Dokument Intelligenz-Belegmodell

Wichtig

• Public Preview-Releases von Dokument Intelligenz bieten frühzeitigen Zugriff auf Features, die sich in der aktiven Entwicklung befinden.
• Features, Ansätze und Prozesse können sich aufgrund von Benutzerfeedback vor der allgemeinen Verfügbarkeit (General Availability, GA) ändern.
• Die öffentliche Vorschauversion der Clientbibliotheken für Dokument-Intelligence ist standardmäßig die REST-API-Version 2024-02-29-preview.
• Öffentliche Vorschauversion 2024-02-29-preview ist derzeit nur in den folgenden Azure-Regionen verfügbar:
• USA, Osten
• USA, Westen 2
• Europa, Westen

Dieser Inhalt gilt für:v4.0 (Vorschau) | Vorherige Versionen:v3.1 (GA)v3.0 (GA)v2.1 (GA)

Das Belegmodell von Dokument Intelligenz kombiniert leistungsstarke OCR-Funktionen (Optical Character Recognition, optische Zeichenerkennung) mit Deep Learning-Modellen, um wichtige Informationen aus Kaufbelegen zu analysieren und zu extrahieren. Belege können verschiedene Formate und unterschiedliche Qualität aufweisen, einschließlich gedruckter und handschriftlicher Belege. Die API extrahiert Schlüsselinformationen wie Händlername, Händlertelefonnummer, Transaktionsdatum, Steuer und Transaktionssumme und gibt strukturierte JSON-Daten zurück.

Unterstützte Belegtypen:

• Thermal
• Kreditkarte
• Gas
• Parkplatz
• Hotel
• Transport
• Kommunikation
• Entertainment
• Flug
• Training
• Apotheke/Medizin

Datenextraktion von Belegdaten

Die Digitalisierung von Belegen umfasst die Umwandlung verschiedener Belegtypen, einschließlich gescannter, fotografierter und gedruckter Kopien, in ein digitales Format für eine optimierte Nachverarbeitung. Beispiele hierfür sind Kostenverwaltung, Verbraucherverhaltensanalyse oder die Automatisierung von Steuern. Mithilfe von Dokument Intelligenz mit OCR-Technologie (Optical Character Recognition) können Daten aus diesen verschiedenen Belegformaten extrahiert und interpretiert werden. Die Dokument Intelligenz-Verarbeitung vereinfacht nicht nur den Konvertierungsprozess, sie reduziert auch Zeit- und Arbeitsaufwand erheblich und ermöglicht so mehr Effizienz bei Datenverwaltung und -abruf.

Beispielbeleg, der mit Dokument Intelligenz Studio verarbeitet wurde:

Entwicklungsoptionen

Document Intelligence v4.0 (2024-02-29-preview, 2023-10-31-preview) unterstützt die folgenden Tools, Anwendungen und Bibliotheken:

Funktion	Ressourcen	Modell-ID
Belegmodell	• Document Intelligence Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK	prebuilt-receipt

Eingabeanforderungen

• Die besten Ergebnisse erzielen Sie, wenn Sie pro Dokument ein deutliches Foto oder einen hochwertigen Scan bereitstellen.

• Unterstützte Dateiformate:

  Modell	PDF	Bild: JPEG/JPG, PNG, BMP, TIFF, HEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX) und HTML
  Lesen	✔	✔	✔
  Layout	✔	✔	✔ (2024-02-29-preview, 2023-10-31-preview)
  Allgemeines Dokument	✔	✔
  Vordefiniert	✔	✔
  Benutzerdefinierte Extraktion	✔	✔
  Benutzerdefinierte Klassifizierung	✔	✔	✔ (2024-02-29-preview)

• In den Formaten PDF und TIFF können bis zu 2.000 Seiten verarbeitet werden (bei einem kostenlosen Abonnement werden nur die ersten beiden Seiten verarbeitet).

• Die Dateigröße für die Analyse von Dokumenten beträgt 500 MB für die kostenpflichtige (S0) und 4 MB für die kostenlose (F0) Stufe.

• Die Bildgrößen müssen im Bereich zwischen 50 × 50 Pixel und 10.000 × 10.000 Pixel liegen.

