Dokumentenklassifikation

Dokumentenklassifikation ist die automatische Zuordnung eines Dokuments zu einer vorher festgelegten Kategorie. Ein System prüft Aufbau, Textinhalt und Merkmale wie Absender oder Betreffzeile und ordnet die Datei einer Klasse zu, etwa Angebot, Auftragsbestätigung, Lieferschein, Eingangsrechnung, Plan, Prüfprotokoll oder Behördenschreiben. Häufig folgt darauf ein zweiter Schritt: die Zuordnung zu Kunde, Bauvorhaben oder Auftragsnummer.

Der Bedarf ist im Baubereich groß, weil Unterlagen auf vielen Wegen eintreffen. Ausschreibungsunterlagen kommen über Portale, Pläne als PDF per Mail, Lieferscheine auf Papier, Nachunternehmerrechnungen als E-Rechnung, Prüfberichte als Scan. Ohne feste Ordnung entstehen Ablagen, in denen dasselbe Dokument mehrfach und unter verschiedenen Namen liegt, und beim Abschluss einer Baustelle fehlt der Nachweis, der bei der Abnahme gebraucht wird.

Abzugrenzen ist die Klassifikation von der Inhaltserkennung. Die Klassifikation beantwortet nur, um welche Art Dokument es sich handelt, während erst der nächste Schritt ermittelt, welche Beträge, Mengen oder Fristen darin stehen. In der Praxis laufen beide Schritte oft im selben Werkzeug, sollten aber getrennt betrachtet werden, weil sie unterschiedlich zuverlässig arbeiten. Die Zuordnung zu einer Kategorie gelingt meist gut, die Entnahme einzelner Werte hängt stark vom Layout des Absenders ab.

Wo KI ansetzt

Klassifikationsmodelle lernen aus Beispielen, wie Dokumente eines Betriebs aussehen. Nach einer Anlernphase erkennen sie, dass ein bestimmtes Formular des Großhandels ein Lieferschein ist und dass die Auftragsnummer im Kopfbereich steht. In Verbindung mit Texterkennung funktioniert das auch bei eingescannten Papierdokumenten. Das Ergebnis fließt in das Dokumentenmanagement, wo Ablagepfad, Benennung und Berechtigungen automatisch gesetzt werden.

Nutzen entsteht vor allem an zwei Stellen. Zum einen sinkt der Sortieraufwand im Büro, zum anderen wird die spätere Suche verlässlich, weil Dokumente dort liegen, wo sie erwartet werden. Darauf setzen weitergehende Funktionen auf, etwa eine semantische Suche in Bauakten oder das Zusammenfassen von Ausschreibungen.

Fehlzuordnungen sind einzuplanen. Sinnvoll ist eine Kategorie für unklare Fälle, die eine Person durchsieht, statt einer erzwungenen Zuordnung mit niedriger Sicherheit. Ebenso gehört geregelt, welche Dokumentenarten personenbezogene Daten enthalten und wie lange sie aufbewahrt werden, damit das Löschkonzept greift. Für den Start reicht es meist, mit fünf bis acht Kategorien zu beginnen und diese erst zu verfeinern, wenn die Grundordnung im Betrieb angekommen ist. Sinnvoll ist außerdem, die Trefferquote nach einigen Wochen einmal zu prüfen, weil sich Absenderformulare ändern und die Zuordnung sonst unbemerkt schlechter wird.