Dokumentenanalyse ist eine multimodale Technologie der künstlichen Intelligenz, die Computer Vision und natürliche Sprachverarbeitung (NLP) kombiniert. Ziel ist es, Maschinen das Verständnis von Dokumentinhalten mit komplexen Informationen wie Text, Bildern, Tabellen und Seitenlayout zu ermöglichen. Im Gegensatz zur herkömmlichen optischen Zeichenerkennung (OCR), die sich ausschließlich auf die Texterkennung konzentriert, müssen Systeme zur Dokumentenanalyse nicht nur Text erkennen, sondern auch die räumliche Anordnung, visuelle Elemente und semantische Beziehungen zwischen verschiedenen Inhaltselementen innerhalb des Dokuments analysieren. Dadurch werden Informationsextraktion, Inhaltsanalyse und Wissensorganisation erreicht.

Die Entwicklung von Technologien zur Dokumentenanalyse basiert auf verschiedenen Bereichen, darunter OCR, Dokumentenanalyse und vortrainierte Modelle. Frühe Dokumentenverarbeitungssysteme nutzten primär OCR-Technologie in Kombination mit manuell erstellten Regeln zur Texterkennung und Feldextraktion. Bei komplexen Dokumentformaten (wie Verträgen, Rechnungen, Berichten und Formularen) gingen die räumlichen Beziehungen zwischen den Texten jedoch leicht verloren. Im Jahr 2019 schlugen Forscher von Microsoft Research Asia vor… LayoutLM: Vortraining von Text und Layout für das Dokumentenbildverständnis Diese Arbeit kombiniert erstmals Textinformationen mit Dokumentlayoutinformationen in einem vortrainierten Modell. Durch die gemeinsame Modellierung von Textinhalt und zweidimensionaler räumlicher Position wird die Fähigkeit des Modells, die Dokumentstruktur zu verstehen, verbessert, und es hat sich zu einer wichtigen Forschungsarbeit auf dem Gebiet des Dokumentenverständnisses entwickelt.

Mit der Entwicklung vortrainierter Modelle und multimodalen Lernens integrieren moderne Dokumentenanalysemodelle zunehmend verschiedene Informationen wie Text, Bild und Layout. Die Methoden der LayoutLM-Modellreihe erweitern die zweidimensionale Positionskodierung, Bildmerkmale und visuelle semantische Repräsentation und ermöglichen es den Modellen so, komplexere Dokumentenszenarien zu verarbeiten. Diese Technologien finden breite Anwendung in Bereichen wie der intelligenten Dokumentenverarbeitung (IDP), der Analyse von Finanzrechnungen, der Extraktion von Vertragsinformationen, dem Dokumentenmanagement in Unternehmen und der Analyse medizinischer Dokumente.

Die Dokumentenanalyse adressiert primär das Problem, dass herkömmliche OCR-Methoden lediglich Textinhalte extrahieren können und Schwierigkeiten haben, Dokumentstruktur und semantische Beziehungen zu verstehen. Durch die gemeinsame Analyse von Textinhalten, Begrenzungsrahmen und visuellen Merkmalen kann das Modell Feldbeziehungen, Tabellenstrukturen und wichtige Informationen innerhalb eines Dokuments identifizieren und so die Abhängigkeit von manuell erstellten Regelvorlagen reduzieren. Die Dokumentenanalyse hat sich aktuell zu einer wichtigen technologischen Richtung in der intelligenten Informationsverarbeitung von Unternehmen und in multimodalen Systemen der künstlichen Intelligenz entwickelt.