Viele wichtige Informationen liegen noch immer in gescannten Dokumenten, Fotos, Formularen oder PDF-Dateien. Menschen können diese Inhalte meist problemlos lesen, für Software und KI-Systeme sind sie jedoch zunächst nur Bilder. SupraTix integriert deshalb Baidu Unlimited-OCR in die Shortcuts, den SupraAgent und die AI Workbench von SupraWorx. Dadurch entsteht ein durchgängiger Prozess, bei dem ein Dokument ausgewählt, der Text erkannt, der Inhalt verstanden und das Ergebnis direkt weiterverarbeitet werden kann.
OCR steht für Optical Character Recognition, also optische Zeichenerkennung. Eine OCR-Lösung erkennt Texte in Bildern und gescannten Dokumenten und wandelt sie in maschinenlesbaren Text um. Ein typisches Beispiel ist eine gescannte Rechnung: Ohne OCR sieht ein System nur ein Bild, mit OCR können jedoch Informationen wie Rechnungsnummer, Lieferant, Datum oder Betrag als Text erfasst werden. Moderne OCR-Systeme gehen noch weiter und versuchen nicht nur einzelne Wörter zu erkennen, sondern auch die Struktur eines Dokuments zu verstehen, also etwa Überschriften, Absätze, Tabellen und mehrseitige Zusammenhänge.
Baidu Unlimited-OCR ist ein von Baidu veröffentlichtes Open-Source-Modell zur Verarbeitung umfangreicher Dokumente. Es unterstützt sowohl einzelne Bilder als auch mehrseitige Dokumente und PDF-Dateien und kann über verschiedene technische Umgebungen wie Transformers, vLLM oder SGLang betrieben werden. Für Nutzerinnen und Nutzer von SupraWorx bleibt diese technische Komplexität jedoch im Hintergrund. Sie wählen lediglich die OCR-Funktion aus und geben an, welches Dokument verarbeitet werden soll. Die eigentliche Erkennung erfolgt über einen dafür vorgesehenen KI-Dienst, sodass das rechenintensive Modell nicht direkt im Webserver läuft und andere Funktionen der Plattform unbeeinträchtigt bleiben.
Innerhalb von SupraWorx wird die OCR-Funktion als sogenannter Shortcut bereitgestellt. Shortcuts sind wiederverwendbare, klar definierte Arbeitsschritte, die in unterschiedliche Prozesse eingebunden werden können. Der OCR-Shortcut ermöglicht es, ein Bild oder eine PDF-Datei zu übergeben und die Verarbeitung zu starten. Dabei prüft er zunächst die Datei, erkennt, ob es sich um ein Bild oder ein mehrseitiges Dokument handelt, übergibt die Datei sicher an den OCR-Dienst, übernimmt den erkannten Text sowie verfügbare Strukturinformationen und speichert das Ergebnis in einem einheitlichen Format. Falls eine Datei nicht verarbeitet werden kann, erfolgt eine verständliche Rückmeldung. Der bisherige OCR-Prozess auf Basis von Tesseract kann weiterhin als Rückfalloption genutzt werden, sofern dies in der Systemkonfiguration erlaubt ist.
Auch in der AI Workbench spielt OCR eine zentrale Rolle. Die Workbench verbindet Daten, KI-Werkzeuge und wiederverwendbare Aufgaben in einer tabellarischen Struktur, in der jede Zeile beispielsweise ein Dokument darstellen kann. Spalten definieren dabei die einzelnen Verarbeitungsschritte. Eine Spalte kann künftig so konfiguriert werden, dass sie den OCR-Shortcut nutzt. Diese Einstellung wird dauerhaft gespeichert, sodass auch nach erneutem Öffnen der Workbench erkennbar bleibt, dass diese Spalte für Texterkennung vorgesehen ist. Ein typischer Ablauf besteht darin, dass in der ersten Spalte ein Dokument hochgeladen wird, in der zweiten der OCR-Shortcut ausgeführt wird, anschließend der erkannte Text erscheint und in weiteren Spalten Zusammenfassungen, Klassifikationen oder Metadaten wie Dokumenttyp, Datum oder Ansprechpartner erzeugt werden. Bei Bedarf kann ein Mensch die Ergebnisse prüfen und freigeben, wodurch auch größere Dokumentensammlungen strukturiert und nachvollziehbar verarbeitet werden können.
Der erkannte Text allein beantwortet jedoch noch keine fachlichen Fragen. Erst durch die Weiterverarbeitung entsteht echter Mehrwert. Hier kommt der SupraAgent ins Spiel, der den OCR-Text je nach Anwendungsfall weiterverarbeiten kann. Er kann Dokumente zusammenfassen, Inhalte klassifizieren, wichtige Informationen extrahieren, Fristen und Termine erkennen, Dokumente Vorgängen zuordnen, Rückfragen beantworten, Inhalte für Wissensbasen vorbereiten oder Unterschiede zwischen Dokumenten aufzeigen. Ein Beispiel ist ein eingescannter Wartungsbericht, bei dem zunächst der Text durch OCR erkannt wird und anschließend der SupraAgent die betroffene Anlage identifiziert, die durchgeführten Arbeiten zusammenfasst und offene Maßnahmen markiert. Dabei arbeitet der Agent stets innerhalb definierter Regeln und Berechtigungen und nutzt nur die Inhalte, die im jeweiligen Kontext freigegeben sind.
