{"id":30902,"date":"2025-08-29T12:52:20","date_gmt":"2025-08-29T12:52:20","guid":{"rendered":"https:\/\/parashift.io\/?p=27915"},"modified":"2026-02-06T12:50:10","modified_gmt":"2026-02-06T12:50:10","slug":"generative-vs-diskriminierende-ki-modelle","status":"publish","type":"post","link":"https:\/\/parashift.ai\/de\/generative-vs-diskriminierende-ki-modelle\/","title":{"rendered":"Generative vs. diskriminierende KI-Modelle"},"content":{"rendered":"\n

Dieser Artikel wurde von unserem ML-Team verfasst.<\/em><\/p>\n\n\n\n

Dies ist der Beginn einer mehrteiligen Blog-Miniserie, in der wir einen Einblick geben, wie wir bei Parashift ML\/KI<\/a> einsetzen, um Probleme im Bereich der intelligenten Dokumentenverarbeitung (kurz IDP f\u00fcr Englisch intelligent document processing) zu l\u00f6sen.\u00a0<\/p>\n\n\n\n

Die ersten beiden Teile bieten eine kurze Einf\u00fchrung in allgemeine Schl\u00fcsselthemen und Konzepte der KI, ohne dass der Fokus speziell auf Parashift liegt. Wir beginnen mit der Diskussion \u00fcber den Unterschied zwischen diskriminierenden und generativen Modellen. Im dritten Teil gehen wir auf unsere aktuellen Bem\u00fchungen ein, LLM-Antworten in den Dokumenten zu verankern. Der Begriff \u201eVerankerung\u201c beschreibt hier die F\u00e4higkeit, die Antwort eines LLM mit expliziten Tokens im Dokument zu verkn\u00fcpfen. Der vierte Teil beleuchtet weitere Anwendungsbeispiele beider Methoden in unserem Produkt, und der letzte Teil gibt schlie\u00dflich einen Ausblick darauf, wohin wir uns als N\u00e4chstes entwickeln m\u00f6chten. <\/p>\n\n\n\n

\u00a0<\/div>\n\n\n\n

Diskriminierende KI-Modelle vs. Generative KI<\/h4>\n\n\n\n

Zun\u00e4chst betrachten wir zwei verschiedene Arten von KI-Modellen und beginnen mit einer Einf\u00fchrung, um die konzeptionellen Unterschiede hervorzuheben. Wie wir sehen werden, beeinflussen diese Unterschiede, wie und wo wir die Modelle in der Praxis einsetzen. <\/p>\n\n\n\n

\u00a0<\/div>\n\n\n\n
Diskriminierende KI-Modelle <\/strong><\/h5>\n\n\n\n

Diese Modelle lernen, wie man \u201eDinge\u201c unterscheidet. Stellen Sie sich diese Modelle als \u201eLabel-Maschinen\u201c vor: Sie zeigen dem Modell ein Objekt, und es weist ihm ein bestimmtes Label sowie eine Zahl zu. Das Label bestimmt, als was das Objekt klassifiziert wurde, und die Zahl reflektiert das Vertrauen in diese Klassifizierung. Ein g\u00e4ngiges Beispiel ist ein Bildklassifizierer, der Tiere identifiziert. Wenn dieses Modell zum Beispiel auf 100 verschiedenen Tierarten trainiert wurde, kann es am Ende nichts weiter, als Bilder betrachten und das bestpassende Label zuweisen. Es kann keine neuen Labels erzeugen, sondern ist auf die Labels beschr\u00e4nkt (und dadurch beeinflusst), die es w\u00e4hrend des Trainings gesehen hat. <\/p>\n\n\n\n

Viele IDP-Aufgaben lassen sich so formulieren, dass ein diskriminierendes Modell trainiert werden kann, um sie zu l\u00f6sen. Der Ansatz l\u00e4uft dann immer darauf hinaus, einem Objekt ein Label zuzuweisen. Die Anwendungsf\u00e4lle unterscheiden sich darin, welche Labels vergeben werden und auf welche \u201eDinge\u201c sie angewendet werden. In den folgenden Beispielen erh\u00f6hen wir schrittweise die Granularit\u00e4t dieser Label-Zuweisungen und zeigen, wie unterschiedliche Aufgaben damit gel\u00f6st werden k\u00f6nnen. <\/p>\n\n\n\n

\u00a0<\/div>\n\n\n\n
Dokumentenklassifizierung (ein Label pro Dokument) <\/strong><\/h6>\n\n\n\n

Der einfachste Anwendungsfall: W\u00e4hrend des Trainings werden dem Modell Dokumente (und ihre Labels) verschiedener Dokumententypen gezeigt, damit es lernt, diese zu unterscheiden. Die Labels entsprechen allen Dokumenttypen, die wir unterscheiden m\u00fcssen (z.\u202fB. \u201eRechnung\u201c, \u201eReisepass\u201c, \u201eFitnessstudio-Mitgliedskarte\u201c usw.). Obwohl die Aufgabe klar definiert ist, gibt es viel kreativen Spielraum, wie das Modell trainiert wird \u2013 z.\u202fB. anhand visueller Merkmale, textlicher Merkmale oder einer Kombination von beiden. <\/p>\n\n\n\n

