Konzeption und Erstellung eines Prototyps zur automatischen Texterkennung und Übernahme von Belegdaten für die digitale Projektbuchhaltung

Authors

  • Tim Luca Eggers TH Mittelhessen
  • Harald Ritz TH Mittelhessen
  • Tobias Ebert mbi GmbH

Keywords:

Digitale Buchhaltung, Künstliche Intelligenz, Automatisierte Rechnungserfassung, Software-as-a-Service, Transformer, LayoutLMv3, Transfer Learning, Fine-Tuning, ERP

Abstract

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.

References

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

Published

2023-07-25

Issue

No. 17 (2023)

Section

Theses

License

Copyright (c) 2023 Tim Luca Eggers, Harald Ritz, Tobias Ebert

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.