Konzeption und Erstellung eines Prototyps zur automatischen Texterkennung und Übernahme von Belegdaten für die digitale Projektbuchhaltung
Schlagworte:
Digitale Buchhaltung, Künstliche Intelligenz, Automatisierte Rechnungserfassung, Software-as-a-Service, Transformer, LayoutLMv3, Transfer Learning, Fine-Tuning, ERPAbstract
Die Verwendung von künstlicher Intelligenz verspricht Automatisierung und Zeit- sowie Kosteneinsparungen. Diese Potenziale können auch in der Rechnungserfassung für die digitale Buchhaltung angewendet werden.
So wird in der Thesis die bisherige, manuelle Belegerfassung der digitalen Belege von WINPACCS, einer Projektbuchhaltungsanwendung für internationale Entwicklungszusammenarbeit der mbi GmbH, bezüglich einer KI-Optimierung untersucht.
Literaturhinweise
Ebener, Stefan (2020): Natural Language Processing in der KI, in: Rüdiger Buchkremer; Thomas Heupel und Oliver Koch (Herausgeber) Künstliche Intelligenz in Wirtschaft & Gesellschaft: Auswirkungen, Heraus-forderungen & Handlungsempfehlungen, Springer Fach-medien
Evelson, Boris; Katz, Aaron; Lozada, Angela und Barton, Jen (2022): Document-Oriented Text Analytics Platforms, The Forrester Wave
Haneke, Uwe; Trahasch, Stephan; Zimmer, Michael und Felden, Carsten (2019): Data Science: Grundlagen, Architekturen und Anwendungen, dpunkt.verlag
Huang, Yupan; Lv, Tengchao; Cui, Lei; Lu, Yutong und Wei, Furu (2022): LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking, arXiv, URL https://arxiv.org/abs/2204.08387
Downloads
Veröffentlicht
Ausgabe
Rubrik
Lizenz
Copyright (c) 2023 Tim Luca Eggers, Harald Ritz, Tobias Ebert
Dieses Werk steht unter der Lizenz Creative Commons Namensnennung 4.0 International.
