KKC_0227 | LLM-Dokumentenanalyse und Pipelines Grundkurs

Dieses Seminar richtet sich an alle, die automatisierte Dokumentenanalyse mit LLMs nicht als Demo, sondern als verlässlichen Prozess aufbauen wollen. Sie starten mit der Frage, welche Dokumenttypen und Use Cases sich wirklich eignen und wie Sie Erfolgskriterien definieren: Welche Fakten müssen extrahiert werden, wie genau, wie vollständig und wie nachvollziehbar. Danach gehen Sie in die technische Basis: Ingestion und Vorverarbeitung.

Sie lernen, wie Parsing und OCR-Optionen zusammenspielen, wie Sie Layout und Tabellen sinnvoll berücksichtigen und warum Metadaten wie Seitenzahlen und Abschnittsgrenzen später entscheidend für Belege sind. Im Kern erarbeiten Sie schema-basierte Extraktion, bei der das LLM strukturierte JSON-Ergebnisse liefert. Sie üben, wie Sie Felder wie Beträge, Fristen, Vertragsparteien, Pflichten oder Risiken definieren, wie Sie Validierung und Plausibilitätschecks einbauen und wie mehrstufige Prompts mit Selbstprüfung die Fehlerquote senken.

Darauf aufbauend setzen Sie RAG ein, um Aussagen mit Quellenstellen zu belegen: Embeddings, Vektorsuche, Re-Ranking und Zitat-Ausgabe mit Seiten- und Abschnittsverweisen. Abschließend geht es um Qualitätssicherung und Betrieb: Gold-Sets, Review-Workflows, Messgrößen, Prompt-Regressionstests, Logging, Datenschutz und Kostenkontrolle. Sie gehen mit einem belastbaren Bauplan für eine auditierbare Dokumentenanalyse-Pipeline nach Hause.

• Geeignete Dokumenttypen, Use Cases und Erfolgskriterien definieren
• Ingestion, Parsing, OCR, Layout und Metadaten strukturiert einordnen
• Schema-basierte Extraktion mit validierbaren JSON-Ergebnissen planen
• Felder, Plausibilitätschecks und mehrstufige Prompts entwickeln
• RAG für Quellenbelege mit Seiten- und Abschnittsverweisen einsetzen
• Gold-Sets, Review-Workflows und Prompt-Regressionstests vorbereiten
• Datenschutz, Logging und Kostenkontrolle für Dokumentenpipelines berücksichtigen

Das Seminar richtet sich an Fach- und IT-Teams, Prozessverantwortliche, Entwickler/innen, Data-Teams und Projektleitungen, die Dokumentenanalyse mit LLMs umsetzen möchten.

Grundlegende Kenntnisse zu digitalen Dokumentenprozessen sind hilfreich. Technische Vorkenntnisse zu KI, Datenverarbeitung oder APIs erleichtern die praktische Einordnung.

• Use Cases, Grenzen, Erfolgskriterien
  • Dokumenttypen: PDF, E-Mail, Scans, Office
  • Qualitätsziele: Genauigkeit, Abdeckung, Nachvollziehbarkeit
  • Risiken: Halluzinationen, Datenschutz, Bias
• Dokument-Ingestion und Vorverarbeitung
  • Parsing, OCR-Optionen, Layout-Erhalt
  • Chunking-Strategien für lange Dokumente
  • Metadaten: Seiten, Absätze, Tabellen, Anhänge
• Informations-Extraktion mit LLMs
  • Schema-basierte Extraktion (JSON), Validierung
  • Entitäten, Beträge, Fristen, Pflichten, Risiken
  • Mehrstufige Prompts und Self-Check
• RAG für Belege und Quellenstellen
  • Embeddings, Vektorsuche, Re-Ranking
  • Zitate mit Seiten- und Abschnittsverweisen
  • Kontextfenster, Top-k, Deduplizierung
• Zusammenfassungen, die auditierbar sind
  • Executive Summary vs. Fachzusammenfassung
  • Claim-Evidence-Format: Aussage plus Beleg
  • Konflikte und Unsicherheiten markieren
• Qualitätssicherung und Tests
  • Gold-Set, Stichproben, Review-Workflows
  • Messgrößen: Extraktions-Accuracy, Coverage, Latency
  • Prompt-Regressionstests und Versionierung
• Security, Compliance und Betrieb
  • PII-Handling, Redaction, Zugriffskonzepte
  • Logging, Monitoring, Kostenkontrolle
  • Deployment-Optionen: API, On-Prem, Hybrid