Auswählen des richtigen Gießereitools für die Dokumentverarbeitung

Da Organisationen zunehmend generative KI zum Verwalten von Dokumenten und unstrukturierten Daten verwenden, ist es wichtig, das richtige Tool zum Erstellen robuster, sicherer und skalierbarer Dokumentverarbeitungsworkflows auszuwählen. Azure Content Understanding in Foundry Tools ist Microsofts umfassender KI-Dienst für die Inhaltsverarbeitung, der mehrere Ansätze für die Dokumenten- und Inhaltsverarbeitung vereint. Content Understanding vereint Azure Document Intelligence-Funktionen, einschließlich branchenführender, präziser Extraktion aus strukturierten Dokumenttypen, mit LLM-basierten Funktionen, die für komplexe, unstrukturierte und multimodale Inhalte konzipiert sind und sowohl traditionelle als auch generative KI-Ansätze für die Informationsextraktion ermöglichen. Gemeinsam bieten ihnen diese Ansätze Flexibilität, alles von standardisierten Formularen bis hin zu Freiformdokumenten, Bildern, Audio und Video zu verarbeiten.

Dieser Artikel hilft Ihnen, zwei Entscheidungen zu treffen:

• Verwalteter Dienst oder eigene Lösung entwickeln? Sollten Sie Azure Content Understanding verwenden oder eine benutzerdefinierte Lösung mit in Azure gehosteten LLMs (Foundry-Modelle) entwickeln?
• Welches Tool innerhalb von Content Understanding? Wenn Sie sich für Content Understanding entschieden haben, sollten Sie Azure Document Intelligence-Modelle oder Content Understanding-Analyzer verwenden?

Gießereitools für die Dokumentverarbeitung

Als Foundry Tool vereint Azure Content Understanding umfassende und ergänzende Funktionen für unterschiedliche Dokumentanforderungen:

• Azure Content Understanding in Foundry Tools werden von generativen KI und LLMs unterstützt. Sie eignen sich gut für den Umgang mit unstrukturierten Dokumenten, unterschiedlichen Layouts, multimodalen Inhalten, erschlossenen Feldern und komplexen Szenarien, die Schlussfolgerungen erfordern – und das alles, ohne dass für den Einstieg gelabelte Trainingsdaten erforderlich sind.

• Azure Document Intelligence in Foundry Tools bietet spezielle KI-Modelle, die speziell für Dokumentanalyse- und Extraktionsaufgaben geschult werden. Sie eignen sich ideal für strukturierte Dokumente mit allgemeinen Vorlagen, bei denen Konsistenz, niedrige Latenz und bewährte Genauigkeit die Priorität haben.

• Daneben stehen in Azure gehostete LLMs (Foundry-Modelle) für Teams zur Verfügung, die vollständige Kontrolle über ihre eigenen Modelle, Prompts und Infrastruktur benötigen.

Das Ziel dieses Artikels ist es, Ihnen dabei zu helfen, sich anhand Ihres Dokumenttyps, Ihrer Genauigkeitsanforderungen und der Einschränkungen beim Implementierungsaufwand in diesen Optionen zurechtzufinden.

Azure Inhaltsverständnis im Vergleich zum Erstellen eigener Inhalte

In diesem Abschnitt wird erläutert, ob Sie die verwalteten Inhaltsverarbeitungsdienste von Azure – Inhaltsverständnis und Dokumentintelligenz – verwenden oder eine benutzerdefinierte Lösung mit Foundry-Modellen direkt erstellen möchten.

Wann Sie die Entwicklung einer eigenen Lösung in Betracht ziehen sollten: Wenn Ihr Szenario vollständige Kontrolle über die Modellauswahl, feingranulare Kontrolle über Prompts oder die Integration in eine proprietäre KI-Infrastruktur erfordert, die von Content Understanding nicht unterstützt werden kann, kann es sinnvoll sein, direkt mit Foundry-Modellen zu entwickeln. Wenden Sie Azure Inhaltsverständnis für integrierte Qualität, Zuverlässigkeit, Konfidenzbewertung und Modelllebenszyklusverwaltung an.

Das richtige Tool in Azure Content Understanding auswählen

Wählen Sie je nach Ihren Dokumentanforderungen das richtige Tool zwischen Cu-Analysegeräten (Content Understanding) und Dokumentintelligenzmodellen (Document Intelligence, DI) aus.

Kurzübersicht zur Entscheidungsfindung

Kurzübersicht für ACU v1.0 GA (2025-11-01) API und ADI v4.0 GA (2024-11-30) API

Wählen Sie je nach Ihren Dokumentanforderungen das richtige Tool zwischen Cu-Analysegeräten (Content Understanding) und Dokumentintelligenzmodellen (Document Intelligence, DI) aus.

Szenarioanleitungen

In den folgenden Beispielen werden allgemeine Dokumentverarbeitungsszenarien behandelt. Für jeden identifizieren wir das empfohlene Tool und erläutern, warum. Wenn ein vorgefertigter Analyzer Ihren Dokumenttyp abdeckt, beginnen Sie immer dort, bevor Sie eine benutzerdefinierte Lösung erstellen.

