<\/span><\/h2>\n\n\n\nDie Entwicklung von IDP l\u00e4sst sich in einem Satz zusammenfassen: Die Wertsch\u00f6pfungskette endet nicht mehr beim sauber ausgelesenen Dokument.<\/p>\n\n\n\n
Klassische IDP-Systeme hatten eine klar umrissene Aufgabe. Ein Dokument wurde erkannt, klassifiziert, extrahiert und an Mitarbeitende oder ein Folgesystem \u00fcbergeben. Die eigentliche Entscheidung fand au\u00dferhalb des Systems statt. Diese Trennlinie verschiebt sich gerade. Moderne Plattformen verbinden Dokumentenanalyse zunehmend mit Workflow-Funktionen, Regelwerken, Stammdaten und Kontextwissen. Daraus entsteht ein neuer Systemcharakter: Aus einem Analysesystem wird schrittweise ein prozessnahes, teilweise sogar handelndes System.<\/p>\n\n\n\nDas Ziel ist, Mitarbeitenden fallabschlie\u00dfende Entscheidungen zu erm\u00f6glichen \u2013 Ren\u00e9 Weseler<\/strong>,Das System soll nicht nur sagen, was in einem Dokument steht, sondern idealerweise auch, was als N\u00e4chstes passieren sollte. Wie weit Unternehmen diesen Schritt gehen wollen, ist offen \u2013 gerade in sensiblen Kernprozessen. Die Richtung aber ist klar: IDP wird von einer vorgelagerten Erkennungstechnologie zu einer intelligenten Prozesskomponente.<\/p>\n\n\n\n
<\/span>Wie man LLMs sinnvoll f\u00fcr Dokumente einsetzt<\/span><\/h2>\n\n\n\nSobald \u00fcber KI in Dokumentenprozessen gesprochen wird, landet die Diskussion fast automatisch bei Large Language Models. Das ist nachvollziehbar: Diese Modelle haben die Wahrnehmung des Themas stark ver\u00e4ndert. Sie sind leistungsf\u00e4hig, leicht zug\u00e4nglich und in vielen Szenarien beeindruckend. Deshalb sind sie ein wichtiger Baustein, aber nicht automatisch die beste L\u00f6sung f\u00fcr jeden Anwendungsfall.<\/p>\n\n\n\n
LLMs sind generative Systeme. Sie lesen Informationen nicht einfach aus, sie erzeugen Antworten. Darin liegt ihre St\u00e4rke. In hochvolumigen, regulierten Prozessen, in denen Ergebnisse reproduzierbar, erkl\u00e4rbar und auditierbar sein m\u00fcssen, braucht es auch andere Eigenschaften. <\/p>\n\n\n\n
Wer hohe Dunkelverarbeitungsquoten in einem Kernprozess erreichen will, braucht vor allem Stabilit\u00e4t. Deshalb bleiben selbst trainierte Machine-Learning-Modelle in vielen Anwendungsf\u00e4llen die bessere Wahl. Sie lassen sich auf konkrete Dokumententypen trainieren, liefern bei identischem Input identische Ergebnisse und schaffen ein Ma\u00df an Nachvollziehbarkeit, das gerade in regulierten Umgebungen z\u00e4hlt.<\/p>\n\n\n\n
Das hei\u00dft nicht, dass LLMs keine Rolle spielen. Im Gegenteil: Sie entfalten ihre St\u00e4rken dort, wo Sprachverst\u00e4ndnis, Einordnung, Bewertung oder Zusammenfassung gefragt sind. In der Praxis zeigt sich deshalb zunehmend ein differenzierter Ansatz. Selbst trainierte Modelle \u00fcbernehmen die robuste, reproduzierbare Extraktion. LLMs erg\u00e4nzen dort, wo zus\u00e4tzliche semantische Tiefe gefragt ist oder wo Ergebnisse ohnehin von einem Menschen gepr\u00fcft werden. Der Markt wird hier sichtbar reifer: Unternehmen fragen nicht mehr nur nach KI, sondern sehr konkret danach, welche Technologie f\u00fcr welchen Use Case sinnvoll ist. Ein Multi-KI-Ansatz sorgt bei Buildsimple beispielsweise daf\u00fcr, dass f\u00fcr jede Aufgabe das passende Verfahren zum Einsatz kommt \u2013 f\u00fcr stabile, wirtschaftliche und nachvollziehbare Ergebnisse.<\/p>\n\n\n\n
<\/span>Qualit\u00e4t entscheidet sich nicht im Pilotprojekt, sondern im Betrieb<\/span><\/h2>\n\n\n\nEin weiteres Missverst\u00e4ndnis ist die Annahme, ein erfolgreicher Pilot sei bereits der Beweis f\u00fcr einen funktionierenden Produktivbetrieb. In Wahrheit beginnt die eigentliche Herausforderung oft erst danach.<\/p>\n\n\n\n
Fr\u00fcher konzentrierte sich Qualit\u00e4tssicherung vor allem auf klassische OCR-Fehler. Heute geht es st\u00e4rker um Vertrauen in die KI selbst. Kann das System seine Ergebnisse stabil reproduzieren? Lassen sie sich erkl\u00e4ren? Und wie wird verhindert, dass fehlerhafte Ergebnisse unbemerkt durch einen Prozess laufen?<\/p>\n\n\n\n
Ein bew\u00e4hrter Weg ist die Arbeit mit Konfidenzwerten. Systeme liefern f\u00fcr Klassifikation und Extraktion Wahrscheinlichkeiten mit, die im produktiven Einsatz \u00fcber einen definierten Zeitraum kalibriert werden. Zu Beginn pr\u00fcfen Menschen die Ergebnisse engmaschig nach \u2013 vollst\u00e4ndig oder anhand eines repr\u00e4sentativen Sets. Auf dieser Basis lassen sich Schwellenwerte definieren, ab denen F\u00e4lle sicher automatisiert verarbeitet werden k\u00f6nnen. Alles darunter bleibt bei den Sachbearbeitenden.<\/p>\n\n\n\n
