Eine Rechnung in einer Sekunde lesen

Wählen Sie ein Beispiel oder öffnen Sie eine eigene Rechnungs-PDF. Ein kleines Modell in Ihrem Browser findet Verkäufer, Käufer, Umsatzsteuer-IDs, Daten, Beträge und die IBAN und markiert jede Angabe auf der Seite. Die Datei verlässt diese Seite nie.

Die Demo benötigt JavaScript. Das Modell ist ein einmaliger Download von 34 MB; Ihr Browser behält es.

Es liest digitale PDFs, wie sie Buchhaltungssoftware exportiert, auf Englisch, Polnisch, Deutsch, Französisch, Spanisch und Litauisch. Scans und Fotos werden nicht unterstützt. Die Beispiele schrieb ein lokales LLM; jede Firma und jede Zahl darin ist erfunden.

98 % vs. 92 %Der Felder in 60 von Hand geprüften Rechnungen richtig gelesen. Ein 200-mal größeres offenes LLM las 92 %.

80 % vollständigDer Rechnungen hatten jedes Feld richtig; das LLM schaffte 53 %. Prüfziffern und Summen stehen neben den Feldern.

Unter einer SekundePro Rechnung, in Ihrem Browser. Das LLM brauchte 1,2 Sekunden pro Rechnung auf einer GPU.

So funktioniert es

DatenKeine echten Rechnungen. Ein Generator erzeugte 9.000 Rechnungen in sechs Layouts und sechs Sprachen. Ein lokales offenes LLM schrieb 566 weitere für 30 Branchen, jede in einem eigenen Layout, und jede wurde fünf weitere Male mit erfundenen Namen und Zahlen gefüllt. Jede Rechnung wurde in Chrome als PDF gedruckt und so zurückgelesen, wie diese Seite sie liest.

ModellDie ersten 12 der 22 Schichten von mmBERT-small, feinabgestimmt, um die Wörter von elf Feldern zu markieren: 33 MB Gewichte plus ein Vokabular von 1 MB. Die Seite wird Block für Block gelesen, damit Verkäufer und Käufer, die nebeneinander gedruckt sind, nicht vermischt werden. Die 60 Testrechnungen stammen vom selben LLM, für zehn andere Branchen, daher sind 98 % eine Obergrenze.

RegelnUmsatzsteuer-IDs und IBANs haben Prüfziffern. Ein Treffer, der sie nicht besteht, wird durch die Nummer auf der Seite ersetzt, die sie besteht, und netto plus USt muss die Gesamtsumme ergeben. Regeln allein lesen 58 % der Felder und keine Rechnung vollständig: Sie erkennen weder einen Firmennamen noch eine Rechnungsnummer.

Im Vergleich mit einem LLMQwen 2.5 7B, aufgefordert, dieselben Felder als JSON zu liefern, las 92 % der Felder und 53 % der Rechnungen vollständig, bei 1,2 Sekunden pro Rechnung auf einer GPU. Ein gehostetes LLM müsste zudem jede Rechnung erhalten, zu einem Preis pro Seite.

Code, Konfigurationen und der vollständige Benchmark: github.com/balticml/invoice-extraction. Gewichte: huggingface.co/balticml/mmbert-small-invoice-extraction. Das für Ihre Rechnungen? 30-Minuten-Gespräch buchen