Aperture PR-01: Submillimeter-Geometrie trifft Vision-LLMs

Die Extraktion strukturierter Daten aus unübersichtlichen Unternehmensdokumenten zwang Betriebsteams bisher zu einem schwierigen Kompromiss: Entweder man verließ sich auf starre regex-basierte OCR-Vorlagen, die zerbrachen, sobald ein Lieferant seine Ränder um 5 Millimeter veränderte, oder man übergab Dokumente an Allzweck-LLMs, die Summen halluzinierten und keine nachprüfbaren Quellkoordinaten lieferten.

Mit Aperture PR-01 schließt ParseRelay diese Lücke.

Das Problem herkömmlicher Vision-Extraktion

Allzweck-Vision-Modelle reduzieren Dokumente auf Standard-Patch-Raster (z. B. 768x768). Bei einer dichten 4-seitigen internationalen Frachtrechnung oder einer 50-zeiligen Zollanmeldung zerstört diese Komprimierung feine Zeichengrenzen. Kleine Dezimalpunkte verschwinden, und mehrspaltige Tabellen verschmelzen zu mehrdeutigen Textblöcken.

Entscheidend ist auch, dass Allzweck-Modelle keine verifizierten Bounding Boxes liefern können, die an native PDF-Vektorpfade gekoppelt sind. Wenn Auditoren fragen, warum Position 14 als 14.200 € statt 1.420 € geparst wurde, bietet ein ungeerdetes LLM keinen geometrischen Nachweis.

Die hybride Architektur von Aperture PR-01

Aperture PR-01 arbeitet über eine dreistufige Pipeline:

1. GPU-Patch-Slicing & Vektorgeometrie: Hochauflösende PDFs werden mit 300 DPI auf unserem dedizierten GPU-Inferenz-Cluster gerendert. Vektor-Schriften werden direkt aus PDF-Streams extrahiert, während Rasterbereiche Token-Geometrieklassifikatoren durchlaufen.
2. Normalisierte Bounding-Boxen: Jedes erkannte Skalarfeld und jede Tabellenzelle liefert exakte normalisierte Koordinaten [ymin, xmin, ymax, xmax] (0 bis 1000) relativ zur Originalseite.
3. Strenge Schema-Bindung: Extrahierte Token werden strikt den 7 typisierten Primitiven zugeordnet (String, Zahl, Datum, Währung, Tabelle, Key-Value, Boolean).

// Beispiel für eine Aperture PR-01 Bounding-Box-Nutzlast
{
  "field": "totalAmount",
  "value": 4312.50,
  "currency": "EUR",
  "confidence": 0.994,
  "geometry": {
    "page": 1,
    "boundingBox": [842, 650, 868, 792] // [ymin, xmin, ymax, xmax]
  }
}

99,4% Genauigkeit bei anspruchsvollen Quelldateien

Durch die Kombination von Token-Geometrie und spezialisierter Vision-LLM-Attention erreicht Aperture PR-01 eine Trefferquote von 99,4% über verblichene Thermobelege, verzerrte Smartphone-Fotos und mehrseitige Durchschläge.

Sinkt die Konfidenz unter einen definierten Schwellenwert (z. B. 85%), leitet ParseRelay das Dokument automatisch in den Prüf-Arbeitsplatz weiter und hebt die exakte Bounding Box zur Ein-Klick-Verifizierung hervor.