Seminare
Seminare

LLM-Dokumentenanalyse und Pipelines Grundkurs

Webinar - PROKODA GmbH

LLM-Dokumentenanalyse und Pipelines Grundkurs
Termin Ort Preis*
08.02.2027- 09.02.2027 München 1.297,10 €
08.02.2027- 09.02.2027 online 1.297,10 €
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Use Cases, Grenzen und Erfolgskriterien

  • Dokumentprozesse in Legal, Einkauf, Revision, Compliance, Wissensmanagement und Customer Operations
  • Dokumenttypen wie PDF, E-Mail, Scans, Office-Dateien, Verträge, Anhänge und tabellarische Inhalte
  • Qualitätsziele für Genauigkeit, Abdeckung, Nachvollziehbarkeit, Review-Fähigkeit und Bearbeitungszeit
  • Typische Risiken durch Halluzinationen, fehlende Quellenbelege, Datenschutzprobleme und fachliche Fehlinterpretationen
  • Abgrenzung zwischen freier Zusammenfassung, strukturierter Extraktion und auditierbarer Dokumentenanalyse

Dokument-Ingestion und Vorverarbeitung

  • Robustes Einlesen heterogener Dokumente mit Parsing, OCR-Optionen und Layout-Erhalt
  • Erkennung und Nutzung von Metadaten wie Seiten, Absätzen, Tabellen, Überschriften, Anhängen und Dokumentversionen
  • Chunking-Strategien für lange PDFs, E-Mail-Verläufe und mehrteilige Vertragsunterlagen
  • Umgang mit Tabellen, Fußnoten, Kopfzeilen, gescannten Seiten und unvollständigen Textschichten
  • Vorbereitung der Inhalte für Extraktion, Retrieval, Review und spätere Nachvollziehbarkeit

Informations-Extraktion mit LLMs

  • Schema-basierte Extraktion mit JSON für Entitäten, Beträge, Fristen, Pflichten, Risiken und Zuständigkeiten
  • Definition fachlicher Felder, Datentypen, Pflichtangaben, Plausibilitätsregeln und Fehlermeldungen
  • Mehrstufige Prompt-Flows für Extraktion, Normalisierung, Validierung und Nachprüfung
  • Self-Check-Mechanismen zur Reduzierung unbelegter Aussagen und inkonsistenter Ergebnisse
  • Fehlerbehandlung bei unklaren Dokumentstellen, fehlenden Informationen und widersprüchlichen Angaben

RAG für Belege und Quellenstellen

  • Grundprinzipien von Embeddings, Vektorsuche, Re-Ranking und kontextbezogener Dokumentauswahl
  • Ausgabe von Quellenbelegen mit Seiten-, Abschnitts- und Dokumentverweisen
  • Steuerung von Kontextfenstern, Top-k-Auswahl, Deduplizierung und Retrieval-Grenzen
  • Verknüpfung extrahierter Fakten mit konkreten Textstellen für Review und Audit
  • Prüfung, ob Aussagen durch Dokumentquellen gedeckt sind oder als unsicher markiert werden müssen

Auditierbare Zusammenfassungen

  • Unterschied zwischen Executive Summary, Fachzusammenfassung und prüffähiger Ergebnisdarstellung
  • Claim-Evidence-Format mit Aussage, Beleg, Seitenverweis und Unsicherheitsmarkierung
  • Kennzeichnung von Konflikten, fehlenden Angaben und mehrdeutigen Formulierungen im Dokument
  • Zusammenfassungen für unterschiedliche Zielgruppen wie Management, Fachexperten, Prüferinnen und Prüfer
  • Qualitätskriterien für nachvollziehbare, überprüfbare und fachlich brauchbare LLM-Ausgaben

Qualitätssicherung und Tests

  • Aufbau eines Gold-Sets mit repräsentativen Dokumenten, erwarteten Extraktionen und Prüfkriterien
  • Stichproben, Review-Workflows und fachliche Abnahme für extrahierte Ergebnisse
  • Messgrößen wie Extraktions-Accuracy, Coverage, Fehlerrate, Latenz und Kosten pro Dokument
  • Prompt-Regressionstests, Versionierung und Vergleich von Pipeline-Varianten
  • Dokumentation von Entscheidungen, Fehlerfällen und Verbesserungen für den Betrieb

Security, Compliance und Betrieb

  • PII-Handling, Redaction, Zugriffskonzepte und Rollenmodelle für sensible Dokumente
  • Logging, Monitoring, Kostenkontrolle und technische Betriebsmetriken
  • Deployment-Optionen über API, On-Premises-Ansätze und hybride Architekturen
  • Abstimmung von Datenschutz, Fachfreigabe, Nachvollziehbarkeit und organisatorischer Verantwortung
  • Blueprint für den Transfer in eigene Dokument-Workflows und produktionsnahe Pilotprojekte
Teilnahmevoraussetzungen:
  • Grundverständnis von APIs, Datenformaten und JSON-Strukturen
  • Erfahrung mit Dokumentprozessen, Datenanalyse oder fachlichen Prüfabläufen ist hilfreich
  • Grundkenntnisse zu KI oder Prompting sind nützlich, aber keine zwingende Voraussetzung
  • Für den Einstieg in KI-Grundlagen empfiehlt sich die Einführung in die Künstliche Intelligenz
Zielgruppe:
  • Data Analysts und Data Engineers, die unstrukturierte Dokumentdaten für Auswertungen, Prüfungen oder Fachprozesse nutzbar machen
  • Softwareentwicklerinnen, Softwareentwickler und Solution Architects, die LLM-Features für Dokument-Workflows produktionsnah umsetzen
  • Fachverantwortliche aus Legal, Einkauf, Revision, Compliance und Customer Operations mit Bedarf an prüfbaren Fakten aus Dokumenten
  • Produktmanagerinnen und Produktmanager für KI-gestützte Dokumentenprozesse, Extraktionslösungen und interne Wissenssysteme
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha