An­knüp­fend an Teil I die­ser Ar­ti­kel­se­rie ist die Ge­win­nung von In­for­ma­tio­nen aus gro­ßen und kom­ple­xen Men­gen von Do­ku­men­ten und Da­ten er­fah­rungs­ge­mäß eine der zen­tra­len Her­aus­for­de­run­gen in Scha­den­er­satz­kla­gen. Die Lö­sung lau­tet: In­tel­li­gen­te Dokumentenverarbeitung.

Noch sehr häu­fig wird da­bei die knap­pe Ar­beits­zeit hoch qua­li­fi­zier­ter Mit­ar­bei­ter für müh­se­li­ge Rou­ti­ne­auf­ga­ben bei der Ver­ar­bei­tung kom­ple­xer Do­ku­men­ten­be­stän­de und ‑strö­me ver­schwen­det! Zu­dem ge­hen da­durch wich­ti­ge In­for­ma­tio­nen ver­lo­ren oder lie­gen nicht in der not­wen­di­gen Qua­li­tät vor.

Zu­dem muss die Über­mitt­lung von Aus­gangs­da­ten und Zwi­schen­er­geb­nis­sen un­ter Zeit­druck mög­lichst ef­fi­zi­ent und trans­pa­rent zwi­schen den ver­schie­de­nen be­tei­lig­ten Rol­len erfolgen.

Dokumentenklassifizierung

Lö­sung: In­tel­li­gen­te Do­ku­men­ten­ver­ar­bei­tung bei Schadensersatzklagen

Hier­bei kön­nen die fol­gen­den IT- und KI-Bau­stei­ne un­se­rer Platt­form zur kol­la­bo­ra­ti­ven und in­tel­li­gen­ten Ver­ar­bei­tung der Do­ku­men­te und Er­geb­nis­se hel­fen. De­ren je­wei­li­ger Nut­zen wird im Fol­gen­den noch ge­nau­er dargestellt:

Intelligente Dokumentenverarbeitung

Kol­la­bo­ra­ti­on und Da­ten­aus­tausch bei Schadensersatzklagen

Über Por­ta­le kön­nen Do­ku­men­te, Da­ten und Aus­wer­tungs­er­geb­nis­se si­cher und mit de­fi­nier­ten Zu­griffs­rech­ten aus­ge­tauscht wer­den. Die ent­spre­chen­den An­wen­der oder An­wen­der­grup­pen er­hal­ten Nach­rich­ten bei Ak­tua­li­sie­run­gen und di­rek­te Hy­per­links auf die In­hal­te. Die­se kön­nen auch ei­ge­ne Über­ar­bei­tun­gen be­reit­stel­len so­wie An­mer­kun­gen und Nach­rich­ten zu den ein­zel­nen In­hal­ten über­mit­teln, wo­bei Ver­sio­nen der Da­tei­en au­to­ma­tisch er­stellt werden.

Sys­te­ma­ti­sches Da­ten Management

Ge­ra­de bei gro­ßen Do­ku­men­ten­be­stän­den, die zum Bei­spiel bei ei­ner gro­ßen An­zahl von Man­dan­ten vor­lie­gen, ist de­ren sys­te­ma­ti­sches Ma­nage­ment er­for­der­lich. Ab­la­ge­struk­tu­ren, Ver­sio­nie­rung, Ar­chi­vie­rung, Lö­schung und Pro­to­kol­lie­rung kön­nen durch ent­spre­chen­de Lö­sun­gen un­ter­stützt wer­den, um den Über­blick und die Da­ten­kon­sis­tenz zu wah­ren. Die­ses gilt auch für Do­ku­men­te die im Zeit­ver­lauf ein­tref­fen, nach­ge­lie­fert oder kor­ri­giert wer­den, wie z.B. bei ei­ner fortlau­fen­den Mandantengewinnung. 

In­tel­li­gen­tes Data Mi­ning: Informationsextraktion

Tat­säch­lich ent­steht aber der we­sent­li­che Ef­fekt erst durch KI-ge­stütz­te Ver­ar­bei­tungs­schrit­te, die im Sin­ne al­ler Be­tei­lig­ten die Ge­schwin­dig­keit, Ef­fi­zi­enz und Qua­li­tät der In­for­ma­ti­ons­ge­win­nung deut­lich stei­gern. Da­durch wer­den auch die Auf­wän­de und der Zeit­druck für An­wäl­te und Gut­ach­ter gesenkt.

Da­bei set­zen wir die fol­gen­de drei Bau­stei­ne des Ma­chi­ne Lear­ning in der ge­sam­ten Ver­ar­bei­tungs­ket­te ein, um so au­to­ma­ti­siert wie mög­lich ma­xi­ma­le Er­geb­nis­se zu er­rei­chen: Sprach­ver­ar­bei­tung, Ma­schi­nel­les Se­hen und Prä­dik­ti­ve Analyse

Prozess Dokumentenverarbeitung in Insolvenzverfahren

Ei­ni­ge, we­sent­li­che Bei­spie­le für die­se Ver­ar­bei­tungs­schrit­te:

In­te­gra­ti­on und Vor­ver­ar­bei­tung bei Schadensersatzklagen

So­fern die Do­ku­men­te nicht di­rekt di­gi­tal ge­ne­riert oder von pro­fes­sio­nel­len Dienst­leis­tern di­gi­ta­li­siert wur­den, son­dern von Man­dan­ten oder an­der­wei­tig ge­scannt wor­den sind, liegt häu­fig eine Viel­zahl von Da­tei­for­ma­ten vor. Ge­ra­de bei ar­chi­vier­ten Be­le­gen aus län­ge­ren Zeit­räu­men ist au­ßer­dem häu­fig die Qua­li­tät, d.h. die Les­bar­keit re­la­tiv niedrig.

Denoising

Durch viel­fäl­ti­ge Mög­lich­kei­ten für Im­port und Um­wand­lung wer­den die­se Ein­gangs­da­ten ver­ein­heit­licht, so­fern mög­lich in der Qua­li­tät ver­bes­sert und durch eine Tex­terken­nung mit Zei­chen und Wor­ten ver­se­hen. Auch sehr gro­ße Men­gen kön­nen durch die Ska­lier­bar­keit un­se­rer Lö­sung zü­gig ver­ar­bei­tet werden.

Die Ab­bil­dung auf der lin­ken Sei­te zeigt ein Bei­spiel für die Be­sei­ti­gung von Stö­run­gen, das so­ge­nann­te Denoising.

 

Auf der rech­ten Sei­te stellt die Ab­bil­dung die Er­ken­nung von Zei­chen und die Zu­sam­men­set­zung zu gan­zen Wor­ten dar. Dies wird auch als das Op­ti­cal Cha­rac­ter Re­co­gni­ti­on (OCR) bezeichnet.

OCR

Au­to­ma­tisch Ord­nung schaffen

Kanz­lei­en und Gut­ach­ter wer­den häu­fig mit rie­si­gen, un­ge­ord­ne­ten Ber­gen von Do­ku­men­ten kon­fron­tiert, da Man­dan­ten die re­le­van­ten Be­le­ge (z.B. Rech­nun­gen, Gut­schrif­ten) ver­mischt mit ir­rele­van­ten Do­ku­men­ten (z.B. Lie­fer­schei­ne, Schrift­ver­kehr, Pro­to­kol­le) in Ak­ten­ord­nern ab­ge­legt ha­ben. In den von uns un­ter­stütz­ten Pro­jek­ten wa­ren bis zu 70% der Sei­ten aus recht­li­cher und kauf­män­ni­scher Sicht nicht re­le­vant für die Ana­ly­se und Kla­ge. Ins­be­son­de­re bei meh­re­ren hun­dert­tau­send oder so­gar Mil­lio­nen Sei­ten, liegt also ein rie­si­ger Aus­schuss vor. Eine Be­rei­ni­gung ist da­her nicht nur wich­tig, um Kos­ten und Lauf­zei­ten zu sen­ken, son­dern auch um Rich­tern und Ge­gen­sei­te bei Scha­dens­er­satz­kla­gen kei­ne An­satz­punk­te für die Be­män­ge­lung der un­ter­lie­gen­den In­for­ma­tio­nen oder so­gar Ab­wei­sung des An­spruchs zu geben.

Ver­schie­de­ne Ver­fah­ren zum Clus­te­ring auf Ba­sis von Lay­outs oder der text­li­chen In­hal­te bil­den au­to­ma­tisch – d.h. ohne mensch­li­che Vor­ga­ben – Grup­pen zu­sam­men­ge­hö­ri­ger Sei­ten und Do­ku­men­te. Dies er­leich­tert nicht nur die Schaf­fung von Struk­tur und Ord­nung, son­dern kann auch von den KI Mo­del­len für die wei­te­ren Ver­ar­bei­tungs­schrit­te ge­nutzt werden.

