Warum der erste Schritt die Klassifikation ist
Man könnte versuchen, sofort Felder zu extrahieren. Dann müsste aber jemand — oder etwas — vorher wissen, welches Modell zu welchem Dokument gehört. Genau diese Information erzeugt die Klassifikation, und sie erzeugt sie in einer Form, die die Maschine weiterverarbeiten kann.
Aus einem Stapel werden Dokumente
Was im Eingang liegt, ist selten ein Dokument — es ist ein Scanstapel. Die Klassifikation erkennt die Grenzen und schreibt jedes Teildokument mit seinen eigenen Seiten als eigene Datei heraus. Alles danach arbeitet auf einem sauber abgegrenzten Einzeldokument.
Die Kategorie ist der Routing-Schlüssel
Erkennungsmodelle sind pro Dokumentart konfiguriert. Ohne Kategorie gibt es keinen deterministischen Weg zum richtigen Modell — mit ihr wird die Modellwahl zu einem Nachschlagevorgang, den die Maschine ohne Rückfrage erledigt.
Der günstige Schritt kommt vor dem teuren
Klassifiziert wird nur auf den ersten Seiten. Die aufwendige Feldextraktion läuft danach genau einmal, mit genau einem Modell, auf genau dem passenden Teildokument — statt „alle Modelle gegen jedes Dokument“ zu probieren.
Die Konfidenz kommt gratis mit
Jede Kategorie kommt mit einem Sicherheitswert. Damit lässt sich vor der Analyse entscheiden, ob ein Dokument automatisch weiterlaufen darf — eine unsichere Zuordnung erzeugt so nie falsche Metadaten im Zielsystem, sondern einen Prüffall.