Ein praktisches Beispiel zeigt den Nutzen besonders deutlich: Ein Unternehmen erhält regelmäßig technische Prüfberichte als PDF-Dateien, die teilweise digital erstellt und teilweise nur eingescannt vorliegen. Bisher müssen Mitarbeitende diese Dokumente manuell öffnen und relevante Informationen wie Prüfdatum, Anlage, Ergebnis oder empfohlene Maßnahmen übertragen. Mit der Kombination aus OCR-Shortcut, AI Workbench und SupraAgent wird dieser Prozess automatisiert unterstützt. Der Prüfbericht wird in die Workbench geladen, Unlimited-OCR erkennt den vollständigen Text, der SupraAgent extrahiert die relevanten Informationen, und die Ergebnisse werden strukturiert in Spalten dargestellt. Unklare oder fehlende Angaben werden markiert, eine verantwortliche Person prüft die Ergebnisse und gibt sie frei, bevor sie in nachgelagerte Prozesse übernommen werden. Die KI übernimmt damit vor allem vorbereitende Routineaufgaben, während die fachliche Entscheidung weiterhin beim Menschen bleibt.
Die Vorteile dieser Integration liegen vor allem in einem durchgängigen und konsistenten Arbeitsablauf. Dokumente müssen nicht mehr manuell zwischen verschiedenen Systemen übertragen werden, die Verarbeitung großer Datenmengen wird beschleunigt, Abläufe werden standardisiert und wiederholbar, und die Nachvollziehbarkeit einzelner Schritte wird verbessert. Gleichzeitig ermöglicht die Kombination aus OCR, Workbench und SupraAgent eine direkte Weiterverarbeitung der Ergebnisse, eine übersichtliche Kontrolle sowie eine flexible Einbindung in bestehende Prozesse. Besonders relevant ist dies für Bereiche wie Dokumentenmanagement, Qualitätsmanagement, technische Dokumentation, Verwaltung, Forschung, Bildung und Serviceprozesse.
Da Dokumente häufig vertrauliche Informationen enthalten, wird die OCR-Funktion nicht als unkontrollierter externer Zugriff umgesetzt. Stattdessen berücksichtigt die Integration Mandantenfähigkeit und Zugriffsrechte, verarbeitet nur freigegebene Dateien, nutzt geschützte Kommunikationswege, begrenzt Dateigrößen und Formate, vermeidet die Speicherung vollständiger Dokumentinhalte in technischen Protokollen und stellt nachvollziehbare Fehler- und Bearbeitungszustände sicher. Zudem kann eine kontrollierte Rückfalloption auf alternative OCR-Verfahren genutzt werden. Der Betrieb des OCR-Dienstes kann in einer geschützten Infrastruktur erfolgen, sodass sich die Lösung an unterschiedliche Datenschutz- und Sicherheitsanforderungen anpassen lässt.
Der entscheidende Mehrwert entsteht nicht allein durch die Texterkennung, sondern durch das Zusammenspiel aller Komponenten. Der OCR-Shortcut übernimmt die wiederverwendbare Erkennungsaufgabe, die AI Workbench steuert den strukturierten Ablauf, und der SupraAgent macht die Informationen für konkrete Anwendungen nutzbar. So wird aus einem Bild zunächst Text, aus Text strukturierte Information und aus Information eine direkt verwertbare Arbeitsgrundlage.
Die Einführung erfolgt schrittweise und wird sorgfältig getestet, unter anderem mit Bildern, mehrseitigen PDF-Dateien, Workbench-Prozessen sowie verschiedenen Fehler- und Zugriffsszenarien. Vor dem produktiven Einsatz sollte die Erkennungsqualität mit realen Unternehmensdokumenten geprüft werden, da Faktoren wie schlechte Scanqualität, Handschrift, komplexe Tabellen oder beschädigte Dateien weiterhin zu Einschränkungen führen können. Bei wichtigen fachlichen oder rechtlichen Entscheidungen bleibt daher eine menschliche Prüfung erforderlich.
Mit Unlimited-OCR erweitert SupraWorx seine Möglichkeiten für dokumentenbasierte KI-Prozesse deutlich. Zukünftig können darauf aufbauend weitere Funktionen entstehen, etwa automatische Verschlagwortung, Dokumentenklassifikation, strukturierte Datenübernahme, Wissensgraphen oder assistenzbasierte Systeme. Ziel bleibt ein klarer und verständlicher Prozess: Dokument bereitstellen, OCR ausführen, Ergebnis prüfen und Informationen direkt weiterverwenden.