Visual Clustering

Sta­pel in Ein­zel­do­ku­men­te trennen

Da manch­mal Do­ku­men­te nicht mehr ge­trennt vor­lie­gen oder die ma­nu­el­le Tren­nung der phy­si­schen Do­ku­men­te für den Scan­vor­gang sehr auf­wän­dig sein kann, lie­gen gan­ze Sta­pel mit vie­len Sei­ten vor, die zu­nächst noch in Ein­zel­do­ku­men­te ge­trennt wer­den müssen.

Die­ser Ver­ar­bei­tungs­schritt ist für das Ver­ständ­nis der ef­fi­zi­en­ten Um­set­zung von KI Bau­stei­nen be­son­ders in­ter­es­sant: die Auf­ga­be kann in ver­schie­de­nen Va­ri­an­ten um­ge­setzt werden:

  1. er­ken­ne ers­te / mitt­le­re / letz­te Seiten,
  2. er­ken­ne die Zu­sam­men­ge­hö­rig­keit von Sei­ten oder
  3. er­ken­ne das Ende ei­ner Sei­ten Sequenz.

Da­bei kön­nen nur text­li­che In­hal­te oder / und auch das gra­fi­sche Er­schei­nungs­bild ge­nutzt werden.

Sta­pel, Do­ku­men­te und Sei­ten klassifizieren

Auf der durch die vor­her­ge­hen­den Schrit­te ge­schaf­fe­nen Ba­sis kön­nen dann Sta­pel, Do­ku­men­te und Sei­ten nach den ge­wünsch­ten Ka­te­go­rien klas­si­fi­ziert wer­den. Auch dies kann durch ziel­ge­rich­te­tes Trai­ning zü­gig und ziel­ge­rich­tet er­fol­gen. Do­ku­men­te kön­nen da­mit ein­fach nach Rech­nun­gen, Gut­schrif­ten, Lie­fer­schei­ne, Kon­to­aus­zü­ge usw. dif­fe­ren­ziert wer­den, wäh­rend Sei­ten z.B. nach AGBs oder Ein­zel­auf­stel­lun­gen und Zu­sam­men­fas­sun­gen von Po­si­tio­nen un­ter­scheid­bar sein können.

An dem Bei­spiel links lässt sich auch gut er­ken­nen, wie sich die Kon­fi­denz der KI Mo­del­le (hier vi­sua­li­siert durch rote, gel­be und grü­ne Mar­kie­run­gen) für die ge­ziel­te Aus­wahl nur un­si­cher er­kann­ter Bei­spie­le nut­zen lässt. Dies er­höht die Ge­schwin­dig­keit des Trai­nings und die Qua­li­tät der Ergebnisse.

In­for­ma­tio­nen und En­ti­tä­ten erkennen

Be­reits als Ba­sis für die ers­te Ein­schät­zung von Um­sät­zen, Vo­lu­mi­na und Schä­den müs­sen früh und zeit­nah viel­fäl­ti­ge In­for­ma­tio­nen aus den Do­ku­men­ten ex­tra­hiert und zu En­ti­tä­ten (z.B. Kopf- / Fuß­in­for­ma­tio­nen, Po­si­tio­nen, Be­zugs­ob­jek­te wie LKW) zu­sam­men­ge­fasst wer­den. Im Ver­lauf der Kla­ge­vor­be­rei­tung und ge­ge­be­nen­falls im Rah­men der Er­stel­lung ei­nes öko­no­mi­schen Gut­ach­tens muss das ent­spre­chen­de Da­ten­mo­dell dann fall­wei­se noch er­wei­tert wer­den. Da­bei ist es auch wich­tig, fle­xi­bel zu­sätz­lich be­nö­tig­te Da­ten­punk­te er­gän­zen zu können.

Auch dies kann mit Hil­fe lern­fä­hi­ger KI-Bau­stei­ne trai­niert und schritt­wei­se durch Va­li­die­rung der Er­geb­nis­se ver­bes­sert wer­den. Die­se nut­zen da­bei so­wohl die Struk­tur der zu er­ken­nen­den In­hal­te als auch Po­si­ti­on und um­ge­ben­de Schlüs­sel­wor­te. Für In­for­ma­tio­nen in kom­ple­xe­ren Fließ­tex­ten kom­men so­ge­nann­te se­man­ti­sche Mo­del­le zum Ein­satz, die sich sta­tis­ti­sche Ei­gen­schaf­ten zu­nut­ze ma­chen oder Be­deu­tungs­zu­sam­men­hän­ge er­ler­nen können.