Dieses Zusammenspiel aus Automatisierung und kontrollierter menschlicher Pr\u00fcfung ist in vielen Projekten der entscheidende Erfolgsfaktor. Im B2B-Umfeld geht es nicht um spektakul\u00e4re Demos, sondern um belastbare Prozesse unter realen Bedingungen.<\/p>\n\n\n\n
<\/span>Praxisbeispiel: DMB Rechtsschutz zeigt, wie IDP heute funktioniert<\/span><\/h2>\n\n\n\nWie diese Entwicklung konkret aussehen kann, zeigt das gemeinsame Projekt von d.velop und Buildsimple bei der DMB Rechtsschutz-Versicherung AG. Buildsimple ist eine Plattform f\u00fcr dokumentenbasiertes Inputmanagement, die KI-gest\u00fctzte Dokumentenerkennung mit nahtloser Integration in bestehende DMS- und Workflow-Systeme verbindet.<\/p>\n\n\n\n
Die DMB Rechtsschutz betreut mit 63 Mitarbeitenden \u00fcber 140.000 Versicherungsvertr\u00e4ge und verarbeitet j\u00e4hrlich rund 160.000 eingehende Dokumente \u00fcber drei Eingangskan\u00e4le. Schon vor dem Projekt nutzte das Unternehmen d.velop documents f\u00fcr die digitale Archivierung und Workflow-Steuerung. Die Herausforderung lag im vorgelagerten Dokumenteneingang: Viele Unterlagen mussten manuell gesichtet und den zust\u00e4ndigen Fachbereichen zugeordnet werden. Das kostete Zeit, band Kapazit\u00e4ten und erh\u00f6hte die Fehleranf\u00e4lligkeit.<\/p>\n\n\n\n
Die Ausgangslage war typisch f\u00fcr viele Versicherer. Eingehende Briefe wurden zun\u00e4chst von einem Scan-Dienstleister digitalisiert und vorinitialisiert. Konnten dabei Vertrags- oder Schadennummern erkannt werden, war eine maschinelle Zuordnung m\u00f6glich. Fehlten solche Informationen oder handelte es sich um Faxe und E-Mails, musste die interne Posteingangsstelle die Dokumente sichten und manuell weiterleiten.<\/p>\n\n\n\n
Gesucht war deshalb keine isolierte KI-L\u00f6sung, sondern eine intelligente Erg\u00e4nzung f\u00fcr einen bereits bestehenden dokumentenbasierten Prozess \u2013 und zwar so, dass sie sich nahtlos in die vorhandene d.velop-Infrastruktur integrierte. Innerhalb von acht Monaten setzte Buildsimple gemeinsam mit d.velop und DMB Rechtsschutz eine produktive L\u00f6sung um, die heute mehr als 70 Dokumentenklassen sicher erkennt und relevante Fachdaten wie Vertrags-, Schaden- und Vermittlernummern extrahiert. Sowohl bei der Dokumentenklassifikation als auch bei der Erkennung der Fachdaten werden Trefferquoten von \u00fcber 90 Prozent erreicht.<\/p>\n\n\n\nIm Januar 2025 haben wir mit der Implementierung begonnen und konnten das Projekt innerhalb von acht Monaten umsetzen. Da k\u00f6nnen wir in der Zusammenarbeit zwischen d.velop, Buildsimple und DMB Rechtsschutz m\u00e4chtig stolz drauf sein.<\/p>Mario Dederichs<\/strong>,Vom KI-Modell zur integrierten Prozessl\u00f6sung<\/h3>\n\n\n\n Interessant ist auch der technologische Ansatz. Buildsimple setzt auf ein Foundation Model: Statt KI-Modelle f\u00fcr jeden Anwendungsfall von Grund auf zu trainieren, baut die Plattform auf einem vortrainierten Sprach- und Strukturverst\u00e4ndnis auf. So lassen sich individuelle Modelle mit deutlich weniger Trainingsmaterial entwickeln: Im DMB-Rechtsschutz-Projekt gen\u00fcgten rund 100 Beispiele pro Dokumentenklasse statt mehrerer tausend, die klassische Verfahren typischerweise ben\u00f6tigen.<\/p>\n\n\n
\n
\n\t\t\t\n\t\t\t\tDer eigentliche Hebel liegt jedoch nicht in der Erkennung, sondern in der Integration. Buildsimple band seine L\u00f6sung vollst\u00e4ndig in das bestehende d.velop-System ein. So entstand ein End-to-End-Prozess von der Dokumentenerkennung \u00fcber die Datenextraktion bis zur \u00dcbergabe in die Workflows. Genau daran zeigt sich, wohin sich IDP entwickelt: nicht zu einem losgel\u00f6sten Spezialwerkzeug, sondern zu einer intelligenten Prozesskomponente innerhalb einer gewachsenen Systemlandschaft. F\u00fcr die DMB Rechtsschutz bedeutet das weniger manuellen Aufwand im Posteingang, schnellere Zuordnung, h\u00f6here Prozessqualit\u00e4t und mehr Zeit f\u00fcr die fachlich anspruchsvollen F\u00e4lle.<\/p>\n\n\n\n
Praxisbeispiel im Video anschauen<\/h3>\n\n\n\n
![\"Grafik](\"https:\/\/www.d-velop.de\/blog\/wp-content\/uploads\/2026\/05\/idp-dokumentenverarbeitung-prozessintelligenz-ki-integration-1090x610.png\")