Es gibt eine Vielzahl von Tools, mit denen PDF in durchsuchbare Formate wie .doc, .odt, .csv, .jpg usw. ungewandelt werden kann, aber nur wenige, die PDF in XML oder EDIFACT wandeln können. Strukturierte, maschinenlesbare Daten einschließlich zugehöriger Positionsinformationen werden aber von Inhousesystemen wie einer Buchungssoftware, einer Warenwirtschaft, einem Kommissionierungstool, einer ERP- oder einer Verwaltungssoftware benötigt, um automatisch weiterverarbeitet werden zu können. Einfach online durchsuchbare PDF-Dokumente zu erstellen, reicht deshalb häufig für Anwender in Industrie und Handel oder für komplexe Verwaltungsabläufe nicht. Der PDF-Mapper® der ExxTainer AG bietet hier Abhilfe. Mit seinem "Starter" stellt ExxTainer außerdem eine kostenfreie Einstiegsvariante für das semantische Auslesen von Texten aus Dokumenten und Formularen bereit.
PDF-Mapper® beendet Suche nach semantischer Texterkennung
Die Google-Recherche nach „PDF Auslesen“ zeigt unzählige Treffer zu einfachen Tools, weiß Dr. Werner Simon, Geschäftsführer der ExxTainer AG. Aber entweder lesen diese Tools einfach nur den Text ohne weiteren Bezug aus oder arbeiten wie die Abbyy-OCR-Maschine und legen über ein Pixel-Bild einen Layer mit Textboxen. Das Ergebnis ist zwar ein durchsuchbares PDF, aber nicht semantisch. „Alle diese Lösungen sind für einfache Belege und für private Zwecke sicherlich nützlich und auch dort, wo nicht zwingend das vollständige Auslesen der Texte und ihrer jeweiligen Bedeutung mit höchster Erkennungsgenauigkeit gefragt ist.“
Semantisch bedeutet, dass nicht nur der reine Text erkannt werden muss, sondern auch die Wortlogik dahinter. Das heißt, bei einem Datum muss das Programm erkennen, ob es sich beispielsweise um ein Lieferdatum oder eine Zahlungsfrist handelt.
In Industrie und Handel wird das semantische Auslesen von Bestell-, Liefer- und Rechnungsinformationen benötigt; für Verwaltungen und Behörden sind Namens- und Adressdaten, Paragraphentexte und Ausführungsbestimmungen sowie Fristen wichtig. Aber auch in Handwerk, Ausbaugewerbe und Baugroßhandel ist das (manuelle) Erfassen von Ausschreibungstexten mit bis zu 300 Textseiten mühselig und zeitraubend.
Kommen z. B. in einem Handelsbetrieb Hunderte von Bestellungen an, die in kurzer Zeit kommissioniert und zur Lieferung bereitgestellt werden müssen, reicht einfache Texterkennung nicht aus. Eintippen dauert zu lange. Scannen mit OCR erfordert Nacharbeit. Selbst neuere Lösungen mit Algorithmen der künstlichen Intelligenz erfordern ein Training der Texterkennung und bieten keine 100-prozentige Sicherheit. Abläufe beim Beleghandling müssen jedoch reibungslos funktionieren.
Als intelligente Capturing-Technologie erfasst der PDF-Mapper® jedes einzelne Feld eines Belegs oder Formulars vollständig und fehlerfrei und spielt seine Stärken insbesondere aus,
PDF-Mapper® beendet Suche nach semantischer Texterkennung
Die Google-Recherche nach „PDF Auslesen“ zeigt unzählige Treffer zu einfachen Tools, weiß Dr. Werner Simon, Geschäftsführer der ExxTainer AG. Aber entweder lesen diese Tools einfach nur den Text ohne weiteren Bezug aus oder arbeiten wie die Abbyy-OCR-Maschine und legen über ein Pixel-Bild einen Layer mit Textboxen. Das Ergebnis ist zwar ein durchsuchbares PDF, aber nicht semantisch. „Alle diese Lösungen sind für einfache Belege und für private Zwecke sicherlich nützlich und auch dort, wo nicht zwingend das vollständige Auslesen der Texte und ihrer jeweiligen Bedeutung mit höchster Erkennungsgenauigkeit gefragt ist.“
Semantisch bedeutet, dass nicht nur der reine Text erkannt werden muss, sondern auch die Wortlogik dahinter. Das heißt, bei einem Datum muss das Programm erkennen, ob es sich beispielsweise um ein Lieferdatum oder eine Zahlungsfrist handelt.
In Industrie und Handel wird das semantische Auslesen von Bestell-, Liefer- und Rechnungsinformationen benötigt; für Verwaltungen und Behörden sind Namens- und Adressdaten, Paragraphentexte und Ausführungsbestimmungen sowie Fristen wichtig. Aber auch in Handwerk, Ausbaugewerbe und Baugroßhandel ist das (manuelle) Erfassen von Ausschreibungstexten mit bis zu 300 Textseiten mühselig und zeitraubend.
Kommen z. B. in einem Handelsbetrieb Hunderte von Bestellungen an, die in kurzer Zeit kommissioniert und zur Lieferung bereitgestellt werden müssen, reicht einfache Texterkennung nicht aus. Eintippen dauert zu lange. Scannen mit OCR erfordert Nacharbeit. Selbst neuere Lösungen mit Algorithmen der künstlichen Intelligenz erfordern ein Training der Texterkennung und bieten keine 100-prozentige Sicherheit. Abläufe beim Beleghandling müssen jedoch reibungslos funktionieren.
Als intelligente Capturing-Technologie erfasst der PDF-Mapper® jedes einzelne Feld eines Belegs oder Formulars vollständig und fehlerfrei und spielt seine Stärken insbesondere aus,
- wenn Beleginhalte komplex (mehrzeilige oder mehrspaltig) aufgebaut sind
- wenn Belege viele Seiten umfassen
- wenn Kopf- und Fußzeilen zwischen erster und Folgeseiten abweichen
- wenn eventuell unterschiedliche Lieferadressen und abweichende Liefertermine pro Belegposition vorhanden sind
- wenn ausführliche Produktbeschreibung oder viele Artikelpositionen verarbeitet werden müssen
- bei fremdsprachigen Inhalten
