{"id":61509,"date":"2026-11-03T07:09:28","date_gmt":"2026-11-03T07:09:28","guid":{"rendered":"https:\/\/parashift.ai\/?p=61509"},"modified":"2026-11-03T07:09:36","modified_gmt":"2026-11-03T07:09:36","slug":"zero-shot-dokumentenverarbeitung-ohne-vorlagen","status":"publish","type":"post","link":"https:\/\/parashift.ai\/de\/zero-shot-dokumentenverarbeitung-ohne-vorlagen\/","title":{"rendered":"Zero-Shot in der Dokumentenverarbeitung: Dokumente ohne Vorlagen und ohne Training auslesen"},"content":{"rendered":"\n

Wer eine neue Dokumentart automatisieren wollte, musste dem System bisher zeigen, wo welche Information steht: \u00fcber Vorlagen, die f\u00fcr jedes Layout gepflegt werden, oder \u00fcber trainierte Modelle, die eine grosse Zahl annotierter Beispiele brauchen. Zero-Shot bedeutet, dass ein Modell eine Dokumentart liest, die es vorher nie gesehen hat, und zwar allein anhand einer Beschreibung der gew\u00fcnschten Felder. Dieser Beitrag zeigt, was sich damit im Betrieb \u00e4ndert, wo der Ansatz tr\u00e4gt, wo er an Grenzen st\u00f6sst und wie Sie ihn an den eigenen Dokumenten messen.<\/p>\n\n\n\n

Wie Dokumentenverarbeitung bisher funktioniert hat<\/h2>\n\n\n\n

Klassische Erfassungssysteme arbeiten mit Vorlagen. F\u00fcr jedes Layout wird festgelegt, in welchem Bereich der Seite die Rechnungsnummer, das Datum oder der Betrag stehen. Das funktioniert, solange die Dokumente gleich aussehen. Sobald ein neuer Lieferant, ein neues Formular oder eine ge\u00e4nderte Fusszeile dazukommt, f\u00e4llt das Dokument in die manuelle Erfassung, bis jemand die Vorlage anpasst.<\/p>\n\n\n\n

Die zweite Generation hat Vorlagen durch trainierte Modelle ersetzt. F\u00fcr jede Dokumentart werden Beispiele gesammelt und Feld f\u00fcr Feld annotiert, danach wird ein Modell darauf trainiert. Das ist robuster gegen\u00fcber Layoutvarianten, verschiebt den Aufwand aber nur: Bevor die erste Rechnung oder der erste Arztbrief produktiv l\u00e4uft, vergehen oft Wochen f\u00fcr Sammlung, Annotation und Training, und jede neue Dokumentart beginnt wieder von vorn.<\/p>\n\n\n\n

Beide Ans\u00e4tze haben dieselbe wirtschaftliche Folge. Automatisiert werden nur die wenigen Dokumentarten mit dem gr\u00f6ssten Volumen, weil sich der Aufwand nur dort rechnet. Der lange Rest, also Zuweisungen von Praxen mit eigenem Briefkopf, Unterlagen von Drittbanken oder seltene Antragsformulare, bleibt Handarbeit.<\/p>\n\n\n\n

Was Zero-Shot \u00e4ndert<\/h2>\n\n\n\n

M\u00f6glich wird Zero-Shot durch Vision Language Models, die Bild und Text einer Seite gemeinsam verarbeiten. Sie erkennen nicht nur die Zeichen, sondern auch deren Bedeutung im Zusammenhang: dass eine Zahl unter \u00abTotal\u00bb der Rechnungsbetrag ist oder dass eine Liste unter \u00abDiagnosen\u00bb mehrere Eintr\u00e4ge hat. Statt dem System Beispiele zu zeigen, beschreiben Sie in einer Spezifikation, welche Felder Sie brauchen, welchen Datentyp sie haben und ob eine Gruppe einmal oder mehrfach vorkommt.<\/p>\n\n\n\n

F\u00fcr einen Arztbrief kann eine solche Spezifikation so aussehen:<\/p>\n\n\n\n

