Damit Sie optimal von der künstlichen Intelligenz unseres PlugIns profitieren können, muss diese zu Beginn von uns trainiert werden.
Wie dieses Training funktioniert und wie wir mit „Machine Learning“ zum Beispiel ihren Rechnungseingangsprozess optimieren können, erläutern wir in diesem Blogartikel.
Zur Erinnerung:
Die FellowKV² Plugin-Lösung ist ein cloud-basiertes Regel-Repository. Es gewährt dem Kunden Zugriff auf einen Pool von Regeln zur Extraktion von Daten, zum Beispiel aus Rechnungen.
Damit das PlugIn weiß, welche Felder zu extrahieren sind und wo die Daten im Dokument zu finden sind, trainieren wir die KI des PlugIn soweit nötig. Dies kann z. B. der Fall sein, wenn Ihr Unternehmen einen neuen Lieferanten hinzufügt.
Bereits beim ersten Hochladen ihres Dokuments sorgt das Regel-Repository dafür, dass die meisten Daten erkannt werden.
Die nicht extrahierten Daten werden durch Anklicken auf dem Dokument ausgelesen. Es ist keine Programmierung oder IT Ressource notwendig.
Wie erwähnt, validieren Sie dadurch das Dokument und trainieren die KI. Mit jeder einmaligen Hilfe beim Validieren und Exportieren neuer Dokumententypen, werden neue Extraktionsregeln im Repository hinterlegt. Bei den nächsten Rechnungen werden die Daten zu 100% ausgelesen. Das Plugin erkennt nun die Werte, die im ersten Durchlauf gefehlt haben.
Dieser Prozess wird von allen Nutzern durchgeführt, wenn notwendig, und verbessert so fortlaufend das zentrale Regel-Repository.
Um einen weiteren Blick hinter die Kulissen unseres PlugIns zu werfen, schauen Sie doch auf unserer Website vorbei. Hier finden Sie ein Video zur weiteren Erläuterung des FellowKV²-PlugIns.
Falls Sie unseren letzten Blog über die Nutzung von unserem TF-IDF Modell noch nicht gelesen haben, so schauen Sie gerne hier einmal vorbei.
Wir beleuchten in diesem Blog die mathematische Seite der künstlichen Intelligenz intensiver.
Bis bald!
