Zwei Modelle lesen das Dokument gleichzeitig, ein drittes liest unabhängig gegen. Entschieden wird pro Feld, nicht pro Dokument. Ein schwaches Feld zieht die anderen nicht mit herunter.
WIE ES FUNKTIONIERT
Keine generische Parser Oberfläche, sondern eine lokale Pipeline für wiederkehrende operative Dokumente.
Doku-Flux liest jedes Dokument als Bild. Drei selbst gehostete Vision-Modelle extrahieren Ihre Felder unabhängig voneinander und stimmen anschließend feldweise ab. Keine Vorlagen, keine Cloud, kein Umweg über fremde KI-Dienste.
Deutsche Infrastruktur
Selbst gehostete Modelle
Drei Modelle stimmen ab
Einheitenbasiert statt Preis pro Dokument
WAS DEN UNTERSCHIED MACHT
Drei unabhängige Meinungen sind belastbarer als eine.
Ein einzelnes Modell kann einen Wert überzeugend falsch lesen, und nichts im Ergebnis verrät es. Doku-Flux lässt denselben Beleg mehrfach lesen und macht die Uneinigkeit sichtbar.
Wenn die Modelle auseinanderlaufen oder ein Wert unplausibel ist, wird das Feld als Ausnahme gekennzeichnet. Eine falsche Schmelznummer ist gefährlicher als eine fehlende.
Das Dokumentbild verlässt die eigene Infrastruktur in Deutschland nicht. Es geht an keinen externen KI-Dienst und in kein Training.
DIE PIPELINE
So arbeitet Doku-Flux im Hintergrund.
Das ist die echte fachliche Abfolge hinter der Oberfläche. Sie erklärt, warum Doku-Flux gerade bei gemischten Dokumentstapeln robust bleibt.
1
Sie benennen die Felder
Sie sagen einmal, was Sie brauchen, zum Beispiel Schmelznummer, Lieferdatum oder Nettobetrag. Doku-Flux ordnet jedem Feld einen Typ zu und weiß damit, wonach es im Dokument sucht.
Ihre Fachsprache, keine Vorlage2
Seiten werden als Bild aufbereitet
PDFs, Scans und Fotos werden zu Seitenbildern gerendert und, wenn nötig, gerade gedreht. Die Drehung ist der einzige Punkt, an dem eine klassische Texterkennung mitwirkt, und sie liest dabei keine Zeichen.
PDF, Scan oder Foto3
Zwei Modelle lesen gleichzeitig
Zwei selbst gehostete Vision-Modelle sehen dasselbe Seitenbild und extrahieren Ihre Felder unabhängig voneinander. Sie sehen die Antwort des jeweils anderen nicht.
Parallel, ohne gegenseitigen Einfluss4
Ein drittes Modell liest unabhängig gegen
Ein größeres Modell macht einen eigenen Durchgang auf demselben Bild. Es bekommt die Zwischenergebnisse bewusst nicht zu sehen, damit es nicht nur bestätigt, was schon dasteht.
Eigene Sicht, kein Nachbessern5
Mehrheitsentscheid je Feld
Pro Feld gewinnt die Mehrheit. Bei Gleichstand entscheidet das dritte Modell. Bleibt echte Uneinigkeit, wird das Feld als Ausnahme gekennzeichnet statt geraten.
Feldweise, nicht dokumentweise6
Normalisieren und auf Plausibilität prüfen
Datumsformate, Mengen und Einheiten werden in eine einheitliche Schreibweise gebracht. Werte, die nicht zum Feldtyp passen, werden zur Prüfung markiert.
Einheitliche Schreibweise7
Strukturierte Ausgabe für den Folgeprozess
Am Ende steht eine saubere Tabelle für CSV, Excel oder den Weiterlauf in Ihr Zielsystem. Nicht als Laborversuch, sondern für den Alltag im Betrieb.
CSV, Excel oder ERP FeedPRAKTISCHE SICHT
Was das für Ihre Dokumente bedeutet.
Die Pipeline trennt klar zwischen dem, worüber sich die Modelle einig sind, und dem, worüber nicht. Genau darin liegt der Vorteil gegenüber generischen Einheitsabläufen.
Wenn die Modelle übereinstimmen
Dann wird der Wert übernommen. Übereinstimmung mehrerer unabhängiger Leser ist das stärkste Signal, das ohne Ihre Prüfung zu haben ist.
- Ergebnis geht direkt in die Tabelle
- Kein Eingriff durch Ihr Team nötig
- Der Normalfall bei sauber gedruckten Belegen
Wenn Layout, Druck oder Bildqualität schwierig werden
Dann laufen die Modelle auseinander, und genau das wird sichtbar gemacht. Das Dokument bleibt im Prozess, die strittigen Felder werden gekennzeichnet.
- Das strittige Feld wird als Ausnahme markiert
- Ihr Team prüft nur diese Felder, nicht den ganzen Stapel
- Lieber ein leeres Feld als eine falsche Schmelznummer
INFRASTRUKTUR UND DATENSCHUTZ
Die Architektur ist auch das Datenschutzversprechen.
Doku-Flux soll nicht nur gut aussehen wie moderne Parser Produkte, sondern strukturell anders gebaut sein. Darum liegen Dokumentspeicherung, Modelle und Verarbeitung vollständig in Deutschland.
Was bewusst nicht passiert
- Keine Übergabe an OpenAI
- Keine Verarbeitung über Google Cloud AI
- Keine Auslagerung an Microsoft Azure AI
- Keine Dokumentverarbeitung über Amazon AWS
Was stattdessen passiert
- Selbst gehostete Vision-Modelle, vollständig unter eigener Kontrolle
- Dokumentverarbeitung auf deutscher Infrastruktur
- Mehrfaches unabhängiges Lesen statt einer einzelnen Modellantwort
- Ausgabe als strukturierte Daten für Ihre Folgeprozesse
Passt diese Architektur zu Ihrem Prozess?
Dann testen wir sie am besten mit Ihren echten Dokumenten und Ihren echten Feldern. Dort zeigt sich sehr schnell, wie viel manueller Aufwand sich tatsächlich aus dem Tagesgeschäft nehmen lässt.