{\"type\": \"extraction\",\n \"items\": {\n   \"patient\": {\"type\": \"group\", \"items\": {\n     \"name\": {\"type\": \"string\"},\n     \"geburtsdatum\": {\"type\": \"date\"}}},\n   \"absender\": {\"type\": \"group\", \"items\": {\n     \"praxis\": {\"type\": \"string\"},\n     \"briefdatum\": {\"type\": \"date\"}}},\n   \"diagnosen\": {\"type\": \"group\", \"cardinality\": \"many\", \"items\": {\n     \"diagnose\": {\"type\": \"string\"},\n     \"icd_code\": {\"type\": \"string\"}}}}}<\/code><\/pre>\n\n\n\n
Es gibt keine Positionsangaben und keine Beispieldokumente. Dieselbe Spezifikation gilt f\u00fcr den Brief der Hausarztpraxis ebenso wie f\u00fcr den Bericht einer Universit\u00e4tsklinik, auch wenn die Diagnosen einmal im Fliesstext und einmal in einer Tabelle stehen.<\/p>\n\n\n\n
Zero-Shot heisst allerdings nicht, dass keine Vorarbeit n\u00f6tig ist. Welche Felder ein Prozess braucht und was sie fachlich bedeuten, bleibt eine Entscheidung des Fachbereichs. Diese Arbeit dauert aber Stunden statt Wochen, l\u00e4sst sich direkt an echten Dokumenten pr\u00fcfen und muss bei einem neuen Layout nicht wiederholt werden.<\/p>\n\n\n\n
<\/th>Vorlagen<\/th>Trainiertes Modell<\/th>Zero-Shot<\/th><\/tr><\/thead>
Was pro Dokumentart n\u00f6tig ist<\/td>eine Vorlage je Layout<\/td>annotierte Beispiele und ein Training<\/td>eine Spezifikation der Felder<\/td><\/tr>
Neues Layout derselben Dokumentart<\/td>neue Vorlage<\/td>oft zus\u00e4tzliche Beispiele<\/td>keine Anpassung<\/td><\/tr>
Neue Dokumentart<\/td>neue Vorlagen<\/td>neues Training<\/td>neue Spezifikation<\/td><\/tr>
Wer die Arbeit macht<\/td>Spezialisten f\u00fcr das Erfassungssystem<\/td>Annotationsteam und Data Science<\/td>Fachbereich, auf Wunsch mit Unterst\u00fctzung<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
Drei Beispiele aus regulierten Branchen<\/h2>\n\n\n\n
Bank, Kreditdossier.<\/strong> Ein Hypothekardossier enth\u00e4lt neben den eigenen Formularen der Bank Dokumente, deren Layout die Bank nicht bestimmt: Kontoausz\u00fcge anderer Banken, Betreibungsausz\u00fcge, Grundbuchausz\u00fcge, Sch\u00e4tzungen und Arbeitsvertr\u00e4ge. Mit Vorlagen ist dieser Teil des Dossiers kaum zu erfassen, weil jede Quelle anders aussieht. Mit einer Spezifikation je Dokumentart liest das Modell die relevanten Werte unabh\u00e4ngig vom Aussteller.<\/p>\n\n\n\n
Versicherung, Kostengutsprache.<\/strong> Gesuche um Kostengutsprache kommen von Spit\u00e4lern, Kliniken, Therapeuten und Praxen, jeweils auf eigenen Formularen oder als Brief. Versichertennummer, beantragte Leistung, Zeitraum und Begr\u00fcndung stehen bei jedem Absender an anderer Stelle. Zero-Shot erlaubt, alle Gesuche mit einer Spezifikation zu erfassen, statt nur die Formulare der gr\u00f6ssten Leistungserbringer.<\/p>\n\n\n\n
Krankenhaus, Zuweisungen und Arztbriefe.<\/strong> Ein Krankenhaus erh\u00e4lt Zuweisungen und Vorbefunde von hunderten Praxen. F\u00fcr die Aufnahme und sp\u00e4ter f\u00fcr die Abrechnung z\u00e4hlt, dass Patient, Absender, Datum und Diagnosen korrekt am Fall h\u00e4ngen. Wie das im Alltag aussieht, beschreiben wir f\u00fcr Zuweisungen und Arztberichte<\/a> und f\u00fcr den klinischen Posteingang<\/a>.<\/p>\n\n\n\n
Wo Zero-Shot an Grenzen st\u00f6sst<\/h2>\n\n\n\n
Ein Modell, das ohne Beispiele liest, kann sich irren. Es kann eine Zahl falsch lesen, zwei \u00e4hnliche Felder verwechseln oder ein Feld leer lassen, weil es die Information nicht findet. Ein leerer Wert kann dabei zweierlei bedeuten: Die Information fehlt im Dokument, oder das Modell hat sie nicht erkannt.<\/p>\n\n\n\n
Schwieriger wird es bei Handschrift, bei schlechten Scans und Faxen, bei langen Positionstabellen \u00fcber mehrere Seiten und bei Feldern, deren Bedeutung nicht im Dokument steht, etwa eine interne Kostenstelle. Auch die Spezifikation selbst ist eine Fehlerquelle: Ein unklar benanntes Feld liefert unklare Ergebnisse. Und die Werte kommen so, wie sie auf der Seite stehen, ein Betrag also als \u00ab1’234.50\u00bb oder als \u00ab1.234,50\u00bb. Die Normalisierung ist ein eigener Schritt.<\/p>\n\n\n\n
Daraus folgt: Zero-Shot l\u00f6st das Lesen, nicht die Frage, ob ein Wert stimmt. Diese Frage muss jede Organisation selbst beantworten, bevor sie ein Ergebnis ungepr\u00fcft weitergibt.<\/p>\n\n\n\n
Wie Sie Zero-Shot an den eigenen Dokumenten messen<\/h2>\n\n\n\n
\u00d6ffentliche Benchmarks geben eine Orientierung. In einem Benchmark mit f\u00fcnf Datens\u00e4tzen und 3’365 realen Gesch\u00e4ftsdokumenten erreicht das spezialisierte Modell Dokumentli<\/a> 89,1 Prozent (cANLS@0.8), das st\u00e4rkste der f\u00fcnf getesteten allgemeinen Sprachmodelle 85,3 Prozent. Dokumentli verarbeitet dabei im Schnitt 1,14 Dokumente pro Sekunde, das genaueste Referenzmodell 0,60. Der Vergleich zeigt, dass ein kleines, auf Dokumente spezialisiertes Modell die grossen Allzweckmodelle bei dieser Aufgabe \u00fcbertreffen kann.<\/p>\n\n\n\n
F\u00fcr eine Entscheidung reicht das nicht. Aussagekr\u00e4ftig sind drei Werte, gemessen an einer Stichprobe der eigenen Dokumente:<\/p>\n\n\n\n