Fakerechnungen und echte Dokumente erkennen und klassifizieren mit #ki

fakerechnungen und echte dokumente erkennen mit #ki

#Dokumente erkennen und zu klassifizieren. Mit #lokaler #Ki mit #ollama und #gemma2

Sowas entlastet zum Beispiel Mitarbeiter im #Input-Management und Effizienz und Qualität des #Dokumentenmanagement zum Beispiel bei #Banken und #Versicherungen

Alles #lokal, kein #Internet, kein #Datenschutz Thema.

Fragen ? dann frag! oder frag die #metafinanz

#ollama #gemma2 #lokaleki #genki #AI #genai #insurtech #versicherungen #banken

1. Dokumente und Zielsetzung

• Beispiele:
  • Eine gefälschte Rechnung mit verdächtigen Angaben (z. B. Verweis auf ein spanisches Amtsgericht, ungewöhnliche Zahlungsfristen).
  • Ein echter Schadensfallbericht nach einem Autounfall, bei dem der Text plausibel und stimmig wirkt.

2. Systemaufbau

• Drei Hauptkomponenten:
  1. Weboberfläche:
     • Ermöglicht das Hochladen der Bilddateien.
  2. Bildverarbeitung:
     • Vorverarbeitung und Extraktion des Textes aus Bildern mittels OCR (Tesseract).
  3. Textanalyse mit KI:
     • Lokaler Einsatz eines KI-Modells (olama) zur Analyse des extrahierten Textes.

3. Prozessablauf

• Bild-Upload:
  • Die Dokumente werden über die Weboberfläche hochgeladen.
• Vorverarbeitung und Texterkennung:
  • Das Bild wird optimiert und der enthaltene Text wird mittels Tesseract ausgelesen.
• KI-gestützte Analyse:
  • Der extrahierte Text wird an das lokale KI-Modell gesendet, das zwei Aufgaben übernimmt:
    • Bewertung auf Auffälligkeiten:
      • Ein Score wird generiert (höhere Werte deuten auf Unstimmigkeiten hin).
    • Klassifikation des Dokuments:
      • Bestimmung des Dokumententyps (z. B. Rechnung, Schadensfall, Vertrag).

4. Ergebnisse

• Gefälschte Rechnung:
  • Mehrere Unstimmigkeiten (falsche Angaben, ungewöhnliche Zahlungsmodalitäten) führten zu einem hohen Score, der auf Betrugsverdacht hinweist.
• Schadensfallbericht:
  • Der Text erschien plausibel und ohne auffällige Merkmale, sodass er korrekt als Schadensmeldung klassifiziert wurde.

5. Fazit

• Das System kombiniert OCR und ein lokales KI-Modell, um Dokumente automatisiert zu analysieren und zwischen echten und gefälschten Dokumenten zu unterscheiden.
• Praktischer Nutzen für Unternehmen, die Dokumente effizient verarbeiten und klassifizieren möchten.