BiVelio IntakeVom Dokument zum verifizierten Datenwert – mit angehängtem Beleg.
Intake nimmt PDFs, Bilder, E-Mails und Geschäftsdateien entgegen, extrahiert die relevanten Informationen, verknüpft jeden Wert mit seiner Quelle und leitet nur Ausnahmen zur menschlichen Prüfung weiter.
Jeder Wert kommt mit Herkunft, Konfidenzwert und Prüfpfad an.
Beleg und Herkunft – auch in der API
Der Unterschied ist nicht, das Dokument zu lesen, sondern dass jeder extrahierte Wert auf die exakte Seite und Region verweist, aus der er gelesen wurde.
{
"supplier": {
"value": "ACME, S.L.",
"confidence": 0.99,
"evidence": { "page": 1, "bbox": [120, 80, 310, 112] }
},
"total": {
"value": "12450.00",
"currency": "EUR",
"confidence": 0.98,
"evidence": { "page": 1, "bbox": [412, 640, 528, 668] }
},
"due_date": {
"value": "2026-09-30",
"confidence": 0.71,
"status": "human_review_pending"
}
}Illustratives Beispiel mit fiktiven Daten — stammt von keinem Kunden.
Was Intake macht
Eine Eingangsschicht für alles, was unstrukturiert ankommt.
Geschäftsformate
PDFs, gescannte Bilder, E-Mails mit Anhängen und Office-Dateien kommen durch dieselbe Tür.
Dokumentklassifizierung
Jedes Dokument wird vor der Extraktion nach Typ identifiziert: Rechnung, Vertrag, Urkunde, Antrag.
OCR und Extraktion
Relevante Felder werden mit Konfidenzwert pro Feld extrahiert, nicht als ein Textblock.
Deterministische Validierungen
Formate, Summen, Daten und Kennungen werden mit Regeln geprüft, nicht mit einem weiteren Modellaufruf.
Menschliche Prüfung
Nur Ausnahmen erreichen einen Menschen: Validiertes läuft weiter, ohne auf jemanden zu warten.
Beleg pro Feld
Jeder Wert behält Seite und Ursprungsregion, sodass sich jede Angabe später auditieren lässt.
Für Entwickler
Gebaut zur Integration, nicht als Ersatz Ihrer Systeme.
Asynchrone API und Webhooks
Dokument senden, Ergebnis erhalten, sobald es fertig ist, und Pipeline-Ereignisse abonnieren.
Multi-Tenant-Isolation
Die Daten jeder Organisation liegen und laufen isoliert vom Rest.
Privacy und Savings integriert
Sensible Informationen werden geschützt und jeder Modellaufruf wird vor der Ausführung optimiert.
Bekannte Grenzen und Benchmarks
Wir veröffentlichen keine Zahlen zu Geschwindigkeit, Genauigkeit oder Kapazität, bis ein reproduzierbarer Benchmark Hardware, Dataset, Dokumenttyp, Auflösung, Batchgröße, Latenz-Perzentile und Fehlerrate beschreibt.
Bis dahin ist der beste Beweis Ihr eigener Fall: Fordern Sie einen Lauf über ein echtes Dokument an und prüfen Sie das Ergebnis Feld für Feld.
Beginnen Sie mit einem Dokument, nicht mit einer Komplett-Transformation.
Verarbeiten Sie ein Beispieldokument mit unserem Team und entscheiden Sie mit dem Ergebnis vor Augen.