Digitale Dokumentverarbeitung: Von der Datenerfassung bis zum Geschäftsprozess

Von der Datenerfassung bis zum Geschäftsprozess Das Zeichen: der kleinste gemeinsame Nenner Von Johannes Schacht, Leiter Marketing Océ Document Technologies Mit der Formularerfassung fing es an: Interessierte sich ein Unter- nehmen für die automatisierte Erfassung eines bestimmten Beleg- typs, wurde die Frage nach dem täglich zu bearbeitenden Belegvolu- men gestellt. Es galt, den Arbeitsschritt der manuellen Massendaten- erfassung schnell und effizient über Capture-Lösungen abzuwickeln. Ein immer noch aktuelles Thema, doch nicht mehr das einzige. Heute besteht ein weiteres Ziel darin, ganze papiergebundene Ge- schäftsprozesse zu automatisieren und damit zu verbessern, ihre Ab- läufe zu strukturieren und ihre Kosten zu reduzieren. So gibt es in- zwischen für fast jeden Geschäftsprozess spezielle Bearbeitungslö- sungen. Doch wie geht es weiter? Eine Richtung zeichnet sich bereits ab. Für die papiergebundene Dokumentenbearbeitung sind inzwischen für alle Belange Lösungen auf dem Markt: große, mittlere oder kleine Dokumenten- volumen, unterschiedliche Dokumententypen, z. B. Rechnungen, Bestellun- gen, Verträge. Dokumenttyp und Volumen können beliebig miteinander kom- biniert werden, stellen aber keine wirkliche Herausforderung dar. Doch der Markt ist weiter in Bewegung, mehr denn je. Dokumentenflut und Datenmassen Der Erfolg einer Lösung definiert sich über die Schnelligkeit bei der Erken- nung der Zeichen auf freien Dokumenten und Formularen. Die heutige Doku- menten-Erkennungstechnik leistet viel: Gescannte Dokumente werden mit OCR in Text gewandelt, Dokumente werden vorgegebenen Klassen automa- tisch zugeordnet und Daten werden aus Dokumenten extrahiert, selbst wenn . . deren Layout sehr unterschiedlich ist. Diese Techniken sind in großen Doku- menten-Verarbeitungszentren gereift, wie sie heute bei Behörden, Banken und Versicherungen vielfach betrieben werden, und in eigens entwickelten Capture-Systemen eingesetzt. Dabei liest und extrahiert immer eine Zeiche- nerkennungs-Software alle notwendigen Daten aus den gescannten Doku- menten. In RecoStar Professional z. B. arbeiten mehrere Erkennungs-Engi- nes parallel, deren Ergebnisse intern miteinander abgeglichen werden. Durch dieses Voting werden Erkennungsquoten von bis zu 99 % bei Maschinen- schriften erreicht. Die Mahngerichte in Nordrhein-Westfalen (Hagen und Euskirchen) z. B. müs- sen jährlich rund 3,5 Millionen Mahnverfahren bearbeiten. Die Antragstellung erfolgt über Beleganträge oder über den elektronischen Datenaustausch (Da- tenträger/Internet). Hierbei sind allein in Hagen täglich rund 18.000 Belege zu bearbeiten. Dazu wird ein automatisiertes Beleglese-System eingesetzt, das die Dokumente scannt und die relevanten Daten extrahiert und plausibi- lisiert. Vom Zeichen zum Inhalt Weiterführende Dokumentenanalyse-Systeme kombinieren die Zeichener- kennung mit Dokumentenanalyse-Funktionen, d. h., basierend auf den Er- gebnissen der reinen Zeichenerkennung übernimmt eine Dokumentenanaly- se-Software die gezielte Suche nach den benötigten Informationen. Informa- tionen, die für die korrekte Bearbeitung des jeweiligen Dokuments von Be- deutung sind. Bei Anträgen an Versicherungen sind dies z. B. der Antragstel- ler und die Versichertennummer und bei allgemeinen Geschäftsbriefen gehö- ren dazu der Adressat und der Betreff. Was einfach klingt, ist für die eingesetzte Software eine Herausforderung. Daher werden unterschiedliche Verfahren kombiniert: Freiformerkennung und selbstlernende Verfahren. Die Ergebnisse werden miteinander gevotet. Bei der Freiformerkennung nutzt das System, z. B. DOKuStar von Océ Docu- ment Technologies, konventionelle Vorgaben, die sich für einzelne Doku- 2 mentklassen durchgesetzt haben. Dazu gehört z. B., dass in Anschreiben die Betreffzeile unterhalb des Adressaten steht, der wiederum links oben auf ei- nem Dokument zu finden ist. Zusätzlich kann auch das Aussehen einer Zei- chenfolge in Regeln formuliert werden. Ein Betrag z. B. ist eine syntaktische Struktur aus Ziffern, Kommata, Punkten und Währungssymbolen und Wäh- rungsbezeichnungen. Anhand dieser Regeln erkennt eine Dokumentenanaly- se-Software die relevanten Zeichen. Insgesamt reagiert die regelbasierte Erkennung flexibel auf Layoutverände- rungen, unbekannte Absender oder unstrukturierte Dokumente, doch sie lernt nicht dazu. Ein Verfahren, das dazu in der Lage ist, ist z.B. DOKuStar ART, die von Océ Document Technologies entwickelte Adaptive Read Techno- logy. Daten, die ein Anwender von einem Dokument erfasst, werden analy- siert und in einem Repository gespeichert. Wenn eine solche Technologie später ein ähnliches Dokument