Dokumentenprozesse mit KI automatisieren - souverän und DSGVO-konform? WZ-IT baut und betreibt lokale KI-Systeme für die Dokumentenverarbeitung - Modell, Extraktion und Ablage auf eigener Infrastruktur, aus einer Hand. Internen Assistenten ansehen
Rechnungen erfassen, Verträge einordnen, Formulare auslesen - Dokumentenprozesse binden in jedem Unternehmen Zeit. KI hebt sie auf eine neue Stufe: weg von reiner Texterkennung, hin zum kontextbezogenen Verstehen. Dieser Artikel erklärt den Unterschied zwischen OCR und intelligenter Dokumentenverarbeitung, die typischen Anwendungsfälle und den souveränen, self-hosted Weg. Stand Oktober 2026.
Inhaltsverzeichnis
- Von OCR zu intelligenter Dokumentenverarbeitung
- Wie LLM-gestützte Verarbeitung funktioniert
- Typische Anwendungsfälle
- Souverän und self-hosted mit Paperless-ngx
- Wann sich der Aufbau lohnt
Von OCR zu intelligenter Dokumentenverarbeitung
Klassische OCR (Optical Character Recognition) erkennt den Text auf einem gescannten Dokument und wandelt ihn in maschinenlesbare Zeichen um - mehr nicht. Sie weiß nicht, ob eine Zahl ein Rechnungsbetrag oder eine Kundennummer ist.
Intelligente Dokumentenverarbeitung (IDP) geht einen Schritt weiter: Sie interpretiert den Inhalt kontextbezogen. Statt nur Zeichen auszulesen, erkennt sie den Dokumenttyp, versteht die Bedeutung der Felder und extrahiert genau die Daten, die der nachgelagerte Prozess braucht. Der Sprung von OCR zu IDP ist der Sprung von „Text lesen" zu „Dokument verstehen".
Wie LLM-gestützte Verarbeitung funktioniert
Sprachmodelle haben IDP deutlich vereinfacht. Früher brauchte jede Dokumentart eine eigene, fest programmierte Vorlage - für jede neue Rechnungsstruktur eine neue Regel. Ein LLM liest ein Dokument dagegen ohne feste Vorlage aus: Es erfasst den Kontext und extrahiert die gefragten Felder, auch wenn das Layout unbekannt ist.
Der klassische Ablauf: OCR wandelt das Dokument in Text, das Sprachmodell klassifiziert es (Rechnung, Vertrag, Formular), extrahiert die relevanten Felder und übergibt das Ergebnis strukturiert an den Folgeprozess. Damit lassen sich auch unstrukturierte Dokumente verarbeiten, an denen regelbasierte Systeme scheitern.
Inzwischen geht es auch ohne den OCR-Schritt: Vision-Language-Modelle (VLM) lesen die Seite direkt als Bild, erfassen Tabellen, Stempel und Layout und geben strukturierten Text oder JSON aus. Docling setzt das mit seiner VLM-Pipeline um, die Dokumente durchgängig mit einem Vision-Modell wie GraniteDocling konvertiert. Klassische OCR bleibt sinnvoll, wenn ein durchsuchbares PDF entstehen soll oder keine GPU für ein Vision-Modell bereitsteht. Welche Modelle sich lokal eignen, vergleicht der Beitrag Vision-Language-Modelle für OCR; wie Rechnungen und Lieferscheine mit selbst gehosteter KI strukturiert erfasst werden, zeigt Dokumente automatisch auslesen mit KI.
Typische Anwendungsfälle
Die Einsatzgebiete sind überall dort, wo Dokumente in Prozesse einfließen:
- Rechnungs- und Belegverarbeitung - Betrag, Datum, Steuersätze und Lieferant auslesen und an die Buchhaltung übergeben.
- Vertrags- und Formularanalyse - Fristen, Parteien und Kernklauseln erkennen.
- Automatische Verschlagwortung und Ablage - Dokumente klassifizieren und am richtigen Ort ablegen.
- Posteingang - eingehende Korrespondenz sortieren und dem richtigen Vorgang zuordnen.
Der gemeinsame Nenner: weniger manuelle Erfassung, weniger Medienbrüche, weniger Fehler.
Souverän und self-hosted mit Paperless-ngx
Gerade weil Dokumente oft sensibel sind - Verträge, Personalakten, Mandanten- oder Patientenunterlagen -, muss der vollständige Datenweg geprüft werden. Bei Berufsgeheimnisträgern sind Cloud-Dienste nicht pauschal ausgeschlossen; Dienst, Konfiguration, beteiligte Personen, Vertragskette und technische Zugriffe müssen aber zum konkreten Einsatz passen.
Ein souveräner Weg kombiniert eine self-hosted Dokumentenlösung mit einem lokalen Sprachmodell. Das quelloffene Paperless-ngx bringt seit Version 3.0.0 eigene KI-Funktionen mit: Vorschläge für Titel, Tags, Korrespondent und Dokumenttyp, einen Dokument-Chat und eine Workflow-Aktion, die Vorschläge automatisch anwendet. Als Backend dient ein lokales Modell über Ollama oder ein OpenAI-kompatibler Server (Konfiguration, Abschnitt AI). Mit lokalem Backend bleibt die Verarbeitung innerhalb der kontrollierten Umgebung. Die Einrichtung beschreibt der Guide Paperless-ngx mit KI einrichten.
Wer eigene Prompts je Dokumentart oder das Befüllen benutzerdefinierter Felder braucht, findet beides im aktiv gepflegten paperless-gpt (MIT-Lizenz). Das frühere Zusatzprojekt Paperless-AI ist laut Repository seit dem 31. März 2026 nicht mehr in Wartung und eignet sich nicht mehr für neue Installationen. Die Modellwahl ordnet Welches LLM selbst hosten? ein.
Soll nicht nur abgelegt, sondern eine konkrete Dokumentklasse wie Eingangsrechnungen mit festen Zielfeldern und Prüfregeln ausgelesen werden, setzt WZ-IT das als KI-Dokumentenverarbeitung auf eigener Infrastruktur um.
Wann sich der Aufbau lohnt
KI-Dokumentenverarbeitung rechnet sich, sobald regelmäßig viele Dokumente durch einen Prozess laufen und die manuelle Erfassung spürbar Zeit bindet. Je gleichförmiger der Dokumentstrom und je klarer die zu extrahierenden Felder, desto schneller der Nutzen.
Für sensible Unterlagen kommt die Compliance-Dimension hinzu: Hier ist der self-hosted Betrieb nicht nur effizienter, sondern oft die einzige zulässige Variante. Wie ein solches System als durchgängiges Wissenssystem gedacht wird, zeigt Was ist RAG? - Dokumentenverarbeitung und Wissensabruf greifen dabei ineinander.
