Der Artikel beschreibt drei Komponenten der automatisierten Dokumentenverarbeitung: das grosse Sprachmodell, das hochspezialisierte Spezialmodell und die Prüf- und Automationsschicht. Das grosse Sprachmodell und das Spezialmodell lesen Inhalte aus Dokumenten. Die Prüf- und Automationsschicht prüft die gelesenen Werte, leitet sie weiter und protokolliert die Verarbeitung. Der hintere Teil zeigt, wie Parashift die drei Komponenten mit eigenen Produkten abdeckt, mit den Messwerten vom September 2026.
Begriffe
Ein grosses Sprachmodell ist ein Allzweckmodell, das Text und Bilder verarbeitet und über eine Programmierschnittstelle eines Anbieters bezogen wird. Es ist nicht auf Dokumente spezialisiert, wird aber häufig für die Extraktion von Feldern aus Dokumenten verwendet, weil es ohne Vorbereitung einsetzbar ist.
Ein hochspezialisiertes Spezialmodell ist ein Modell, das ausschliesslich für Geschäftsdokumente trainiert wurde. Es extrahiert Felder, klassifiziert Dokumente, triagiert und prüft Plausibilität. Solche Modelle sind deutlich kleiner als Allzweckmodelle und werden in der Regel auf eigener Hardware oder in einer privaten Cloud betrieben.
Die Prüf- und Automationsschicht ist kein Modell. Sie verwaltet Spezifikationen je Dokumententyp, wertet die Ausgaben eines Modells aus, prüft sie gegen Regeln, leitet sie weiter und protokolliert die Verarbeitung. Sie ist modellunabhängig und arbeitet mit beiden Modelltypen.
Vergleich der drei Komponenten
| Grosses Sprachmodell | Hochspezialisiertes Spezialmodell | Prüf- und Automationsschicht | |
|---|---|---|---|
| Kategorie | Allzweckmodell | auf Geschäftsdokumente begrenztes Modell | Orchestrierungsschicht, modellunabhängig |
| Aufgabenbreite | sehr breit | eng | nicht anwendbar |
| Genauigkeit bei Dokumentenaufgaben | hoch, abhängig vom Dokumenttyp | in Messungen höher als Allzweckmodelle | nicht anwendbar |
| Durchsatz | abhängig von Anbieter und Auslastung | planbar, abhängig von der Hardware | nicht anwendbar |
| Kontextbudget | gross | klein, auf die Aufgabe ausgelegt | nicht anwendbar |
| Betriebsort | Infrastruktur des Anbieters | eigenes Rechenzentrum oder private Cloud | Cloud oder eigenes Rechenzentrum, je nach Anbieter |
| Kostentreiber | Token und Seitenzahl | Hardware | verarbeitete Dokumente |
| Versionshoheit | Anbieter | Betreiber | Betreiber |
| Konfidenz je Feld | in der Regel nicht ausgewiesen | in der Regel verfügbar | Auswertung gegen Thresholds |
| Datenschutz | Verarbeitung beim Anbieter, je nach Standort Drittlandübermittlung | keine Übermittlung an Dritte | Rechenschaftsnachweis über Audit Trail |
| Nachweise nach EU AI Act | nicht enthalten | nicht enthalten | Protokollierung, menschliche Aufsicht, Dokumentation |
Die Messwerte für ein konkretes Spezialmodell und eine konkrete Prüf- und Automationsschicht stehen im Abschnitt Umsetzung bei Parashift.
Grenzen der Modelle
Das grosse Sprachmodell und das Spezialmodell liefern zu jedem Feld einen Wert. Keines der beiden Modelle prüft, ob dieser Wert im Geschäftsvorfall konsistent ist. Ein korrekt gelesener Betrag kann von der Positionssumme abweichen, eine korrekt gelesene Rechnung kann bereits erfasst sein, und ein hoher Konfidenzwert beschreibt die Sicherheit des Modells bei der Lesung, nicht die Richtigkeit im Kontext.
Diese Prüfungen, die Weiterleitung unsicherer Fälle und die Protokollierung der Verarbeitung sind nicht Teil der Modelle. Sie werden in jeder produktiven Pipeline benötigt, unabhängig davon, welches Modell eingesetzt wird.
Datenschutz und EU AI Act
Geschäftsdokumente enthalten in der Regel Personendaten. Nach DSGVO und Schweizer DSG gelten Zweckbindung, Auftragsverarbeitung und die Rechenschaftspflicht, nach der die Verarbeitung nachweisbar sein muss. Bei einem grossen Sprachmodell über die Schnittstelle eines Anbieters ausserhalb der EU oder der Schweiz kommt die Drittlandübermittlung hinzu, die vertraglich und technisch abzusichern ist. Ein Spezialmodell im eigenen Rechenzentrum verarbeitet die Dokumente ohne Übermittlung an Dritte.
Der EU AI Act stuft KI Systeme nach Anhang III als Hochrisikosysteme ein, wenn sie unter anderem in Entscheide über Kreditwürdigkeit, Lebens- und Krankenversicherung oder den Zugang zu öffentlichen Leistungen einfliessen. Dokumentenpipelines in Banken, Versicherungen und Verwaltung können darunter fallen. Für Hochrisikosysteme verlangt die Verordnung technische Dokumentation (Art. 11), automatische Protokollierung (Art. 12), menschliche Aufsicht (Art. 14) sowie Genauigkeit und Robustheit (Art. 15).
Protokollierung, menschliche Aufsicht und Dokumentation sind keine Eigenschaften eines Modells. Sie werden in der Prüf- und Automationsschicht umgesetzt: Audit Trail je Feld, Thresholds mit Routing in die manuelle Prüfung, versionierte Spezifikationen. Die Anforderung an Genauigkeit betrifft das Modell und wird über Messungen auf definierten Datensätzen belegt.