vorgelegt bekommt, erkennt die Software au- tomatisch den Dokumenttyp wieder. Bei diesem Vorgehen ist die Automati- sierungsrate zwar zu Beginn niedrig, steigt aber kontinuierlich an, je länger das System betrieben wird. Eine Lösung aus regelbasierter Freiformerken- nung und einem beispielorientierten Verfahren ist damit von Beginn an schnell und bietet zudem eine eindrucksvolle Lösung. Zugeschnitten auf die Geschäftsprozesse Es wächst der Bedarf an Lösungen, die einen nachvollziehbaren Fortschritt für die Unternehmen bedeuten, und so gehört es inzwischen in vielen Unter- nehmen zum Standard, die digitale Dokumentbearbeitung auf einzelne Ge- schäftsprozesse auszuweiten. Darauf ausgerichtet, bietet der Markt für In- put-Management diverse, teils dedizierte Datenerfassungslösungen, z. B. für die Bestellbearbeitung und Bewerbungsbearbeitung. Die automatisierte Rechnungseingangsbearbeitung ist dabei zu einem Paradefall dafür gewor- den, wie sich dokumentgestützte Geschäftsprozesse optimieren und spezifi- zieren lassen. Doch um solche Lösungen rentabel für ein Unternehmen ein- zuführen, sollte folgende Voraussetzung erfüllt sein: ein großes Dokumen- tenaufkommen einheitlicher Dokumentarten adressiert an eine bestimmte 3 Zielanwendung. Erst dann sind vorkonfigurierte, vollautomatische Lösungen effektiv und effizient. Es sind eigens entwickelte Capture-Systeme, die zunächst die Dokumente scannen und automatisiert die Daten extrahieren und anschließend analysie- ren. Bei einer Rechnung sind das der Lieferant (bzw. der Kreditor), Rech- nungsnummer, Rechnungsdatum und Betrag, bei Bestellungen sind u. a. Be- steller, Bestellpositionen und Menge wichtig. Das alles geschieht für diverse Layouts mit einer unglaublichen Sicherheit. Nicht gefundene oder unsicher erkannte Daten werden manuell nachgetragen. Am Ende werden die Daten aus dem Capture-System exportiert und von der Fachanwendung importiert. Die gescannten Images werden in einem Archiv abgelegt. Dabei wird die ge- samte Dokumentenbearbeitung inklusive der OCR von nur einem Workflow gesteuert und kontrolliert. Im Idealfall von einem ERP-System. Schließlich ist der Erkennungsvorgang angewiesen auf die Geschäftslogik aus den ERP-Systemen und sichert nur so die vollständige Erschließung aller re- levanten Daten. So nützt der Bestellname auf einer Bestellung wenig, benö- tigt doch das ERP-System zur Buchung die daraus abzuleitende Debitoren- nummer, und bei Rechnungen ist die Kreditorennummer entscheidend, nicht aber der Name des Rechnungsstellers. Das Shared Service Center Accounting der Deutsche Post AG führt das Rech- nungswesen für das gesamte Unternehmen und für 20 Tochtergesellschaften durch. Dabei bearbeitet das SSC Accounting mit Invoice CENTER für SAP® täglich bis ca. 4.000 Rechnungen, in Spitzenzeiten bis zu 6.000 Rechnungen pro Tag (in Zukunft bis zwei Millionen Belege pro Jahr) und bindet etwa 8.000 Organisationseinheiten in den Prozess ein. Invoice CENTER steigerte die Produktivität bei der Rechnungsbearbeitung um 25 %. Auch Lufthansa AG, Stadtwerke Leipzig, Schweizerische Bundesbahnen (CH) sind Beispiele für Unternehmen, die ihre Rechnungseingangsbearbeitung mit vorkonfigu- rierten Lösungen automatisiert haben. Der ROI ist häufig bereits innerhalb eines Jahres erreicht, der Bearbeitungsprozess der einzelnen Rechnungen zeitnah beendet und der gesamte Prozess entspannt. 4 Ein System für alle Belange Zwar können Unternehmen die Papierpost nicht abschaffen, doch sie können beeinflussen, welche Informationen sie wie in den internen Umlauf bringen möchten. Warum also nicht nur bestimmte, sondern alle eingehenden Doku- mente in der zentralen Poststelle scannen und von dort den einzelnen Ge- schäftsprozessen, Mitarbeitern oder Abteilungen zuleiten? Dieses Thema be- wegt zurzeit Branche und Anwender, und so setzen sich automatisierte Po- steingangslösungen verstärkt durch. • Vermeidung von Papiertransport, zentraler und frühzeitiger Medien- übergang. • Schnelle Informationsauswertung, zeitnahe Verarbeitung, Auskunfts- fähigkeit. • Rationalisierung der Bearbeitungsprozesse, effizientere Vorgangsbe- arbeitung. • Gezieltes Einspeisen der Daten in dedizierte Geschäftsprozesse. Die in der Poststelle gescannte Eingangspost wird an Ort und Stelle von einer Klassifikationslösung analysiert, strukturiert und automatisiert an den ent- sprechenden Adressaten weitergeleitet oder direkt angeschlossenen Back-Of- fice-Systemen zur Verfügung gestellt. Mit einer intelligenten Datenerkennung und Dokumentenanalyse werden die relevanten Daten von den ge-scannten Dokumenten extrahiert. Flexibel, skalierbar und ein hoher Automatisierungs- grad sind die entscheidenden Attribute, die eine solche Lösung ausmachen sollten.