Entity Recognition

Die Er­geb­nis­se kön­nen dann fi­nal als struk­tu­rier­te Ta­bel­len, falls not­wen­dig mit Ver­knüp­fun­gen zu den Aus­gangs­do­ku­men­ten, so be­reit­ge­stellt wer­den, dass die Nut­zer und Emp­fän­ger hier­mit mög­lichst ein­fach um­ge­hen können.

Export

In­tel­li­gen­tes Data Mi­ning: Fort­ge­schrit­te­ne und prä­dik­ti­ve Analysen

Über die ver­ar­bei­te­ten Do­ku­men­te hin­weg und even­tu­ell auch durch Nut­zung zu­sätz­li­cher Da­ten­quel­len kön­nen wei­te­re KI Bau­stei­ne ver­schie­de­ne Auf­ga­ben­stel­lun­gen un­ter­stüt­zen: z.B. die Er­ken­nung von An­oma­lien oder Brü­chen in der Preis­ent­wick­lung so­wie Kor­re­la­tio­nen zwi­schen den Prei­sen ver­schie­de­ner Lie­fe­ran­ten. Auf­fäl­li­ge Da­ten kön­nen zu­dem ei­ner be­son­de­ren Va­li­die­rung un­ter­zo­gen und Lü­cken in Zeit­rei­hen durch Pro­gno­se­mo­del­le ge­schlos­sen werden.

Ne­ben stan­dar­di­sier­ten Bau­stei­nen set­zen wir auch in­di­vi­du­el­le Ana­ly­sen und Vi­sua­li­sie­run­gen um, um das Ver­ständ­nis für das ent­spre­chen­de Scha­dens­ge­sche­hen zu verbessern.

Sind Sie an der Er­mitt­lung ei­nes Scha­dens­er­sat­zes beteiligt?

Ob Pro­zess­fi­nan­zie­rer, Gutachter/Ökonomen oder Rechts­an­wäl­te – wir un­ter­stüt­zen Sie beim Ein­satz von künst­li­cher In­tel­li­genz in Scha­dens­er­satz­kla­gen. Wie das geht, zei­gen wir an­hand von Pra­xis­bei­spie­len in un­se­rem Web-Seminar.

Pro­zess Au­to­ma­ti­sie­rung und Zugriffssteuerung

Ab­ge­run­det wer­den die­se au­to­ma­ti­sier­ten, in­tel­li­gen­ten Ver­ar­bei­tungs- und Aus­wer­tungs­bau­stei­ne durch eine Au­to­ma­ti­sie­rung des ge­sam­ten Pro­zes­ses und die Steue­rung der Zu­griffs­mög­lich­kei­ten für ver­schie­de­ne Be­tei­lig­te. Hier­durch wird si­cher­ge­stellt, dass der Ab­lauf ei­ner­seits mög­lichst naht­los und schnell er­folgt – aber an­de­rer­seits kei­ne Da­ten in fal­sche Hän­de geraten.

Fa­zit: We­ni­ger Auf­wand, mehr Ge­schwin­dig­keit + Qualität

Tech­no­lo­gie ist na­tür­lich nur ein Bau­stein in Scha­dens­er­satz­pro­zes­sen, der aber die Ef­fi­zi­enz und Qua­li­tät bei der Ver­ar­bei­tung von Da­ten und Do­ku­men­ten deut­lich ver­bes­sern kann. Wie wir die­se nut­zen, um für Sie alle not­wen­di­gen Ser­vices zu er­brin­gen und Kla­gen in Form ei­nes ziel­füh­rend struk­tu­rier­ten Pro­jek­tes zu un­ter­stüt­zen, le­gen wir in den nächs­ten bei­den Ar­ti­keln in Kür­ze dar.

Wir freu­en uns auf Ihr Feed­back und ei­nen per­sön­li­chen Aus­tausch.

Di­rekt Ter­min vereinbaren!

Mit dem On­line-Tool Calend­ly kön­nen Sie di­rekt on­line Ih­ren Wunsch­ter­min wäh­len. Bu­chen Sie noch heu­te Ihre 15-mi­nü­ti­ge Be­spre­chung bei Diet­mar Nei­dig und er­hal­ten Sie eine Ka­len­der-Ein­la­dung mit Zu­gangs­link zu Ih­rer per­sön­li­chen Teams-Besprechung.

Dietmar Neidig

Diet­mar Neidig

CSO

mail dneidig@inserve.de
fon +49 511 936 857 67