microsoft Fabric basierende Plattform schafft eine skalierbare Grundlage für weitere Anwendungsfälle wie die vollständige Automatisierung der Dokumentenverarbeitung oder den Einsatz zusätzlicher Analyse- und KI-Komponenten.
Jetzt mit Datasolut eine datenbasierte und automatisierte Dokumentenverarbeitung starten: Erstgespräch vereinbaren
Sie haben Fragen zum Thema Microsoft Fabric? Dann melden Sie sich! Wenn Sie sich für weitere spannende Fakten rund um das Thema KI interessieren, schauen sie auch gerne bei unseren Leistungen vorbei.
Lassen Sie uns sprechen und Ihr Potenzial entdecken.
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte