{"id":50404,"date":"2024-09-09T11:42:51","date_gmt":"2024-09-09T09:42:51","guid":{"rendered":"https:\/\/www.d-velop.de\/blog\/?p=50404"},"modified":"2024-10-15T10:09:49","modified_gmt":"2024-10-15T08:09:49","slug":"ki-dokumentenvergleich","status":"publish","type":"post","link":"https:\/\/www.d-velop.de\/blog\/prozesse-gestalten\/ki-dokumentenvergleich\/","title":{"rendered":"Dokumentenvergleich mit KI: Wie semantisches Verst\u00e4ndnis der Schl\u00fcssel zur Effizienz ist"},"content":{"rendered":"\n

Ob die Pr\u00fcfung von Vertr\u00e4gen<\/a>, das Sch\u00e4rfen von Richtlinien oder die Bewertung von Anforderungskatalogen \u2013 im Umgang mit kritischen Inhalten gilt: Nuancen machen den Unterschied. So kann beispielsweise aus einer \u00fcbersehenen Klausel\u00e4nderung ein kostspieliges Problem werden. Wer dem Teufel im Detail nicht zum Opfer fallen m\u00f6chte, muss Dokumente daher in der Regel genau lesen, pr\u00fcfen und vergleichen. Doch wer hat schon die Zeit, jedes Schriftst\u00fcck akribisch zu durchleuchten? Nicht ohne Grund sind Pr\u00fcfungen, die Expertenwissen verlangen, oft das Nadel\u00f6hr in der Prozesskette von Unternehmen.<\/p>\n\n\n\n

Die meisten unterst\u00fctzenden Softwarel\u00f6sungen sto\u00dfen schnell an ihre Grenzen, wenn es um das Verst\u00e4ndnis von Text geht \u2013 sie erkennen zwar W\u00f6rter, aber nicht deren Bedeutung. Hier kommt K\u00fcnstliche Intelligenz ins Spiel: Sie liest Texte wie ein Mensch, nur schneller, genauer und weniger fehleranf\u00e4llig. Ein Dokumentenvergleich mit KI<\/strong> l\u00e4sst sich also nicht von unterschiedlichen Formulierungen aus der Bahn werfen und funktioniert auf semantischer Ebene. Das hei\u00dft, W\u00f6rter und S\u00e4tze werden hinsichtlich ihrer Bedeutung und unter Ber\u00fccksichtigung des Kontexts analysiert. Der folgende Text gibt einen Einblick in die zugrunde liegende Technologie und zeigt auf, wie der KI-basierte Dokumentenvergleich den Weg zu einer effizienteren Textpr\u00fcfung ebnet.<\/p>\n\n\n\n

<\/span>Was hat der Dokumentenvergleich mit unstrukturierten Daten zu tun?<\/span><\/h2>\n\n\n\n

Im Zusammenhang mit KI in Unternehmen h\u00f6rt man oft von \u201eunstrukturierten Daten\u201d. Das sind etwa Textdateien, Pr\u00e4sentationen, E-Mails, Videos, usw. Das Manko: Diese Daten lassen sich nicht einfach durchsuchen und analysieren. Bemerkenswert ist der Fakt, dass der Anteil dieser unstrukturierten Daten in Unternehmen laut Gartner<\/a> 80 % ausmacht. Solange diese Daten unzug\u00e4nglich sind, fehlt die Basis f\u00fcr eine Automatisierung. Wichtige Erkenntnisse und Risiken werden somit nur dann aufgedeckt, wenn Mitarbeitende viele Ressourcen in das Durcharbeiten der Daten investieren. Stetiger Zeitdruck sowie der Mangel an Fachkr\u00e4ften stehen zudem in einem Spannungsverh\u00e4ltnis mit einem hohen Qualit\u00e4tsanspruch, der z.B. beim Vertragsvergleich unerl\u00e4sslich ist. Wie also macht KI aus unstrukturierten strukturierte Daten und schafft so die Grundlage f\u00fcr einen automatisierten Dokumentenvergleich?<\/p>\n\n\n\n

<\/span>Wie KI Texte versteht und Insights generiert<\/span><\/h2>\n\n\n\n

Die KI verwendet verschiedene Technologien, wie z.B. (Large) Language Models, kurz (L)LMs, um Texte auf inhaltlicher Ebene zu verstehen und zu analysieren. Daf\u00fcr werden sogenannte semantische Fingerabdr\u00fccke f\u00fcr einen Satz, Textabschnitt oder auch ein ganzes Dokument erzeugt. Auf diese Weise f\u00e4ngt die KI die wesentlichen Merkmale und Eigenschaften des Textes unter Ber\u00fccksichtigung seiner Bedeutung und seines Kontexts ein. Der semantische Fingerabdruck erfasst somit nicht nur einzelne Worte, sondern den gesamten Sinnzusammenhang des jeweiligen Textes. Mit dieser Methodik wird dessen Essenz extrahiert und in eine strukturierte Form f\u00fcr die Weiterverarbeitung \u00fcberf\u00fchrt \u2013 ganz ohne klassisches und langwieriges Training vorab. Die Daten werden somit zug\u00e4nglich und lassen sich durchsuchen, analysieren und auswerten \u2013 der Grundstein f\u00fcr den Dokumentvergleich mit KI.<\/p>\n\n\n\n

\"Abbildung,<\/a><\/figure>\n\n\n\n
\n

<\/span>Was sind (Large) Language Models? <\/span><\/h2>\n\n\n\n

Ein (Large) Language Model<\/strong> ist ein Computerprogramm, das im ersten Schritt (dem sogenannten Pre-Training) mit unfassbar gro\u00dfen Mengen an Daten trainiert wird, um menschliche Sprache zu verstehen und zu generieren. Im Falle von LLama 3.1 von Meta sind es beispielsweise \u00fcber 11,3 Billionen W\u00f6rter.<\/p>\n\n\n\n

Ein (L)LM verwendet Algorithmen, um in menschlicher Sprache Muster und Zusammenh\u00e4nge zu erkennen und diese nachzubilden. Es trifft also eine Vorhersage, welche W\u00f6rter am wahrscheinlichsten aufeinanderfolgen. In einem weiteren Schritt, dem sogenannten Reinforcement Learning from Human Feedback (RLHF), werden die Sprachmodelle darauf trainiert, zu gegebenen Fragestellungen \u2013 sogenannte Prompts \u2013 Antworten zu generieren. Dadurch sind (L)LMs in der Lage, eine Vielzahl von nat\u00fcrlichsprachlichen Aufgaben wie Textgenerierung, \u00dcbersetzung, Zusammenfassung und Fragenbeantwortung durchzuf\u00fchren.<\/p>\n<\/div><\/div>\n\n\n\n

<\/span>Dokumentenvergleich auf Knopfdruck: Funktionen im \u00dcberblick<\/span><\/h2>\n\n\n\n

F\u00fcr einen unkomplizierten Einstieg in die Nutzung von KI im Unternehmen bietet der semantische Dokumentenvergleich ideale Voraussetzungen. Die semantha \u2013 Compare App<\/a>, die sich m\u00fchelos in ein Dokumentenmanagementsystem, wie d.velop, integrieren l\u00e4sst, zeigt beispielhaft, wie man die Potenziale der KI voll aussch\u00f6pfen kann. Nutzer k\u00f6nnen damit ganz einfach verschiedene Versionen eines Dokuments oder unterschiedliche Dokumentenarten<\/a> miteinander vergleichen \u2013 unabh\u00e4ngig davon, wie deren Inhalte formuliert oder strukturiert sind.<\/p>\n\n\n\n

\"Abbildung,<\/a><\/figure>\n\n\n\n