• Wenn Ihre PDFs kennwortgeschützt sind, müssen Sie die Sperre vor dem Senden entfernen.

• Die Mindesthöhe des zu extrahierenden Texts beträgt 12 Pixel für ein Bild von 1024 × 768 Pixel. Diese Abmessung entspricht etwa einem 8-Punkt-Text bei 150 Punkten pro Zoll (Dots per Inch, DPI).

• Die maximale Anzahl Seiten für Trainingsdaten beträgt beim benutzerdefinierten Modelltraining 500 für das benutzerdefinierte Vorlagenmodell und 50.000 für das benutzerdefinierte neuronale Modell.

  • Für das Training des benutzerdefinierten Extraktionsmodells beträgt die Gesamtgröße der Trainingsdaten 50 MB für das Vorlagenmodell und 1G-MB für das neuronale Modell.

  • Für das Training des benutzerdefinierten Klassifizierungsmodells beträgt die Gesamtgröße der Trainingsdaten 1GB mit einem Maximum von 10 000 Seiten.

Extrahieren von Belegmodelldaten

Hier erfahren Sie, wie Dokument Intelligenz Daten aus Belegen extrahiert – einschließlich Transaktionszeit und -datum sowie Händlerinformationen und Beträge. Sie benötigen die folgenden Ressourcen:

• Ein Azure-Abonnement (Sie können ein kostenloses Abonnement erstellen).

• Eine Dokument Intelligenz-Instanz im Azure-Portal. Sie können den kostenlosen Tarif (F0) verwenden, um den Dienst auszuprobieren. Wählen Sie nach der Bereitstellung Ihrer Ressource Zu Ressource wechseln aus, um Ihren Schlüssel und Endpunkt abzurufen.

Hinweis

Dokument Intelligenz Studio ist mit den APIs der Versionen 3.1 und 3.0 und höheren Versionen verfügbar.

1. Wählen Sie auf der Startseite von Dokument Intelligenz Studio die Option Belege aus.

2. Sie können den Musterbeleg analysieren oder Ihre eigenen Dateien hochladen.

3. Wählen Sie die Schaltfläche Analyse ausführen aus, und konfigurieren Sie bei Bedarf die Analyseoptionen:

   

   Testen Sie Document Intelligence Studio.

Unterstützte Sprachen und Gebietsschemas

Eine vollständige Liste der unterstützten Sprachen finden Sie unter Sprachunterstützung ‒ vordefinierte Modelle.

Feldextraktion

In Dokument Intelligenz 3.0 und höheren Versionen werden mehrere neue Features und Funktionen eingeführt. Zusätzlich zu thermischen Belegen unterstützt das Belegsmodell die Einzelseitenverarbeitung von Hotelbelegen und die Extraktion von Steuerdetails für alle Belegtypen.

Document Intelligence v4.0 und neuere Versionen unterstützen Währungen für alle preisbezogenen Felder für thermische und Hotel-Receipts.

Rechnung

Feld	Typ	Beschreibung des Dataflows	Beispiel
MerchantName	string	Der Name des Händlers, der den Beleg ausstellt	Contoso
MerchantPhoneNumber	phoneNumber	Die aufgeführte Telefonnummer des Händlers	987-654-3210
MerchantAddress	address	Die aufgeführte Adresse des Händlers	123 Main St. Redmond, Washington 98052
Total	number	Die Gesamttransaktion des Belegs	$14.34
TransactionDate	date	Das Datum der Ausstellung des Belegs	June 06, 2019
TransactionTime	time	Die Uhrzeit der Ausstellung des Belegs	4:49 PM
Subtotal	number	Die Zwischensumme des Belegs, oft vor Steuern	$12.34
TotalTax	number	Die Steuern auf dem Beleg (oft Mehrwertsteuer oder Äquivalent)	2 $
Tip	number	Vom Käufer gegebenes Trinkgeld	$1.00
Items	array
Items.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
Items.*.TotalPrice	number	Gesamtpreis der Position	$999.00
Items.*.Description	string	Beschreibung der Position	Surface Pro 6
Items.*.Quantity	number	Menge der einzelnen Positionen	1
Items.*.Price	number	Einzelpreis der einzelnen Positionen	$999.00
Items.*.ProductCode	string	Produktcode, Produktnummer oder SKU der spezifischen Rechnungsposition	A123
Items.*.QuantityUnit	string	Mengeneinheit jeder Position
TaxDetails	array
TaxDetails.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
TaxDetails.*.Amount	currency	Details zur Höhe der Steuern	$999.00