Überlegungen zur Bewertung

• Straight-Through-Verarbeitung (STP): Der Anteil der Dokumente, die Sie ohne menschliche Überprüfung verarbeiten können. Höhere Zuverlässigkeit und Genauigkeit ermöglichen mehr Automatisierung.
• Latenz: Zeit für die Verarbeitung eines Dokuments, wichtig, wenn sich die Ableitungsgeschwindigkeit auf die Endbenutzererfahrung auswirkt.
• Genauigkeit: Die Gesamtfehlerrate der Lösung. Eine höhere Genauigkeit bedeutet eine bessere Zuverlässigkeit bei der Systemausgabe.
• Kontinuierliche Verbesserung: Ob das System im Laufe der Zeit verbessert werden kann, wenn mehr Daten beschriftet werden oder Schemas optimiert werden.
• Implementierungsaufwand: Erforderlicher Entwicklungsaufwand, einschließlich Kennzeichnung, Workflow-Design und laufender Wartung.
• Gesamtbetriebskosten: Infrastruktur-, Verwaltungs- und Wartungskosten in großem Umfang.

Szenario 1: Standardisierte Formulare in einem einheitlichen Format

Geschäftsprozess: Extrahieren Sie feste Felder (Name, Geburtsdatum, Adresse, Kontonummer) aus Formularen, die jedes Mal dieselbe Vorlage verwenden.

Beispiele:

• Formulare für die Einarbeitung (dasselbe Layout für alle Mitarbeiter)
• Erstattungsanforderungsformulare für einen bestimmten E-Commerce-Anbieter
• Patientenaufnahmeformen für einen bestimmten Gesundheitsdienstleister
• Kontoöffnungsanträge für eine bestimmte Bank

Recommendation:

• Wenn das Dokument über eine vordefinierte Lösung verfügt, sollten Sie dokumentintelligente Modelle (für strukturierte Dokumente) oder inhaltsbezogene Analysegeräte (für halbstrukturierte oder unstrukturierte Dokumente) verwenden. Wenn Sie Anpassungen für extrahierte Felder benötigen, beginnen Sie mit einer benutzerdefinierten Inhaltsanalyse, da keine Datenbeschriftung oder Schulung erforderlich ist.

Szenario 2: Dokumente mit einer kleinen Anzahl bekannter Varianten

Geschäftsprozess: Extrahieren Sie konsistente Felder (Name, Betrag, Richtliniennummer, Anspruchsdatum) über einen kleinen, bekannten Satz von Vorlagen.

Beispiele:

• Formulare für Versicherungsansprüche in einigen regionalen Formaten (US, UK, APAC)
• Jährliches Steuerformular mit geringfügigen Layoutaktualisierungen pro Jahr
• Hochschulzulassungsanträge für unterschiedliche Studiengänge
• Mitarbeiterkostenberichte mit abteilungsspezifischen Vorlagen

Recommendation:

• Vorgefertigter Analyzer für Content Understanding (empfohlen): Wenn ein vorgefertigter Analyzer Ihren Dokumenttyp abdeckt (z. B. prebuilt-invoice, prebuilt-idDocument), beginnen Sie damit. CU lässt sich über verschiedene Vorlagenvarianten und semantische Variationen in der Sprache hinweg gut verallgemeinern, ohne dass Annotationen erforderlich sind.
• Dokumentintelligenz vorkonfiguriert oder benutzerdefiniertes Modell: Beginnen Sie mit vordefinierten Modellen, wenn sie Ihr Szenario abdecken. Trainieren Sie benutzerdefinierte Modelle mit mindestens fünf Beispielen jeder Variante und kombinieren Sie Varianten in einem einzigen Modell, wenn Unterschiede geringfügig sind. Die Ausgaben sind mit Konfidenzbewertungen und Grounding konsistent.
• Erstellen Sie eine benutzerdefinierte Lösung: Erstellen und konfigurieren Sie die komponenten, die zum Analysieren der Dokumente (Layout), Extrahieren der Felder und Erstellen aller nach der Verarbeitung benötigten Komponenten erforderlich sind. Die Lösung muss mit verschiedenen Variationen getestet und überprüft werden, und Sie müssen die bereitgestellte Lösung skalieren und verwalten. Ohne Konfidenzbewertungen akzeptieren Sie entweder alle Ergebnisse, oder überprüfen Sie alle Ergebnisse basierend auf der erwarteten Fehlerrate, oder Sie können Ihr eigenes Konfidenzmodell erstellen, um die Ausgabe zu bewerten.

Szenario 3: Halbstrukturierte Dokumente mit hoher Variation

Geschäftsprozess: Extrahieren Sie Schlüsselfelder wie Rechnungsnummer, Lieferantenname, Gesamtbetrag, Positionen und Datumsangaben aus stark unterschiedlichen Dokumenten mit inkonsistenten Vorlagen.

