Innovative KI-Dokumentenverarbeitung im Banking

Warum Banken ein Dokumentenproblem haben

Kein Unternehmenstyp arbeitet mit so vielen Dokumenten wie eine Bank. Energieausweise, Grundbuchsauszüge, Gehaltsabrechnungen, Jahresabschlüsse, Kaufverträge, Bilanzen, Fondsberichte: Die Liste ist lang, die Formate sind heterogen, die Qualität ist schwankend. In der Praxis führt das seit Jahren zu demselben Muster: Ein PDF wird abgelegt, drei Sachbearbeitende schauen nacheinander hinein, tippen dieselben Daten ab und geben sie in ihre jeweiligen Systeme ein. Das kostet Zeit, bindet Kapazitäten und erzeugt Fehlerquellen.

Das zeigt: Die Realität in der Dokumentenverarbeitung weicht erheblich vom Zielbild ab. Während Banken strukturierte, standardisierte und maschinenlesbare Datensätze benötigen, arbeiten sie mit eingescannten Dokumenten, uneinheitlichen Layouts, handschriftlichen Ergänzungen und inhaltlich komplexen Unterlagen. Die Lücke zwischen Wunsch und Wirklichkeit ist groß.

Drei Mehrwerte, die den Unterschied machen

Warum sollte eine Bank in eine KI-Dokumentenverarbeitung investieren? Die Antwort liegt in drei konkreten Mehrwerten.

Geschwindigkeit als Wettbewerbsfaktor: Wenn ein Baufinanzierungskunde Unterlagen einreicht und anschließend zwei Wochen warten muss, bis die Dokumente zwischen Vertrieb und Marktfolge hin- und hergereicht wurden, ist das ein klarer Nachteil gegenüber schnelleren Wettbewerbern. Wer Dokumente sofort beim Eingang prüft, klassifiziert und digitalisiert, kann dem Kunden innerhalb von Sekunden Rückmeldung geben.

Effizienz durch Datensätze statt PDFs: Ein digitalisiertes Dokument lebt als strukturierter Datensatz im System, nicht als statisches PDF, das immer wieder manuell geöffnet werden muss. Das eliminiert redundante Arbeitsschritte und macht Informationen systemübergreifend nutzbar.

Fachkräftemangel entschärfen: Teams, die schon „unter Wasser stehen“, profitieren davon, wenn das Wissen aus Dokumenten automatisiert in IT-Systeme überführt wird. Die KI ersetzt keine Fachkräfte, entlastet sie aber bei repetitiven Tätigkeiten.

Das Vier-Ebenen-Modell der KI-Dokumentenverarbeitung

Ein zentrales Strukturierungsprinzip für die KI-Dokumentenverarbeitung im Banking ist das Vier-Ebenen-Modell. Es hilft, den eigenen Bedarf präzise einzuordnen und die passende Lösungstiefe zu wählen.

Ebene 1: Korrektheitsprüfung. Die erste Frage lautet: Ist das eingereichte Dokument überhaupt das richtige? Ist es lesbar? Ist die Qualität ausreichend? Früher erforderte diese Klassifizierung regelbasierte Input-Management-Systeme. Heute übernehmen Sprachmodelle diese Aufgabe schneller und kostengünstiger. Der entscheidende Vorteil: Fehlerhafte oder unzureichende Dokumente werden direkt beim Eingang erkannt und nicht erst in der Marktfolge.

Ebene 2: Digitalisierung. Hier wird das Dokument in einen strukturierten Datensatz verwandelt. Tabellen, Felder, Abschnitte werden identifiziert, extrahiert und in das Zielformat (typischerweise JSON) transformiert. Das Ergebnis: Alle nachgelagerten Prozesse arbeiten mit Daten statt mit PDFs.

Ebene 3: Inhaltliche Validierung. Die Königsklasse. Der Datensatz wird fachlich geprüft, gegen Richtlinien der Bank gescort und inhaltlich bewertet. Das schafft erstmals eine einheitliche Sicht über Abteilungsgrenzen hinweg. In der Baufinanzierung bedeutet das: Der Vertrieb sieht, was die Marktfolge voraussichtlich finden wird und umgekehrt.

Ebene 4: Fraud-Prüfung. Eine optionale, separate Komponente für Institute mit entsprechendem Risikoprofil. Sie sucht nach Pixelabweichungen, kopierten Zahlen und Metadaten-Anomalien in manipulierten PDFs. Anmerkung: Dies ist kein Standard, sondern ein gezieltes Werkzeug für bestimmte Geschäftsmodelle.

Der Technologie-Mix: OCR, VLMs und Computer Vision

Ein häufiger Fehler in der Praxis: Ein Dokument wird in ein einzelnes Sprachmodell geladen – mit der Erwartung, dass dieses alles erledigt. Doch das funktioniert nicht zuverlässig. Die Qualität entsteht durch einen gestaffelten Mix aus drei Technologien.