Aufgaben der Prüf- und Automationsschicht
Die Schicht übernimmt die folgenden Funktionen:
- Verwaltung der Spezifikation je Dokumententyp mit Versionierung
- Auswertung der Konfidenz je Feld gegen Thresholds, die je Feld und je Mandant festgelegt werden
- Validierungsregeln für Summen, Pflichtfelder, Dubletten, Kreditoren und den Abgleich gegen Bestellung, Wareneingang und Stammdaten
- Routing in die automatische Weiterverarbeitung oder in eine Validierungsoberfläche, in der nur die beanstandeten Felder bearbeitet werden
- Freigabeworkflows mit Agent in the Loop oder Human in the Loop
- Rückführung von Korrekturen in das Modell
- Audit Trail mit Wert, Konfidenz, Fundstelle, Spezifikationsversion, geprüfter Regel, Bearbeiter und Freigabezeitpunkt
Da die Schicht modellunabhängig ist, kann das Modell ausgetauscht werden, ohne dass Regeln, Thresholds oder Protokoll geändert werden. Der Vergleich zweier Modelle erfolgt dann auf denselben Kennzahlen.
Einsatz grosser Sprachmodelle
Grosse Sprachmodelle sind für Aufgaben ausserhalb der Dokumentenverarbeitung, für Dokumenttypen ohne Spezifikation und für Machbarkeitsnachweise geeignet. Sie sind ohne Infrastruktur einsetzbar, und ihre Leistung steigt mit jeder Modellgeneration ohne Zutun des Anwenders.
Im Produktivbetrieb kommen drei Eigenschaften zum Tragen: Die Kosten wachsen mit Seitenzahl und Kontextlänge, die Modellversion wechselt auf Entscheid des Anbieters, und die Dokumente werden auf dessen Infrastruktur verarbeitet. Datenresidenz und Nachweispflicht sind in regulierten Umgebungen gesondert zu klären.
Innerhalb einer Prüf- und Automationsschicht lassen sich grosse Sprachmodelle als Zweitmeinung bei Threshold Verletzung oder als Fallback für Ausnahmen einbinden. Sie arbeiten dann gegen dieselben Thresholds und schreiben in dasselbe Protokoll wie ein Spezialmodell.
Umsetzung bei Parashift
Dokumentli ist das Spezialmodell von Parashift. Die Parashift Plattform ist die Prüf- und Automationsschicht von Parashift. Grosse Sprachmodelle werden über «Bring your own Model» in die Plattform eingebunden, sofern sie der OpenAI API Spezifikation entsprechen.
Dokumentli ist ein Vision Language Model für Geschäftsdokumente mit einem Kontextbudget von 8192 Token. Es läuft im eigenen Rechenzentrum auf einer GPU mit 24 GB VRAM oder in einer privaten Cloud. In der Parashift Messung vom September 2026 über 3365 Dokumente in fünf Benchmarks, Metrik cANLS bei Schwelle 0,8, erreicht Dokumentli 5.3 einen Mittelwert von 89,1 Prozent gegenüber 85,3 Prozent beim besten Referenzmodell und liegt in jedem der fünf Datensätze vorn. Der Durchsatz beträgt 1,14 Dokumente pro Sekunde gegenüber 0,60 beim genauesten Referenzmodell. Fine Tuning auf eine Domäne steht als Self Service zur Verfügung.
| Dokumentli 5.3 | bestes Referenzmodell | |
|---|---|---|
| Genauigkeit cANLS@0,8, Mittel über fünf Benchmarks | 89,1 % | 85,3 % |
| Durchsatz | 1,14 Dok/s | 0,60 Dok/s |
| Kontextbudget | 8192 Token | bis 32’768 Token |
| Betriebsort | eigenes Rechenzentrum oder private Cloud | Infrastruktur des Anbieters |
Quelle: Dokumenten KI Benchmark, Parashift, September 2026.
Die Parashift Plattform setzt die oben beschriebenen Funktionen der Prüf- und Automationsschicht um. Konfidenzwerte werden je Feld ausgewertet, Thresholds je Feld und je Mandant gesetzt, Validierungsregeln decken Format, Pflichtfelder, Summen, Dubletten, Kreditoren und Abgleiche gegen angebundene Systeme ab. Beanstandete Fälle erscheinen in einer eingebetteten Validierungsoberfläche, betrieben durch den Kunden oder durch Parashift mit vereinbarter Durchlaufzeit. OneTouchLearning® führt Korrekturen in das Modell zurück, der Audit Trail protokolliert jeden Verarbeitungsschritt. Die Plattform ist API first, mandantenfähig und verfügt über mehr als 30 Konnektoren. Sie läuft als Cloud Dienst, während der Dokumentli Knoten im eigenen Rechenzentrum betrieben wird.
Zusammenfassung
Die Prüf- und Automationsschicht wird in jeder produktiven Dokumentenpipeline benötigt. Konsistenzprüfung, Routing unsicherer Fälle und Nachweisführung sind nicht Teil der Modelle, und DSGVO, DSG und EU AI Act verlangen genau diese Nachweise. Die Schicht bleibt über Jahre bestehen, das Modell darunter wird mehrfach gewechselt.
Für Dokumentenaufgaben liegt ein hochspezialisiertes Spezialmodell in Genauigkeit und Durchsatz über grossen Sprachmodellen, bei Betrieb im eigenen Rechenzentrum und volumenunabhängigen Kosten. Grosse Sprachmodelle bleiben für übrige Aufgaben und als ergänzende Instanz innerhalb derselben Schicht einsetzbar. Bei Parashift entsprechen diesen Rollen Dokumentli und die Parashift Plattform.