Beispiele:

• Rechnungen von mehreren Lieferanten mit unterschiedlichen Formaten
• Belege von internationalen Handelsketten
• Übermittlungsnotizen mit unterschiedlichen Vorlagen für alle Anbieter
• Bestellaufträge mit inkonsistenten Layouts bei verschiedenen Lieferanten
• Studententranskripte aus verschiedenen Universitäten

Recommendation:

• Benutzerdefiniertes Content Understanding-Analysetool (empfohlen): Zero-Shot für den Einstieg – beschreiben Sie Ihre Felder in einfacher Sprache, keine Bezeichnung erforderlich. Sie lässt sich gut auf verschiedene Vorlagen und Sprachvarianten verallgemeinern. Fügen Sie beschriftete Beispiele zur Wissensquelle hinzu, um die Genauigkeit im Laufe der Zeit zu verbessern.
• Vorgefertigte Dokumentintelligenz- oder benutzerdefinierte Modelle: Beginnen Sie mit einem vordefinierten Modell, wenn Der Dokumenttyp und die interessanten Felder abgedeckt sind. Für benutzerdefinierte Typen können Sie ein eigenes benutzerdefiniertes Modell mit beschrifteten Beispielen erstellen, die die Variationen widerspiegeln, die in Test- und realen Rückschlussdaten angezeigt werden.
• Erstellen Sie eine benutzerdefinierte Lösung: Erstellen und konfigurieren Sie die komponenten, die zum Analysieren der Dokumente (Layout), Extrahieren der Felder und Erstellen aller nach der Verarbeitung benötigten Komponenten erforderlich sind. Die Lösung muss mit verschiedenen Variationen getestet und überprüft werden, und Sie müssen die bereitgestellte Lösung skalieren und verwalten. Ohne Konfidenzergebnisse akzeptieren Sie entweder alle Ergebnisse, oder überprüfen Sie alle Ergebnisse basierend auf der erwarteten Fehlerrate.

Szenario 4: Unstrukturierte Dokumente

Geschäftsprozess: Extrahieren und generieren Sie abstrakte Details wie Verpflichtungen, Zusammenfassungen, Rückschlussdetails wie Vertragsparteien, Risikoindikatoren, Stimmungen oder Entscheidungen aus mehrseitigen narrativen Freitextdokumenten.

Beispiele:

• Rechtsverträge und Dienstleistungsverträge
• Anlageberichte
• Wissenschaftliche Arbeiten
• Briefe zur Patientenverweisung
• Mitarbeiterfeedbackberichte

Recommendation:

• Content Understanding – vorgefertigter oder benutzerdefinierter Analysator (Empfohlen): Der ideale Dienst für dieses Szenario. Verwenden Sie prebuilt-contract für rechtliche Vereinbarungen oder einen benutzerdefinierten Analyzer für andere unstrukturierte Typen. Inhaltsverständnis kann Felder ableiten, die nicht explizit im Dokument vorhanden sind, z. B. das Ableiten eines Vertragsendtermins von einem Anfangstermin und einer Dauer oder die Identifizierung der Zuständigkeit der Adressen der Parteien.
• Erstellen Sie eine benutzerdefinierte Lösung: Zusammenstellen und Konfigurieren Ihrer eigenen Pipeline für die Dokumentanalyse (Layout), Feldextraktion und Nachbearbeitung. Sie sind für das Testen von Vorlagenvariationen, der Skalierung der Bereitstellung und der Verwaltung fortlaufender Wartung verantwortlich. Das Erstellen eines benutzerdefinierten Konfidenzmodells für diesen Dokumenttyp ist aufgrund der unstrukturierten Art des Inhalts komplexer und anspruchsvoller.

Szenario 5: Multidokument- und Mixed-Media-Verarbeitung

Geschäftsprozess: Aggregieren von Inhalten aus verschiedenen Formaten, Querverweisdetails, Überprüfen der Konsistenz (z. B. Namensüberstimmungen über Dokumente hinweg) und Oberflächeninkonsistenzen.

Beispiele:

• Onboarding-Pakete: PDF-Formulare + ID-Bilder + aufgezeichnete Videointerviews
• Compliancefälle: E-Mail-Text + Vertrag + Anruftranskription
• Medizinische Ansprüche: Arztnotizen + Laborberichte + Telefongespräche
• Multimedia-RFP-Einreichungen: Vorschlag PDF + Produktbilder + Erklärungsvideos

Recommendation:

• Content Understanding – vorgefertigte und benutzerdefinierte Analyzer: Content Understanding bietet multimodale Analyzer und kann extrahierte Inhalte und Referenzdaten auswerten, um das erforderliche Ausgabeschema zu generieren. Content Understanding bietet auch eine direkte Integration mit agentischen Frameworks wie Microsoft Agent Framework und Langchain, um eine flexiblere Nachbearbeitung zu ermöglichen.
• Erstellen Sie eine benutzerdefinierte Lösung: Dieses Szenario erfordert eine agentische Lösung, bei der die verschiedenen Eingabedateien analysiert und gemeinsam begründet werden müssen. Die Lösung erfordert eine komplexe Verarbeitung, um Dokumenttypen und erwartete Werte zu ermitteln und eine einheitliche Ausgabe zu generieren.