Wir haben einen Service entwickelt, der Daten aus verschiedenen Rechnungsarten extrahiert. Unser Service ermöglichte es dem Kunden, den Dateneingabeprozess zu automatisieren, was letztendlich 850 Arbeitsstunden pro Monat einsparte und die Erkennungsfehlerquote um die Hälfte reduzierte.
Wie künstliche Intelligenz die Prozesseffizienz steigern kann | KI in der Dateneingabeverarbeitung
Technologie
Lebenslauf | NLP
Industrie
Öl und Gas
Potenzielle Branchen
Einzelhandel, Logistik und Transport, Versicherungen, Finanzen
Klient
Geräteverteiler
Zusammenfassung
Herausforderung
Der Kunde, ein großer multinationaler Gerätehändler, wollte seine Rechnungsverarbeitungsaktivitäten durch Digitalisierung rationalisieren. Er wollte Kontoinformationen aus Rechnungen in seinem maßgeschneiderten ERP-System extrahieren. Vor unserer Einbindung erledigte der Kunde dies manuell und der Vorgang dauerte mehrere Minuten pro Rechnung. Als die Anzahl der täglichen Rechnungen zu wachsen begann, wurde bald klar, dass eine menschenzentrierte Lösung nicht mehr machbar war. Darüber hinaus wurden bei den Bemühungen, die manuelle Verarbeitungsgeschwindigkeit zu erhöhen, immer mehr menschliche Fehler gemacht.
Lösung von AI Superior
Die bereitgestellte Lösung ist ein Webdienst, der es Benutzern ermöglicht, eine Rechnung hochzuladen und extrahierte Informationen in einer vordefinierten Struktur zu erhalten. Der Dienst basiert auf einer Pipeline, die aus den folgenden Komponenten besteht:
- Verarbeitung und Verbesserung von Dokumentenscans
- Informationsextraktion basierend auf optischer Zeichenerkennung (OCR) und Nachbearbeitung
- Informationsblöcke identifizieren
- Rechnungstypklassifizierung
- Informationsverpackung und -entsorgung
Ergebnis und Implikationen
Der entwickelte Service ermöglichte es dem Kunden, die Rechnungsverarbeitung im CRM ohne menschliches Eingreifen zu optimieren. Die Fehlerquote wurde um die Hälfte reduziert, da die meisten Fehler in die Kategorie menschliches Versagen fielen. Die Geschwindigkeit der Rechnungsverarbeitung erhöhte sich um den Faktor 25 und der Kunde sparte 850 Arbeitsstunden pro Monat.