OCR (Texterkennung) bildet die Basis. Sie erkennt grobe Strukturen im Dokument, extrahiert Text aus einfachen Abschnitten und identifiziert handschriftliche Inhalte. Alles, was strukturell unkompliziert ist, wird hier bereits zuverlässig und kostengünstig verarbeitet. Komplexere Elemente werden an die nächste Stufe ausgesteuert.

Visuelle Sprachmodelle (VLMs) sind der entscheidende technologische Fortschritt der letzten Monate. Multimodale Modelle verstehen Inhalte im visuellen Kontext: Tabellen, die über mehrere Seiten laufen, Formulare mit verschachtelten Strukturen, Diagramme in Geschäftsberichten. Noch vor ein bis zwei Jahren war eine Verarbeitung solcher Inhalte nicht zuverlässig möglich. Heute können Banken erstmals Dokumente ganzheitlich verarbeiten, einschließlich ihrer grafischen Bestandteile.

Computer Vision bereitet schwierige Dokumentenpassagen für die KI-Verarbeitung auf. Sie optimiert Bilder durch Kontrastanpassung, bereinigt Hintergründe und segmentiert das Layout in Kopfzeile, Textbereich und Fußzeile. Das Ergebnis sieht für Menschen oft ungewöhnlich aus, ermöglicht aber den KI-Modellen signifikant bessere Ergebnisse.

Sechs Quality Gates für über 95 Prozent Erkennungsquote

Die Qualitätssicherung produktiver KI-Dokumentenverarbeitung erfolgt über sechs gestaffelte Quality Gates:

• Preprocessing,
• Layout-Analyse,
• Template Matching,
• Named Entity Recognition,
• Plausibilitätsprüfung und
• Majority Voting.

Jede Stufe überprüft und verfeinert das Ergebnis der vorherigen.

Besonders bemerkenswert: Das abschließende Majority Voting kombiniert mehrere KI-Modelle, um Restfehler zu reduzieren. Durch die Kombination komplementärer Engine-Stärken werden Schwächen einzelner Modelle ausgeglichen. LLM-gestützte Plausibilitätsprüfung und Cross-Field-Abgleich sorgen für rechnerische Konsistenz.

Automatische Schema-Erkennung: Ein Gamechanger für das Input-Management

Eine weitere technologische Neuerung verdient besondere Aufmerksamkeit. Bisher brauchte jede Dokumentenart ein vordefiniertes Schema: Die Bank musste vorab festlegen, welche Felder in welchem Dokumententyp erwartet werden. Moderne KI kann diese Schemata selbst generieren.

Ein gutes Beispiel dafür ist ein Lufthansa-Express-Bus-Ticket, ein Dokumententyp, der dem System zuvor nicht bekannt war. Die KI erkennt selbstständig die relevanten Datenfelder (Issue Date, Total Price, Passenger Name, Company Details) und extrahiert sie korrekt. Für das Input-Management von Banken ist das ein erheblicher Fortschritt: Auch unbekannte Dokumententypen können sofort zu strukturierten Datensätzen verarbeitet werden. Die Dunkelverarbeitung rückt damit näher.

Plattform-Architektur: EU-Cloud und Datensouveränität

Ein Aspekt, der in der Diskussion mit Bankentscheidenden immer relevant ist: Wo laufen die Daten? Die msg-GenAI-Plattform basiert auf einer Microservices-Architektur, gehostet auf AWS in Frankfurt a. M. (alternativ Azure oder Stackit). Zwei Komponenten sind bewusst voneinander entkoppelt: der Service-Betrieb und der Sprachmodell-Betrieb. Das gewährleistet maximale Souveränität gegenüber einzelnen Anbietern.

Die Verarbeitung erfolgt datensparsam: Es erfolgt eine temporäre Speicherung in sicherem Cloudspeicher mit sofortiger Löschung nach erfolgreicher Verarbeitung. Die Auftragsdatenverarbeitung entspricht banküblichen Standards.

Fazit: KI-Dokumentenverarbeitung wird zur strategischen Fähigkeit

Die KI-Dokumentenverarbeitung hat in den letzten Monaten eine Schwelle überschritten: visuelle Sprachmodelle, leistungsfähigere OCR und Computer Vision ermöglichen erstmals eine ganzheitliche Verarbeitung, egal ob strukturierter Ausdruck oder verwackeltes Handyfoto. Für Entscheiderinnen und Entscheider in Banken ergeben sich daraus drei Handlungsoptionen:

1. Quick Win: Korrektheitsprüfung beim Dokumenteneingang automatisieren. Geringer Aufwand, sofortige Wirkung auf Durchlaufzeiten.
2. Kernprojekt: Digitalisierung der volumenstärksten Dokumententypen (Gehaltsabrechnungen, Energieausweise, Grundbücher) mit strukturierter Datenübergabe an Folgesysteme.
3. Strategische Differenzierung: Inhaltliche Validierung als fachliche Vorprüfung, die Silos überbrückt und Kunden echte Geschwindigkeit liefert.

Die Technologie ist reif. Die Frage ist nicht mehr ob, sondern in welcher Tiefe Banken ihre Dokumentenprozesse automatisieren.