receipt.retailMeal

Feld	Typ	Beschreibung des Dataflows	Beispiel
MerchantName	string	Der Name des Händlers, der den Beleg ausstellt	Contoso
MerchantPhoneNumber	phoneNumber	Die aufgeführte Telefonnummer des Händlers	987-654-3210
MerchantAddress	address	Die aufgeführte Adresse des Händlers	123 Main St. Redmond, Washington 98052
Total	number	Die Gesamttransaktion des Belegs	$14.34
TransactionDate	date	Das Datum der Ausstellung des Belegs	June 06, 2019
TransactionTime	time	Die Uhrzeit der Ausstellung des Belegs	4:49 PM
Subtotal	number	Die Zwischensumme des Belegs, oft vor Steuern	$12.34
TotalTax	number	Die Steuern auf dem Beleg (oft Mehrwertsteuer oder Äquivalent)	2 $
Tip	number	Vom Käufer gegebenes Trinkgeld	$1.00
Items	array
Items.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
Items.*.TotalPrice	number	Gesamtpreis der Position	$999.00
Items.*.Description	string	Beschreibung der Position	Surface Pro 6
Items.*.Quantity	number	Menge der einzelnen Positionen	1
Items.*.Price	number	Einzelpreis der einzelnen Positionen	$999.00
Items.*.ProductCode	string	Produktcode, Produktnummer oder SKU der spezifischen Rechnungsposition	A123
Items.*.QuantityUnit	string	Mengeneinheit jeder Position
TaxDetails	array
TaxDetails.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
TaxDetails.*.Amount	currency	Details zur Höhe der Steuern	$999.00

receipt.creditCard

Feld	Typ	Beschreibung des Dataflows	Beispiel
MerchantName	string	Der Name des Händlers, der den Beleg ausstellt	Contoso
MerchantPhoneNumber	phoneNumber	Die aufgeführte Telefonnummer des Händlers	987-654-3210
MerchantAddress	address	Die aufgeführte Adresse des Händlers	123 Main St. Redmond, Washington 98052
Total	number	Die Gesamttransaktion des Belegs	$14.34
TransactionDate	date	Das Datum der Ausstellung des Belegs	June 06, 2019
TransactionTime	time	Die Uhrzeit der Ausstellung des Belegs	4:49 PM
Subtotal	number	Die Zwischensumme des Belegs, oft vor Steuern	$12.34
TotalTax	number	Die Steuern auf dem Beleg (oft Mehrwertsteuer oder Äquivalent)	2 $
Tip	number	Vom Käufer gegebenes Trinkgeld	$1.00
Items	array
Items.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
Items.*.TotalPrice	number	Gesamtpreis der Position	$999.00
Items.*.Description	string	Beschreibung der Position	Surface Pro 6
Items.*.Quantity	number	Menge der einzelnen Positionen	1
Items.*.Price	number	Einzelpreis der einzelnen Positionen	$999.00
Items.*.ProductCode	string	Produktcode, Produktnummer oder SKU der spezifischen Rechnungsposition	A123
Items.*.QuantityUnit	string	Mengeneinheit jeder Position
TaxDetails	array
TaxDetails.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
TaxDetails.*.Amount	currency	Details zur Höhe der Steuern	$999.00

