Ratgeber
OCR oder LLM? Wie Datenextraktion aus Dokumenten wirklich funktioniert
2 Min. Lesezeit
Wer Dokumentenautomatisierung prüft, stößt sofort auf zwei Abkürzungen: OCR und LLM. Oft werden sie als Alternativen dargestellt. In der Praxis erledigen sie zwei verschiedene Aufgaben, und die besten Ergebnisse entstehen, wenn sie zusammenarbeiten.
Was OCR leistet und wo es endet
OCR (Optical Character Recognition) macht aus einem Bild Text: Es nimmt den Scan einer Rechnung oder ein nicht markierbares PDF und liefert die enthaltenen Zeichen zurück. Die Technologie ist ausgereift, schnell und günstig.
Die Grenze: OCR erkennt Zeichen, versteht aber nicht, was sie bedeuten. Es weiß, dass an einer bestimmten Stelle "240" steht, nicht aber, ob das eine Menge, ein Preis oder eine Zeilennummer ist. Deshalb müssen klassische OCR-Systeme für jedes Layout eingerichtet werden: eine Vorlage für die Rechnungen von Lieferant A, eine für Lieferant B. Ändert ein Lieferant seine Vorlage, bricht die Extraktion.
Was ein Large Language Model hinzufügt
Ein LLM interpretiert den Inhalt. Aus dem Text eines Dokuments erkennt es, welche Zahl die Menge und welche der Preis ist, auch wenn das Dokument anders aufgebaut ist, die Spalten in anderer Reihenfolge stehen oder die Information in einem Satz statt in einer Tabelle steckt.
So kann ein einziger Ablauf heterogene Dokumente ohne eigene Vorlage verarbeiten: frei formulierte Angebotsanfragen per E-Mail, Bestellungen als PDF, Packlisten in Excel. Unordentliche Formate werden zum beherrschbaren Normalfall statt zur Ausnahme, die jemand von Hand bearbeitet.
Der Konfidenzwert
Der eigentliche Sprung im Betrieb: Jedes extrahierte Feld kann einen Konfidenzwert tragen. "Kunde: Acme Corp, 98 %" und "Frist: 15. Juli, 72 %" sind nicht dasselbe. Das erste kann allein weiterlaufen, das zweite gehört einem Menschen vorgelegt.
Mit diesem Mechanismus muss die Automatisierung nicht perfekt sein, um nützlich zu sein. Sichere Fälle laufen durch, unsichere gehen in die menschliche Prüfung, und jede Entscheidung bleibt nachvollziehbar.
Warum man beide in der Praxis kombiniert
Ein LLM arbeitet mit Text. Ist das Dokument ein Scan, muss zuerst etwas Pixel in Zeichen verwandeln, und dieses Etwas ist OCR. Der typische Ablauf lautet also: OCR zum Lesen, LLM zum Verstehen, Konfidenzwert zur Entscheidung, wer den nächsten Schritt macht.
Bei bereits digitalen Dokumenten (native PDFs, E-Mails, Webformulare) entfällt der OCR-Schritt, und das LLM arbeitet direkt mit dem Inhalt.
Wann klassische OCR genügt
Erhalten Sie nur einen Dokumenttyp, immer vom selben System und im selben Layout, kann vorlagenbasierte OCR ausreichen und günstiger sein. Der Wert eines LLM zeigt sich, wenn Dokumente variieren, aus vielen Quellen kommen oder die nützliche Information in natürlicher Sprache steht.
Am schnellsten klärt sich das, indem man gemeinsam eine Stichprobe Ihrer echten Dokumente ansieht. Das ist der erste Schritt in jedem Projekt, das wir begleiten.