Fragen

Fragen & Antworten

Antworten auf die häufigsten Fragen zu KI-Datenextraktion, Vollständigkeit und Datenhoheit.

• Wie prüft man, ob eine KI alle Daten aus einem PDF ausgelesen hat?

  Indem man dem Ergebnis nicht einfach glaubt, sondern es gegen eine unabhängige Lesung des Originals abgleicht: Jeder ausgelesene Wert braucht eine Fundstelle im PDF, jede Zahl im PDF muss im Ergebnis vorkommen, und Zeilenzahlen und Summen müssen aufgehen. Was keine Zuordnung findet, wird als Lücke markiert und in einem Prüfbericht ausgewiesen.

• Warum verlieren KI-Umwandlungen von Dokumenten unbemerkt Daten?

  Weil Sprachmodelle eine plausible Ausgabe erzeugen, keine nachweislich vollständige: Wird ein Dokument zu lang, bricht die Ausgabe ab; komplexe Tabellen werden verkürzt oder verschoben; Fussnoten und Anhänge fallen weg. Das Ergebnis sieht trotzdem fertig aus – der Fehler fällt erst auf, wenn jemand die fehlenden Daten braucht.

• Kann man grosse KI-Modelle nutzen, ohne Daten in die Cloud zu geben?

  Ja. Leistungsfähige Open-Weight-Modelle lassen sich auf eigener Hardware betreiben – im eigenen Rechenzentrum, bei einem Dienstleister im gewünschten Land oder komplett offline. Die Daten verlassen dann nie die kontrollierte Umgebung; der Preis dafür sind GPU-Infrastruktur und Betriebsaufwand.

• Wie wandelt man PDFs in Markdown und JSON für KI-Agenten und RAG um?

  In drei Schritten: das Dokument strukturiert auslesen (Text, Tabellen, Überschriften, Positionen), daraus Markdown für Fliesstext und JSON für feste Felder erzeugen, und das Ergebnis gegen das Original prüfen. Entscheidend ist, dass jedes Element seine Fundstelle behält – sonst kann später weder ein Mensch noch ein Agent eine Antwort belegen.

• Was braucht KI-Dokumentenverarbeitung on-premise oder komplett offline?

  Drei Dinge: Hardware mit ausreichend GPU-Speicher für die gewählten Modelle, eine Software-Kette aus Extraktion, Modellen und Prüfung, die ohne Internetzugang läuft, und einen Betriebsprozess für Updates, Überwachung und Modellwechsel. Wie gross das ausfällt, hängt vor allem von Dokumentmenge und geforderter Prüftiefe ab.