receipt.gas

Feld	Typ	Beschreibung des Dataflows	Beispiel
MerchantName	string	Der Name des Händlers, der den Beleg ausstellt	Contoso
MerchantPhoneNumber	phoneNumber	Die aufgeführte Telefonnummer des Händlers	987-654-3210
MerchantAddress	address	Die aufgeführte Adresse des Händlers	123 Main St. Redmond, Washington 98052
Total	number	Die Gesamttransaktion des Belegs	$14.34
TransactionDate	date	Das Datum der Ausstellung des Belegs	June 06, 2019
TransactionTime	time	Die Uhrzeit der Ausstellung des Belegs	4:49 PM
Subtotal	number	Die Zwischensumme des Belegs, oft vor Steuern	$12.34
TotalTax	number	Die Steuern auf dem Beleg (oft Mehrwertsteuer oder Äquivalent)	2 $
Tip	number	Vom Käufer gegebenes Trinkgeld	$1.00
Items	array
Items.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
Items.*.TotalPrice	number	Gesamtpreis der Position	$999.00
Items.*.Description	string	Beschreibung der Position	Surface Pro 6
Items.*.Quantity	number	Menge der einzelnen Positionen	1
Items.*.Price	number	Einzelpreis der einzelnen Positionen	$999.00
Items.*.ProductCode	string	Produktcode, Produktnummer oder SKU der spezifischen Rechnungsposition	A123
Items.*.QuantityUnit	string	Mengeneinheit jeder Position
TaxDetails	array
TaxDetails.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
TaxDetails.*.Amount	currency	Details zur Höhe der Steuern	$999.00

receipt.parking

Feld	Typ	Beschreibung des Dataflows	Beispiel
MerchantName	string	Der Name des Händlers, der den Beleg ausstellt	Contoso
MerchantPhoneNumber	phoneNumber	Die aufgeführte Telefonnummer des Händlers	987-654-3210
MerchantAddress	address	Die aufgeführte Adresse des Händlers	123 Main St. Redmond, Washington 98052
Total	number	Die Gesamttransaktion des Belegs	$14.34
TransactionDate	date	Das Datum der Ausstellung des Belegs	June 06, 2019
TransactionTime	time	Die Uhrzeit der Ausstellung des Belegs	4:49 PM
Subtotal	number	Die Zwischensumme des Belegs, oft vor Steuern	$12.34
TotalTax	number	Die Steuern auf dem Beleg (oft Mehrwertsteuer oder Äquivalent)	2 $
Tip	number	Vom Käufer gegebenes Trinkgeld	$1.00
Items	array
Items.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
Items.*.TotalPrice	number	Gesamtpreis der Position	$999.00
Items.*.Description	string	Beschreibung der Position	Surface Pro 6
Items.*.Quantity	number	Menge der einzelnen Positionen	1
Items.*.Price	number	Einzelpreis der einzelnen Positionen	$999.00
Items.*.ProductCode	string	Produktcode, Produktnummer oder SKU der spezifischen Rechnungsposition	A123
Items.*.QuantityUnit	string	Mengeneinheit jeder Position
TaxDetails	array
TaxDetails.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
TaxDetails.*.Amount	currency	Details zur Höhe der Steuern	$999.00

receipt.hotel

Feld	Typ	Beschreibung des Dataflows	Beispiel
MerchantName	string	Der Name des Händlers, der den Beleg ausstellt	Contoso
MerchantPhoneNumber	phoneNumber	Die aufgeführte Telefonnummer des Händlers	987-654-310
MerchantAddress	address	Die aufgeführte Adresse des Händlers	123 Main St. Redmond, Washington 98052
Total	number	Die Gesamttransaktion des Belegs	$14.34
ArrivalDate	date	Ankunftsdatum	27. März 21
DepartureDate	date	Abreisedatum	28. März 21
Currency	string	Währungseinheit der Belegbeträge (ISO 4217) oder „GEMISCHT“, wenn mehrere Werte gefunden werden	USD
MerchantAliases	array
MerchantAliases.*	string	Alternativer Name des Händlers	Contoso (R)
Items	array
Items.*	object	Extrahierte Zeilenposition	1 Surface Pro 6 $999.00 $999.00
Items.*.TotalPrice	number	Gesamtpreis der Position	$999.00
Items.*.Description	string	Beschreibung der Position	Zimmergebühr
Items.*.Date	date	Datum der Position	27. März 21
Items.*.Category	string	Positionskategorie	Raum

---

Nächste Schritte

• Versuchen Sie, Ihre eigenen Formulare und Dokumente mithilfe von Dokument Intelligenz Studio zu verarbeiten.

• Führen Sie eine Dokument Intelligenz-Schnellstartanleitung durch, und beginnen Sie mit der Erstellung einer Anwendung zur Dokumentverarbeitung in der Entwicklungssprache Ihrer Wahl.