Motivation
Kleine und mittelständische Unternehmen (KMU) durchlaufen derzeit durch die Digitalisierung einen entscheidenden Veränderungsprozess. Insbesondere bei der Automatisierung von Aufgaben wie der Verarbeitung großer Dokumentenbestände können bislang manuell aufwändige, sich wiederholende und dadurch fehleranfällige Tätigkeiten mithilfe von Methoden der Künstlichen Intelligenz (KI) gezielt beschleunigt und verbessert werden. Herausfordernd sind hierbei aber nach wie vor unstrukturierte Informationsquellen, die sich beispielsweise durch eine hohe Heterogenität in Text und Layout auszeichnen.
Ziele und Vorgehen
Das Verbundvorhaben FewTuRe verfolgt daher eine neuartige Strategie zur automatisierten Extraktion relevanten Wissens am Beispiel von Belegen und Rechnungen. Unter der Leitung der dida Datenschmiede werden gemeinsam mit der Humboldt-Universität zu Berlin Methoden auf Basis von KI im Bereich des „Few-Shot Learning“ erforscht und optimiert, um darauf aufbauend ein prototypisches Text-Layout-Modell zu entwickeln. Dieses Tool soll es langfristig und domänenübergreifend ermöglichen, bereits anhand weniger Datenpunkte strukturierte und qualitative Informationen aus diversen Dokumententypen zu gewinnen und weiterzuverarbeiten.
Innovationen und Perspektiven
Die besondere Innovation liegt darin, dass das Modell aus „FewTuRe“ nach Finalisierung für mehrere Sprachen funktionieren soll – neben Deutsch und Englisch auch für Spanisch, Französisch, Niederländisch, Portugiesisch und Italienisch. Die Mehrsprachigkeit wird kombiniert mit den zugrunde liegenden aktuellen Forschungsfragen und Bedürfnissen. Denn es geht auch darum, wie schon anhand weniger Datenpunkte qualitative und verlässliche KI-Werkzeuge entwickelt werden können, die zudem für KMU erschwinglich und anpassungsfähig sind.