OCR Ergebnisse mit Machine Learning interpretieren

Aktuelle Bachelor-Thesis bei schrempp edv

Aktuelle Bachelor-Thesis bei schrempp edv - Duale Hochschule Baden Württemberg

 

Im Zeitalter der Digitalisierung und Industrie 4.0 stehen Automatisierung und Rationalisierung bei Unternehmen hoch im Kurs. Auch unsere Kunden folgen dem Trend. Der Wunsch nach Automatisierung und Entlastung der eigenen Mitarbeiter ist groß. Ein zentrales Kundenanliegen ist ein Programm, welches Dokumente wie Papierrechnungen ausliest und korrekt interpretiert, damit diese automatisiert weiterverarbeitet werden können.

Das Haupteinsatzgebiet der angedachten Lösung wird die Buchhaltung sein, da hier alle Dokumente zusammenfließen. Die Verarbeitung von Papierrechnungen und anderen kaufmännischen Dokumenten bedeutet eine zeitintensive Arbeit. Durch den Einsatz der neuen Lösung könnten Anwender von SIVAS.ERP Ressourcen in vielen Bereichen sparen: Der Prozess wird entschlackt und alle Dokumente stehen sofort im DMS des ERP-Systems zur Verfügung, ohne dass der Mitarbeiter eingreifen muss.

Stichwort OCR

Um heutzutage Papierrechnungen auszulesen, wird seit mehreren Jahren optische Texterkennung (engl. OCR) eingesetzt. Jedoch können herkömmliche OCR Anwendungen die Ergebnisse nicht interpretieren. Aufgrund dessen, sollen mit Hilfe von Machine Learning, die Ergebnisse korrekt interpretiert werden, damit verschiedene Rechnungsdaten korrekt klassifiziert werden.

Die Umsetzung in der Bachelor Thesis

Unser Student Adrian Rothmann (5. Semester an der DHBW Karlsruhe) hat sich das Ziel gesetzt, einen ersten OCR Prototypen zu entwickeln, welcher Papierrechnungen ausliest und deren Ergebnisse korrekt interpretiert. Durch die Integration von Machine Learning verspricht er sich eine automatisierte Klassifizierung von Rechnungsdaten. Mit Hilfe des Ansatzes von Machine Learning lernt der Prototyp stetig dazu, sodass die Klassifizierung der Daten eine höhere Erfolgsrate vorzuweisen hat.

 
Kontakt
close slider