DMSFACTORY erweitert »M-Files« um Machine Learning
Mit der »MachineLearningEngine« von DMSFACTORY für das ECM-System »M-Files« lassen sich Metadaten für neue Dokumente automatisch ermitteln. So kann beispielsweise die Kontierung umfangreicher Rechnungen beschleunigt werden.
Inhalt dieses Artikels
Automatisierte Übertragung von Metadaten
Große Dokumente wie Rechnungen mit hunderten Positionen sind schwer zu überblicken und manuell zu bearbeiten. Daher hat DMSFACTORY für das ECM-System »M-Files« die Erweiterung »MachineLearningEngine« entwickelt. Diese ermittelt auf Grundlage historischer Daten aus bereits abgelegten Dokumenten Metadaten für das jeweils ausgewählte Dokument. Die entsprechenden Felder werden im Hintergrund automatisch mit den ermittelten Werten ausgefüllt. Anwenderinnen und Anwender können die vorgeschlagenen Werte anschließend bestätigen, anstatt sie manuell zu recherchieren und einzutragen.
Hintergrund der Entwicklung
Die Entwicklung von MachineLearningEngine ist aus konkreten Anforderungen und Erfahrungen bei Kundenprojekten entstanden: Wiederholt berichteten Kunden, dass sich Kontierungsstellen und Positionen, die sie immer wieder bei der Rechnungsverarbeitung angaben, nicht zur schnelleren Bearbeitung speichern beziehungsweise automatisch auswählen ließen. Ziel der daher entwickelten MachineLearningEngine ist es, nicht nur bestehende Prozesse zu digitalisieren, sondern das System in die Lage zu versetzen, aus vergangenen Dokumentenablagen zu lernen. Darauf basieren können je nach Anwendungsfall passende Wertevorschläge gemacht werden.
Daten bleiben im Unternehmen
Anders als sprachmodellbasierte Ansätze läuft die Microsoft .NET Framework basierte MachineLearningEngine direkt auf dem M-Files-Server. Es gibt keine Cloud-Anbindung, keine API-Schlüssel und keine laufenden Kosten pro Dokument. Die Daten gelangen nicht nach außen. Für Unternehmen mit hohen Anforderungen an Datenschutz und Betriebssicherheit ist dies ein entscheidendes Argument. Das Modul trainiert sich zudem regelmäßig automatisch nach Zeitplan neu, im laufenden Betrieb und ohne Wartungsfenster.
Jedem Vorschlag der MachineLearningEngine ist ein Wahrscheinlichkeitswert hinterlegt, an dem Anwenderinnen und Anwender ablesen können, wie verlässlich die Angabe ist. Das bildet die Grundlage für eine automatisierte Blindbuchung, wo sie sinnvoll ist. Ist sich das System nicht sicher, schlägt es keinen Wert vor.
Ergänzung zu »DMSFACTORY ContextView«
Der Hersteller empfiehlt die MachineLearningEngine insbesondere im Zusammenspiel mit der DMS-eigenen Erweiterung des M-Files-GUI »ContextView«. Diese verknüpft Objekte wie Rechnung und Rechnungsposition oder Gerät und Zuständigkeit. Die MachineLearningEngine kann passende Metadatenwerte bereits im Moment der Speicherung verbinden – bevor ein Dokument überhaupt geöffnet wird. Felder wie Kostenstelle, Gewerk oder Zuständigkeit stehen dann korrekt fest, statt manuell nachgetragen werden zu müssen. Gerade bei der Rechnungsverarbeitung mit vielen Positionen lässt sich so die passende Kontierung zu Bestellungen und Lieferscheinen automatisiert vorbelegen. Über eine API-Schnittstelle können Nutzerinnen und Nutzer das trainierte Modell auch unabhängig von ContextView in eigene Anwendungen und Skripte einbinden.
Die Preisauskunft zur ab sofort erhältlichen MachineLearningEngine gibt DMSFACTORY nur projektspezifisch.
Weitere Artikel
Doxis erleichtert Vergütungen in SAP SuccessFactors
Für weniger Aufwand bei Vergütungen integriert Doxis die HR-Lösung »SAP SuccessFactors Compensation«. Die neue Anbindung ergänzt die bestehenden Integrationen mit »SAP SuccessFactors Recruiting« und »SAP SuccessFactors Employee Central«.
Esker: Matthias Goehler leitet Produktstrategie
Seit Oktober verstärkt Matthias Goehler das Führungsteam des französischen Softwareunternehmens als Chief Product Officer. Zu seinen Hauptaufgaben zählen der Ausbau der Agentic-AI-Fähigkeiten und eine stärkere Kundenorientierung.