\"Dokumentenklassifizierung<\/figure>\n\n\n\n
\u00a0<\/div>\n\n\n\n
Trennung von Seitensstapeln (ein Label pro Seite) <\/strong><\/h6>\n\n\n\n

Nun starten wir mit einer geordneten Seitensstapel, die Aufgabe es ist zu erkennen, welche Seiten zusammengeh\u00f6ren, um ein eigenst\u00e4ndiges Dokument zu bilden. Dies ist besonders n\u00fctzlich, wenn physische Post eingescannt wird, und als ein einziges gro\u00dfes PDF, das alle Dokumente umfasst erstellt wird. <\/p>\n\n\n\n

Wir entschieden uns f\u00fcr einen Ansatz, bei dem das Modell zwei Labels vorhersagt: \u201eerste Seite\u201c oder \u201eletzte Seite\u201c. Auf Grundlage dieser Vorhersagen l\u00e4sst sich ableiten, wo der Seitensstapel in einzelne Dokumente aufgeteilt werden soll. Unten sehen Sie ein schematisches Beispiel eines Seitenstapels mit 6 Seiten, die zu 3 Dokumenten f\u00fchrt. <\/p>\n\n\n\n

\"Seitentrennung<\/figure>\n\n\n\n
\u00a0<\/div>\n\n\n\n
Informationsextraktion (ein Label pro Token) <\/strong><\/h6>\n\n\n\n

Betrachten wir nun, wie diskriminierende Modelle zur Extraktion von Informationen wie Absender-Adressen, Zahlbetr\u00e4gen oder Lieferterminen eingesetzt werden k\u00f6nnen. Aus der Perspektive eines Klassifikationsmodells m\u00fcssen wir ein System aufbauen, das nur bestimmten Teilen des Dokuments Labels zuweist. <\/p>\n\n\n\n

Beispiel: Das Modell kann dem Text \u201eParashift AG\u201c das Label \u201eFirmenname\u201c zuordnen. Ein weiterer Schritt ist das Training eines Modells zur Vorhersage, welche Tokens zusammengeh\u00f6ren (sogenannte Link-Prediction). Das Modell entscheidet also, ob \u201eParashift AG\u201c eine Einheit ist oder zwei separate, wie \u201eParashift\u201c und \u201eAG\u201c ist. <\/p>\n\n\n\n

\u00a0<\/div>\n\n\n\n
Embeddings und Tokenisierung <\/strong><\/h6>\n\n\n\n

Wir wissen nun, wie sich IDP-Aufgaben f\u00fcr diskriminierende Modelle konzeptionell formulieren lassen. Zwei weitere Konzepte sind f\u00fcr ein besseres Verst\u00e4ndnis grundlegend:\u202fEmbeddings<\/strong>\u202fund\u202fTokenisierung<\/strong>. <\/p>\n\n\n\n

Da die Aufgabe darin besteht, \u201eDingen Labels zuzuweisen\u201c, ben\u00f6tigen wir eine M\u00f6glichkeit, die \u201eDinge\u201c sinnvoll darzustellen \u2013 sei es ein Dokument, eine Seite oder einzelne Tokens innerhalb eines Dokuments. Hier kommen nun Embeddings ins Spiel. <\/p>\n\n\n\n

 <\/p>\n\n\n\n

\u00a0<\/div>\n\n\n\n

Embeddings<\/strong><\/p>\n\n\n\n

KI-Modelle arbeiten nicht direkt mit Bildern, Audio, Dokumenten, Text oder Tokens, wie wir Menschen sie verstehen. Sie verarbeiten ausschlie\u00dflich Zahlen. Die Umwandlung realer Objekte in eine \u201eListe von Zahlen\u201c nennt man\u202fEmbedding <\/strong>oder\u202fVektorisierung<\/strong>. Wichtig ist, dass diese Zahlen eine sinnvolle Repr\u00e4sentation f\u00fcr das zu l\u00f6sende Problem liefern. <\/p>\n\n\n\n

\u00a0<\/div>\n\n\n\n

RGB als Beispiel<\/strong><\/p>\n\n\n\n

Dieser Abschnitt ist nicht auf IDP bezogen, sondern veranschaulicht allgemein, wie Informationen in Zahlen \u00fcbersetzt werden k\u00f6nnen. Ein Pixel auf Ihrem Bildschirm l\u00e4sst sich durch drei RGB-Werte darstellen (R = Rot, G = Gr\u00fcn, B = Blau). Dies kann als eine Art Embedding betrachtet werden: [R, G, B]. F\u00fcr unser Beispiel normalisieren wir die Werte auf den Wertebereich 0\u20131. <\/p>\n\n\n\n